430 智能系统学报 第6卷 从表8可以看出，附加限制条件后，选出的可达路 JIANG Guiyan,ZHENG Zuduo.Dynamic traffic path opti- 线即距离最短的前9条路径，当加上约束条件对最优 mization algorithm based on mnemonic mechanism [J]. 路径的选择会产生一定影响，但却大大提高了计算效 Journal of Jilin University:Engineering and Technology Edi- 率，并能保证行车时间和距离双优化.可以看出，表8 ion,2007,37(5):1043-1048. 中的改进路径R9和表7中的路径3相同 [3]HOROBA C.SUDHOLT D.Ant colony optimization for sto- chastic shortest path problems[C]//Proceedings of the 12th 在根据常识设计约束条件时，也可考虑允许在 Annual Genetic and Evolutionary Computation Conference 某一个方向上“绕行”.例如，起点到终点在东西方 New York,USA:ACM,2008:1465-1472. 向上的距离比南北方向的距离长，通常人们会选择 [4]ZAKZOUK AAA,ZAHER H M,EL-DEEN R A Z.An 在东西方向少走回头路，在南北方向上可视路况适 ant colony optimization approach for solving shortest path 当绕行，反之亦然.本例中，东西方向距离比南北方 problem with fuzzy constraints[C]//2010 The 7th Interna- 向距离长，当设定禁止向西行驶的约束条件时，得到 tional Conference on Informatics and Systems.Cairo,E 的可达路线数为72；若附加条件为禁止向北行驶， gypt,2010:1201-1208. 则可达路线数为12 [5]王泉啸，蔡先华.动态最佳路径算法研究[J].城市勘测， 3.4有效性验证 2009,73(1):73-75. 本文从表7中选取R1、R3和93条路径，请3 WANG Quanxiao,CAI Xianhua.Study on the algorithm of dynamic optimal routeJ].Urban Geotechnical Investigation 位志愿者同时开车从航天桥出发，分别按照规定的 &Surveying,2009,73(1):73-75. 路径前往西单，并记下行程时间.结果是：9的行车 [6]徐俊明.图论及其应用[M].3版.合肥：中国科学技术大 时间为41min,R1的行车时间为52min,R3的行车 学出版社，2010：21-53. 时间为66min.可以得出，RBF行车代价函数模型 [7]刘海燕.智能交通系统的车辆行驶最佳路径算法[J].北 给出的行车路线排序与实际情况相同. 京工商大学学报：自然科学版，2006,24(1)：5355， LIU Haiyan.Best running path arithmetic of vehicles in in- 4结束语 telligent transport system[J].Journal of Beijing Technology 本文的特点是利用RBF神经网络建立最优路 and Business University:Natural Science Edition,2006,24 (1):53-55. 径代价函数模型，通过图论中的算法找到起点和终 [8]韩力群.人工神经网络教程[M].北京：北京邮电大学出 点的时间最优路径.在设计神经网络模型过程中，训 版社，2006：127-143. 练集的设计由正交实验法给出，圳练出的网络模型 [9]马君，刘晓东，孟颗.基于神经网络的城市交通流预测研 测试结果较好，最后将模型应用到实例中，从最优路 究[J].电子学报，2009,37(5)：1092-1094. 径代价函数模型给出的最优路径排序中选取差异较 MA Jun,LIU Xiaodong,MENG Ying.Research of urban 大的3条路径，经实际验证取得了较好结果.本次研 traffic flow forecasting based on neural network[J].Acta 究的不足在于，诸如天气因素（风、雨、雪、雾4类天 Electronica Sinica,2009,37(5):1092-1094. 气)并没有加入到网络的训练集中，原因在于这些 [10]朱文兴，贾磊，丁绪东，等.城市交通网络中的路径优化 因素在研究过程中较难采集，在以后的时间范围内 研究[J].山东大学学报：工学版，2005,35(1)：74- 将继续观察采集并加入这些因素的数据，将神经网 77. ZHU Wenxing,JIA Lei,DING Xudong,et al.Research 络的训练集丰富完善，使其能够更加真实地反映出 on the route optimization in urban traffic network J]. 交通网络路径的代价函数值，更加贴近实际情况， Joumal of Shandong University:Engineering Science, 参考文献： 2005.35(1):74-77. [11]韩力群.人工神经网络理论、设计及应用[M].2版.北 [1]张渭军，王华.城市道路最短路径的Dijkstra算法优化 京：化学工业出版社，2007：164-191. [J].长安大学学报：自然科学版，2005,25(6)：6265. [12]傅荟璇，赵红.MATLAB神经网络应用设计[M].北京： ZHANG Weijun,WANG Hua.Optimation Dijkstra arithme- 机械工业出版社，2010：6263. tic for shortest path of urban traffic net[J].Journal of [13]刘张雷，史忠科.城市动态时间最短路径诱导系统实现 Chang'an University:Natural Science Edition,2005,25 研究[J].控制工程，2010,17(3)：351-355 (6):62-65 LIU Zhanglei,SHI Zhongke.Implementation of urban [2]姜桂艳，郑祖舵.基于记忆机制的动态交通路径优化算 tmie-dependent shortest route guidance system[J].Control 法[J].吉林大学学报：工学版，2007,37(5)：1043- Engineering of China,2010,17(3):351-355. 1048. [14]罗嵩，王坚.智能交通系统的最优路径搜素算法的研究