学位论文 > 优秀研究生学位论文题录展示

车载导航路径规划算法研究

作　者: 史辉
导　师: 朱述龙
学　校: 解放军信息工程大学
专　业: 摄影测量与遥感
关键词: 车载导航系统 路径规划 信息融合 加权平均 贝叶斯理论 证据理论 群体智能 蚁群优化算法 粒子群优化算法 蜂群优化算法
分类号: U495
类　型: 硕士论文
年　份: 2010年
下　载: 136次
引　用: 0次
阅　读: 论文下载
 

内容摘要


本文介绍了车载导航路径规划中的若干关键技术,重点研究了道路属性和交通信息的融合方法、最优路径的评价方法和最短路径搜索算法。论文的主要工作有：1.介绍了车载导航系统的关键技术,归纳总结了车载导航路径规划中关键技术的研究现状,阐述了现有理论和方法的不足,指出了需要解决的主要问题。2.系统地介绍了车载导航路径规划的基本问题,探讨了道路属性和交通信息的量化方法及其对路径规划的影响。对车载导航路径规划中的两个关键问题——最优路径评价标准和路径搜索算法进行了详细的说明。3.研究了信息融合理论在最优路径选择中的应用。介绍了平均加权法、贝叶斯理论和证据理论等三种融合算法的基本理论,分别对三种算法中存在的问题进行了分析和改进,运用改进算法对道路属性和交通信息进行融合,并应用到车载导航路径规划中。同时,对三种融合算法进行了比较和分析。实验表明,基于信息融合算法的实验结果明显要优于普通加权求和算法,其中基于证据理论算法的路径规划结果要好于其它融合算法,且容易扩展到多个道路属性,为下一步路径搜索算法的研究奠定了基础。4.研究了群体智能理论在最短路径搜索中的应用。分别介绍了蚁群优化算法、粒子群优化算法和蜂群优化算法的基本理论,并对三种算法进行了改进,使其适合车载导航路径规划的应用。比较了三种优化算法的优缺点,通过实验对群体智能优化理论在车载导航路径规划中的应用提出了一些看法。概括了群体智能优化算法的发展方向和需要解决的问题。实验表明,粒子群优化算法比较适合大区域路径规划,但由于三种优化算法还缺乏一定的理论支持和实践检验,需要进一步的研究。

全文目录


摘要  5-6
Abstract  6-9
第1章 绪论  9-14
  1.1 车载导航系统综述  9-11
  1.2 路径规划的研究现状  11-13
  1.3 论文的研究内容和组织结构  13-14
第2章 车载导航路径规划的基本问题  14-26
  2.1 车载导航系统最优路径的概念  14
  2.2 路网数据组织与管理  14-21
    2.2.1 道路构成与描述  15-18
    2.2.2 道路的空间逻辑关系描述  18
    2.2.3 路网存储结构  18-20
    2.2.4 路网数据管理  20-21
  2.3 最优路径评价标准  21-22
  2.4 最短路径算法  22-26
    2.4.1 Dijkstra算法  22-23
    2.4.2 Floyd算法  23-24
    2.4.3 A~*算法  24-26
第3章 信息融合理论在最优路径选择中的应用  26-46
  3.1 信息融合概述  26-29
    3.1.1 信息融合的基本原理  26-27
    3.1.2 信息融合的方法  27-28
    3.1.3 信息融合的应用  28-29
  3.2 基于加权平均法的最优路径规划  29-33
    3.2.1 加权平均法在路径规划中的应用  30-31
    3.2.2 实验结果与分析  31-33
  3.3 基于Bayes理论的最优路径规划  33-36
    3.3.1 Bayes理论  33-35
    3.3.2 Bayes理论在路径规划中的应用  35
    3.3.3 实验结果与分析  35-36
  3.4 基于证据理论的路径规划算法  36-43
    3.4.1 证据理论  36-39
    3.4.2 模糊证据理论  39-40
    3.4.3 基于模糊证据理论的路径规划  40-41
    3.4.4 实验与分析  41-43
  3.5 三种信息融合算法的比较  43-46
第4章 群体智能理论在路径搜索中的应用  46-70
  4.1 群体智能理论  46-50
    4.1.1 群体智能的基本原理  46-47
    4.1.2 群体智能的基本原则  47-48
    4.1.3 群体智能优化方法  48-50
  4.2 蚁群优化算法  50-57
    4.2.1 蚁群算法的基本原理  50-52
    4.2.2 蚁群算法的基本框架  52-54
    4.2.3 蚁群算法在路径规划中的应用  54-55
    4.2.4 实验分析与结论  55-57
  4.3 粒子群优化算法  57-64
    4.3.1 粒子群算法的基本原理  57-60
    4.3.2 粒子群算法在路径规划中的应用  60-62
    4.3.3 实验分析与结论  62-64
  4.4 蜂群优化算法  64-68
    4.4.1 蜂群算法的基本原理  64-67
    4.4.2 仿真实验  67-68
  4.5 三种群体智能优化算法的比较  68-70
第5章 总结  70-72
参考文献  72-76
作者简历 攻读硕士学位期间完成的主要工作  76-77
致谢  77

相似论文

  1. 自升式平台平台分段的建造计划编制及其优化研究,F426.4
  2. 智能控制策略在两个工业过程中应用研究,TP273
  3. 基于优化的权衰减法对节理岩体中爆炸波传播的预测,TU452
  4. 基于多约束条件的电网检修计划编制的研究,TM73
  5. 路基拓宽优化设计改进粒子群算法,U416.1
  6. 基于群智能算法的BP神经网络模型在冰塞水位及厚度预测中的应用,TV124
  7. 嵌入式系统软硬件划分方法的研究,TP368.1
  8. 压电扭转驱动器及其在柔性杆扭转振动控制中的应用研究,TB535
  9. 基于粒子群算法的湖泊富营养普适指数公式的研究,X524
  10. 基于场路结合的永磁直流电动机优化设计,TM33
  11. 液体制冷剂注入的涡旋压缩机特性的研究与结构参数优化,TH45
  12. 城市供水系统智能优化调度研究,TP273.5
  13. 粒子群优化算法的改进与应用,TP301.6
  14. 计及曲轴强度的内燃机轴承优化设计,TK402
  15. 柔性作业车间调度中的优化算法研究,F224
  16. 水平旋转式贴片机贴装过程优化研究,TN405
  17. 基于改进蚁群算法的油田注水管网规划设计研究,TE357.6
  18. 蚁群算法在风光互补系统优化配置中的应用,TM61;TM71
  19. 基于蚁群算法由直线光流场重建三维结构的研究,TP391.41
  20. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  21. 生物地理学优化算法及其应用研究,Q15-3

中图分类: > 交通运输 > 公路运输 > 交通工程与公路运输技术管理 > 电子计算机在公路运输和公路工程中的应用
© 2012 www.xueweilunwen.com