第5期 陈亮，等：RBF神经网络的行车路径代价函数建模 .427… 值没有单位，不表示实际消耗的时间，表示的是车辆 3应用实例 行驶在不同的路段所耗费时间多少的横向比较，并以 此为依据，最终选择出最优路径 3.1应用实例概述 7*10 本文应用实例是利用路段代价函数模型确定特 ·行车代价值 6 定路况条件下，从航天桥至西单路口的最优路线，实 -实测行车时问s 际道路如图2.具体步骤是：首先将交通网络图抽象 成为加权有向图3]，找出连通起点和终点的所有可 3 达路线，2个相邻交通路口之间是一个路段，从而可 将各可达路线表示为一个路段系列，其中每个路段 6 9 12 的实际情况可用一个5维向量进行描述，代入路段 数据组号 代价函数模型后可计算出该路段的行车代价值，所 图1仿真值与实际测量值 有路段的代价值之和即为路径的行车代价值，其中 Fig.1 Simulation and test values 行车代价值最小的路径为最优路径4」 创 月坛 图2实际交通道路 Fig.2 Actual traffic roads 可达路径的搜索方法如下， 情况近似的路径，选出差别较大的20条路径，根据 1)将图2中的交通图抽象为加权有向图，对不 距离长短对可达路线编号，如表6所示. 能提供实时路况信息的路段视为不可达，从而得到 10 13 图3.图3中，1号节点为航天桥，15号节点为西单 路口. 2)建立加权有向图的邻接矩阵 14 3)根据邻接矩阵，从起始点开始找出下一节 点；若下一个节点等于目标点，则返回2). 4)将起点到终点经过的全部节点串连起来，形 2 6 9 12 15 成完整路径，将路径中经过点的权值相加，得到整条 图3加权有向图 路径的权值5] Fig.3 Weighted directed graph 根据上述算法共得到92条可达路线16，略去 表6均匀抽出20条可达路线 Table 6 Uniform extraction 20 paths 实际距离 路径 用节点标出的可达路线 km R1 13 5 7 1215 6.55 R2 1246 9 12 15 6.70 R3 135710 131415 7.05