[发明专利]一种面向出行时间可靠性的最优路径规划算法

说明书

一种面向出行时间可靠性的最优路径规划算法，包括如下步骤：S10、生成动态随机网络邻接矩阵:S20、基于遗传算法的期望最短路径求解；S30、基于蒙特卡洛方法的路径旅行时间不确定性评估；S40、输出基于出行时长和可靠性的最优路径。本发明通过引入基于马尔科夫过程的随机游走模型生成遗传算法的初始种群，大大提高了遗传算法运算的效率；根据遗传算法的运算结果，输出包含K条动态随机网络的期望最优路径集，并通过蒙特卡洛方法评估路径的时间可靠性，给出不同路径的出行时间耗费的不确定度，最终输出符合要求的最优路径选择。模型方法综合考虑路径出行时长和可靠性，路径规划结果更为可靠。

技术领域

本发明涉及城市交通管理技术领域，尤其涉及一种面向出行时间可靠性的最优路径规划算法。

背景技术

在城市道路交通网络中，对于给定OD(源和目的地)的最优路径规划问题实质上是图论网络中的最短路径(SP)问题。自20世纪50年代开始，陆续出现了一些经典的最短路径算法，包括：Dijkstra算法(标号法)、Bellman-Ford算法、Floyd算法等。然而，这些经典的算法都是以静态确定性网络作为研究对象，而现实世界中的大量网络通常都具有动态、随机特征，经典的最短路径算法通常不适用于具有上述特征的网络。

动态随机网络中边的权重值不再是一个简单的常量，而是一个依赖于时间且服从相关概率分布的随机变量。经典最短路径的定义也不再适用于动态随机网络最短路径。一些基于经典算法的改进算法假定网络边的权重是一个随机过程，通过求得各边随机过程的均值函数和方差函数,进而求得某一时刻从源节点出发到达目标节点路径的期望耗费，并以此来衡量路径优劣。这类算法往往只能求得期望最短路径，忽略了路径旅行时间的可靠性。实际上，期望最短路径并不一定是可靠性最好的路径，这使得期望最短路径往往不能代表最优的出行路径选择。

考虑到城市道路网络复杂多变的交通状态，一条可靠的路径更胜于最短的路径，更有利于满足居民出行的路径规划需求。

因此，有必要发明一种面向出行时间可靠性的路径规划方法，提供一种更科学的出行路径规划。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种面向出行时间可靠性的最优路径规划算法，通过对出行者择路行进行分析，预先对交通路网状态变化下的出行路径选择进行规划。

(二)技术方案

为解决上述问题，本发明提供了一种面向出行时间可靠性的最优路径规划算法，包括如下步骤：

S10、生成动态随机网络邻接矩阵:

根据实际道路网络的几何关系，生成道路网络的拓扑关系矩阵；根据浮动车GPS数据和路网数据的时空属性进行数据匹配，估算不同时刻，各路段旅行时间的均值和标准差，生成路段旅行时间均值函数Travel_time＝μ(t)和旅行时间标准差函数Std_time＝σ(t)；结合路网拓扑关系矩阵生成路网的旅行时间邻接矩阵G；

S20、基于遗传算法的期望最短路径求解：根据给定的出发时间和OD点，通过基于遗传算法的最短路径算法,求解K条期望最短路径，并分别记录每条路径途经路段的旅行时间和标准差，生成期望最优路径数据集；

S30、基于蒙特卡洛方法的路径旅行时间不确定性评估：根据蒙特卡洛方法，随机模拟动态随机网络旅行时间的变化过程，估计K条期望最优路径的平均旅行时间和标准差，评估不同期望最优路径旅行时间的不确定性；

S40、输出基于出行时长和可靠性的最优路径：根据给定的可靠性预期，结合K条期望最优路径的不确定性，分别估算在满足可靠性预期的条件下，K条期望最优路径的最大出行时长，选择最大出行时长最小的路径作为最优路径输出。

3、优选的，在S20中，基于遗传算法的K条期望最优路径求解方法过程如下：