[发明专利]一种解决路径选择实时性问题以避免局部拥堵的方法

说明书

本发明公开了一种解决路径选择实时性问题以避免局部拥堵的方法，首先构建城市交通路网的实时动态多路口路径选择模型；然后构建效用值评价模型，通过效用值大小评判路径选择方案的优劣；最后最优路径选择。本发明可以充分利用量子计算的优势，实现实时的路径导航，并避免局部拥堵，可以有效缓解交通拥堵。

技术领域

本发明属于智能交通技术领域，涉及一种局部拥堵解决的方法，具体涉及一种有效解决路径选择实时性问题以避免局部拥堵的方法。

背景技术

现有的城市交通路网路径选择研究主要依托于以下三个方面展开，分别为基于信号灯控制的路径选择模型、基于车辆个性化选择特性的路径选择方法和基于全局路网负载均衡的路径选择模型。

(1)为了改进交通信号灯控制的有效性，Anastasios等人提出一种实时的用于交通信号灯控制的策略([文献1])，解决非高峰期和过饱和两种不同状态下交通信号的控制方式。Kartik等人提出一种基于车载广播网络的OJF算法([文献2])，通过收集车辆当前位置和速度信息将车辆进行分组，实时自适应地对交通信号灯进行控制，使得各组间相交的延迟最小。He等人提出一种稳态信号控制算法和统一的集群共识信号，并通过信号调节使得路网达到全局负载均衡，此方法可以减少局部拥堵并实现路网流量的均衡分布([文献3])。然而以上基于信号灯控制的路径选择方法主要从全局交通流角度进行路径选择([文献4])，没有考虑到个体车辆的个性化行驶需求，并且这种改善仅能一定程度缓解交通压力，难以明显缓解交通拥堵。

(2)为了解决城市路网中个性化车辆特性考虑不足的问题，Nakajima等人提出了一种估计驾驶员驾驶意图的路径推荐算法([文献5])，提出了用于估计算法路由选择的驾驶员意图，然后根据此意图确定最佳路径选择方案，该方法可以通过分析已选路径与未选路径之间的差异来估计驾驶员的驾驶意图，通过放大这些差异从而获得路线并设定参数获得一条经过修饰的最佳路径。Potuzak等人提出了一种分割路网的方法([文献6])，该方法将路网划分为同质簇和异构集群，对于同质群集，该方法将交通路网划分成负载均衡的子网络，对于异构集群，该方法通过对比目标节点的负载比和特定节点的负载比来将交通路网划分为不同子网，并通过子网间不同的权重值来进行路径推荐。以上方法在微观角度上充分考虑了路网中路段对驾驶员的吸引比例、路段当前负载比例等([文献7])，但是这类算法容易造成过多车辆被选择到同一路段从而造成个别路段的交通拥堵现象，无法实现全局交通优化。

(3)为了使得路网拥堵减少，形成全局路网的均衡负载，Chan提出了一种基于智能群的神经网络短期交通量预测APSO算法([文献8])，该算法结合神经网络算法，对于交通流中的强非线性特征的交通流数据和新捕获的交通数据取得良好的预测效果。Lee等人提出了一种基于VANET交通控制和交通信息采集的车辆协作解决方案([文献9])，其提出的交通感知路由协议能监控相邻道路的实时交通状况部署静态节点和考虑道路交通网络流量，同时该方法也传递混合交通信息到其他的结果节点，从而达到车辆间相互协助选择一个更强大的和高效的全局最优路径。Yamada等人提出基于超路径的路径推荐方法([文献10])，选择行驶时间相近的一组路径并依据概率推荐给行驶车辆，将交通流分散在一组相似路径上，但该方法不是基于动态的实时交通信息，而是静态的历史交通数据。Pan等人根据实时交通信息([文献11])，尽量将车辆分散到车流量较低的路径，但没有充分利用实际最短路径的容量，从而会导致有些车辆被诱导到很远的路径。Wang等人通过交通灯收集实时交通信息([文献12])，并对突发交通拥堵事件进行规避，将车辆均衡分散在整个路网。但这类算法考虑的是交通灯及相关路段间的协作，并没有考虑微观车辆的行驶需求。

综上，现有的城市路网交通拥堵解决方案存在策略评价指标单一、对车辆个体特点考虑不足、动态性不足容易导致局部拥堵等问题，目前尚没有一种方法可以有效解决这些问题。