交通誘導系統(tǒng)的流量預測和路徑優(yōu)化并行算法研究.pdf

1、交通流誘導是目前公認的提高交通效率和機動性的最佳途徑，其目的是在交通網絡中為出行者提供最佳旅行路徑。傳統(tǒng)的串行路徑誘導雖然在包括幾十個路口的路網中能夠在可接受的時間范圍內完成計算，但當路網規(guī)模擴大到幾百、甚至上千個路口時，其路徑誘導計算所消耗的時間會超出實際時間，這時路徑誘導工具就失去了在線誘導的能力。而并行計算技術所提供的存儲與計算資源為有效提高大規(guī)模路網中的交通流誘導速度及效率提供了可行途徑。流量預測問題和路徑優(yōu)化問題一直是交通誘導

2、系統(tǒng)中兩個關鍵問題，因此本文重點討論這兩個問題的并行算法。 本文首先分析了將并行計算技術應用于交通誘導領域的必要性，并介紹采用的并行計算硬件平臺——深騰1800機群系統(tǒng)、軟件平臺——MPI和Charm++。接著，深入研究用于交通流預測的神經網絡并行算法，提出一種基于碟形網絡的數據并行神經網絡算法，它有效地減少了通信時間，提高了訓練速度。在MPI上通過大連市實際交通流數據來進行仿真實驗，驗證了該并行算法的有效性。此外，對于大規(guī)模路

3、網，設計了并行交通流預測的模型(包含四個子模塊：數據采集、預處理、訓練和預測)。分別在MPI和Charm++上進行多路段的并行預測，實驗結果表明Charm++能更好滿足大規(guī)模路網的流量預測的實時性要求。最后，本文介紹了基于METIS網絡分割的DIKB并行最短路徑算法的實現，即先用METIS劃分工具對交通網絡進行分割為子網絡，然后分配給各個處理器后采用改進的Diikstra算法——DIKB算法進行最短路徑的計算。采用模擬的交通數據，與傳統(tǒng)