[发明专利]一种面向出行时间可靠性的最优路径规划算法

摘要

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。

主权项

1.一种面向出行时间可靠性的最优路径规划算法，其特征在于，包括如下步骤：/nS10、生成动态随机网络邻接矩阵:/n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；/nS20、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；/nS30、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；/nS40、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。/n