基于交通状态识别的马尔可夫最优路径选择

摘要

【目的】优化多模式交通的出行路径选择策略，以有效应对复杂交通状态对多模式交通网络运行过程的影响。【方法】通过对交通状态进行精细识别和划分，构建基于马尔可夫决策过程的路径选择模型。具体步骤包括：首先，根据多模式交通网络复杂的交通状态，选取饱和度、平均行程速度和占有率作为交通状态识别参数，运用基于贝叶斯优化的模糊C均值聚类算法进行交通状态识别，以获取最佳聚类中心；其次，采用熵权法对相关数据进行处理，以误差绝对值最小化为目标，借助LINGO编程求解状态转移概率；最后，以最短出行时间为优化目标，建立基于交通状态识别的马尔可夫决策过程路径选择模型。【结果】以长沙市芙蓉区多模式交通网络中的算例为例，在对复杂交通状态进行聚类时，相较于传统FCM算法，所提算法的目标函数值准确度显著提升，且算法运行时间缩短至4.4 s。【结论】在交通状态复杂多变的情境下，该模型能够为出行者提供不同场景下实时更新的最优路径选择方案。

关键词

多模式交通网络 / 马尔可夫决策 / 贝叶斯优化 / 路径选择 / 模糊C均值聚类