论文部分内容阅读
随着我国城镇化进程的加快,人民生活水平越来越好,汽车保有量在逐年增加,而有限的土地资源,使得城市交通路网越来越复杂,交通拥堵问题成为了21世纪各大城市最困扰的问题之一。互联网的兴起为解决城市交通问题找到了新的途径,智能交通的研究和应用使得交通问题在很大程度上得到缓解。现如今,市面上导航系统繁多,但大多数都是基于静态的路径规划,有些所谓的动态路径规划,也是当前时刻的动态,无法对道路车辆行程时间做到短时预测。本文就目前社会上导航产品的痛点与不足之处进行分析,研究基于道路行程时间预测的最优路径优化问题。本文主要针对行程时间预测模型和动态路径优化问题进行研究。本文基于历史数据相似性的特点,使用BP神经网络算法对道路车辆行程时间进行短时预测,通过对比预测数据,分析预测误差,评价预测效果,改进预测算法模型,使模型最终接近预测期望值。根据预测模型进行道路车辆行程时间的预测,再由预测结果进行车辆的路径规划诱导,本文采用Dijkstra算法进行车辆在道路上行程时间花费最短的路径规划。通过对预测模型和最优路径规划模型的实验模拟仿真,验证了算法模型的可行性。基于道路行程时间预测的最优路径研究为核心算法,开发了移动警务平台,应用于交警执勤过程中对事故发生时的指挥调度和使用最短时间到达现场处理事故。除了该核心功能以外还开发了后台管理平台、周边设施查询、任务转出和拥堵报警处理等基础功能。提升了交警执勤的效率。通过系统性能测试,验证了本系统稳定可靠。