面向全自动控制交通系统的车辆调度算法

摘要/Abstract

摘要：

结合遗传算法和贪婪算法的优点，提出了聚类贪婪遗传算法，构建了一个全自动控制交通系统的仿真系统；针对遗传算法、贪婪算法和聚类贪婪遗传算法分别进行实验，并比较其实验结果.结果表明：当系统趋于稳定时，聚类贪婪遗传算法能够提高叫车请求的平均响应时间，从而避免叫车请求饿死的情况；聚类贪婪遗传算法可用于全自动控制交通系统车辆的调度.

关键词:

车辆；调度；全自动控制交通系统；聚类贪婪遗传算法；仿真系统

Abstract:

Combining the advantage of greedy algorithm with that of genetic algorithm, this paper presents a new algorithm named proximity cluster greedy and genetic algorithm. This paper also designs a simulation system for cybernetic transportation system to test all the three algorithms and collect the experiment results. The results show that when the system tends to be steady, the proximity cluster greedy and genetic algorithm can efficiently decrease the response time and avoid the requests’ starving, so this algorithm is a good choice for the cybernetic transportation system.

Key words:

vehicles; scheduling; cybernetic transportation system (CTS); proximity cluster reedy and genetic algorithm; simulation system

中图分类号:

TP 273

李爽a，杨明b，王春香a，王冰b. 面向全自动控制交通系统的车辆调度算法[J]. 上海交通大学学报, 2017, 51(2): 174-.

LI Shuanga,YANG Mingb,WANG Chunxianga,WANG Bingb. Scheduling Algorithm for Vehicles in Cybernetic Transportation System[J]. Journal of Shanghai Jiao Tong University, 2017, 51(2): 174-.

参考文献

［1］DANTZIG G, RAMER J. The trunk dispatching probem ［J］. Management Science, 1959, 10(6): 80-91.
［2］TARANTILIS C D, IOANNOU G, KIRANOUDIS C T, et al. Solving the open vehicle routing problem via a single parameter metaheuristic algorithm ［J］. Journal of the Operational Research Society, 2005, 56(5): 588-596.
［3］WILSON G V, PAWLEY G S. On the stability of the TSP algorithm of Hopfield and Tank ［J］. Boil Cybem, 1988, 58: 63-70.
［4］ESCOBAR J W, LINFATI R, TOTH P, et al. A hybrid granular tabu search algorithm for the multidepot vehicle routing problem ［J］. Journal of Heuristics, 2014, 20(5): 483-509.
［5］LIN C, CHOY K L, HO G T S, et al. Survey of green vehicle routing problem: Past and future trends ［J］. Expert Systems with Applications, 2014, 41(4): 1118-1138.
［6］BOISS S, BENENSON R, BOURAOUI L, et al. Cybernetic transportation systems design and development: Simulation software cybercars［C］∥IEEE International Conference on Robotics and AutomationICRA’2007. Roma, Italy: ICRA, 2007.
［7］LI T Y, YANG M, DENG L Y, et al. An extended probabilistic selflocalization algorithm using hybrid maps［C］∥17th International IEEE Conference on Intelligent Transportation Systems (ITSC). New York, USA: IEEE, 2014: 81-86.
［8］DOI S. Proposal and evaluation of a pheromonebased algorithm for the patrolling problem in dynamic environments［C］∥IEEE Symposium on Swarm Intelligence (SIS). Istanbul, Turkey: IEEE, 2013: 48-55.
［9］SARAYDARYAN J, JUMEL F, SIMONIN O. Robots delivering services to moving people: Individual vs. group patrolling strategies［C］∥2015 IEEE International Workshop on Advanced Robotics and Its Social Impacts (ARSO). Lyon, France: IEEE, 2015: 1-8.
［10］YANOVSKI V, WAGNER I A, BRUCKSTEIN A M. A distributed ant algorithm for protect efficiently patrolling a network ［J］. Algorithmica, 2003, 37(3): 165-186.
［11］HEYDON A, NAJORK M. Mercator: A scalable, extensible web crawler ［J］. World Wide Web, 1999, 2(4): 219-229.
［12］LOHSE M, NAGEL A, HERTER T, et al. Mercator: A fast and simple web server for genome scale functional annotation of plant sequence data ［J］. Plant, Cell and Environment, 2014, 37(5): 1250-1258.
［13］PASQUALETTI F, FRANCHI A, BULLO F. On optimal cooperative patrolling［C］∥49th IEEE Conference on Decision and Control (CDC). Atlanta, Georgia, USA: IEEE, 2010: 7153-7158.
［14］POULET C, CORRUBLE V, SEGHROUCHNI A E F. Working as a team: using social criteria in the timed patrolling problem［C］∥IEEE 24th International Conference on Tools with Artificial Intelligence. Athens, Greece: IEEE, 2012: 933-938.
［15］POLI R, KOZA J. Genetic programming［M］. USA: Springer, 2014: 143-185.
［16］PHAM D T, DIMOV S S, NGUYEN C D. Selection of K in Kmeans clustering ［J］. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 2005, 219(1): 103-119.

编辑推荐 0

Metrics

阅读次数

全文

201

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	201

来源	本网站	其他网站

次数	27	174
比例	13%	87%

摘要

915

最新录用	在线预览	正式出版

0	0	915

来源	本网站	其他网站

次数	511	404
比例	56%	44%

[1]	姚来鹏, 侯保林, 刘曦. 采用摩擦补偿的弹药传输机械臂自适应终端滑模控制[J]. 上海交通大学学报, 2020, 54(2): 144-151.
[2]	陈琦,李格伦. 新型布缆船拖曳绞车控制系统[J]. 上海交通大学学报, 2019, 53(8): 990-999.
[3]	李冬辉，高峰. 基于扰动观测器的压缩式制冷系统改进Smith预估解耦控制[J]. 上海交通大学学报, 2019, 53(5): 593-599.
[4]	何常玉，施光林，郭秦阳，王冬梅. 阀控非对称液压缸位置控制系统自适应鲁棒控制策略[J]. 上海交通大学学报（自然版）, 2019, 53(2): 209-216.
[5]	赵志诚,王惠芳,张井岗. 高阶反向响应过程的分数阶PID控制器设计[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1090-1095.
[6]	牛礼民，叶李军，阮晓东. 混合动力汽车多能源动力总成的智能体控制技术[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1108-1113.
[7]	周涛. 基于反双曲正弦函数的自抗扰控制器[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1186-1190.
[8]	张旭，陈茂银，王凌，周东华. 存在执行器故障的多智能体系统的容错一致性[J]. 上海交通大学学报（自然版）, 2015, 49(06): 806-811.
[9]	史建涛,何潇，周东华. 多机编队系统的协同容错控制[J]. 上海交通大学学报（自然版）, 2015, 49(06): 819-824.
[10]	侯彦东，闫治宇，金勇. 小样本下基于特征子空间估计的故障诊断算法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 825-829.
[11]	纪洪泉,何潇,周东华. 基于多元统计分析的故障检测方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 842-848.
[12]	杨旭1，彭开香1，罗浩2，KRUEGER Minjia2,宗大桥1，DING Steven X2. 基于EEMD和SVM的冷轧机垂直振动相关故障的诊断[J]. 上海交通大学学报（自然版）, 2015, 49(06): 751-756.
[13]	刘洋，何潇，周东华. 分布式测量下闭环系统的故障检测[J]. 上海交通大学学报（自然版）, 2015, 49(06): 757-761.
[14]	鄢镕易a,何潇a,b,周东华a,b. 线性离散系统间歇故障的鲁棒检测方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 812-818.
[15]	吕学勤1，张轲2，吴毅雄2. 移动焊接机器人轨迹跟踪控制机制及实验[J]. 上海交通大学学报（自然版）, 2015, 49(03): 371-374.