1. 研究目的与意义

1 研究背景与意义

近年来，我国汽车保有量呈现稳步上升的趋势，从 2014 的 1.23 亿辆逐步上升到 2020 年的 2.81 亿辆，而机动车驾驶人数量在2018 年也突破了 4 亿人。汽车保有量和机动车驾驶人数的稳步上升，使得道路上交通拥堵的情况也愈发严重。高德《2020q2 中国主要城市交通分析报告》指出，在其 q2 季度监测的 360 个城市中，有 5.54%的城市在通勤高峰期存在拥堵状况，有 56.23%的城市在通勤高峰期处于缓行状态，只有 38.23%的城市通勤不受到拥堵的威胁。在这些城市中，拥堵最严重路段的拥堵时长甚至达到了 296 个小时，相当于平均每日拥堵 4.77 个小时。因此，面对如此凸显的交通拥堵问题，研究如何提高整个交通网络的运行效率具有很强的现实意义。

在治理交通拥堵的早期，扩建交通基础设施和合理的规划交通基础设施的布局起到了一定的缓解作用。但是受限与城市土地面积和经济因素，仅仅依靠修建交通基础设施不太现实，并且即使投入大量的人力和财力，也无法在短期内提升城市交通效率。此外，诸如对机动车进行限号或者车辆上牌时进行摇号等限制政策，也是指标不治本的措施。在扩张原有的交通基础设施和限制交通需求的方法都不能很好缓解交通拥堵的情况下，如何最大限度的利用现有的交通基础设施来提高交通运行效率成为了首选方案，智能交通系统开始进入大众的视野。智能交通系统（intelligent transportation system，its）是一种结合了通信、电子、控制等技术，将人和路网建立连接，从而形成高效、准确、实时的交通管理系统。智能交通系统能够利用各类传感器收集全面的交通信息，通过智能算法对收集到的交通信息进行处理，从而高效合理的调度路网上的车辆。在智能交通系统中，车辆能够实时的获得路网信息和满足出行要求的交通诱导信息。而各条道路的耦合关系能够得到协调，避免了拥堵的加深和扩散，从而实现了对现有道路资源的最大化利用，极大的提高了交通效率。因此，智能交通系统是当前世界范围内都较为认可的解决城市交通拥堵、提高行车安全性、提高路网效率、减少污染排放的最佳途径。同样的，在智能交通系统领域内的针对路径规划、交通流信息获取与预测等方面的研究也是目前交通研究领域的热门课题。

2. 研究内容和问题

1论文的研究内容

首先，针对现有路径规划中对路况的分析并不全面的问题，本文构建了基于层次分析法的道路效率指标评价模型。该评价模型用于表征不同的道路对于车辆通行效率的影响，综合考虑了各种影响道路通行效率的静态和动态指标，且具有较强的拓展性，能够较好地反映路况的动态变化。由此评价指标出发，得到各路段的当量长度，结合速度-密度关系公式，计算得到各路段的预估通行时间，并根据不同优化目标，选择一种作为后续算法的路径代价，使得到的推荐路径更加合理。

其次，本文针对途经点约束下的路径规划问题，在 astar 算法基础上研究了一种动态路径规划算法。该算法简化了传统的路网模型，以路段为节点，通过道路效率指标评价模型对路况信息进行处理得到所有路段的权值，然后结合途经点的动态可用性和通行需求，快速搜索出一条由起点至终点，并且通过若干途经点的推荐路径。同时，在计算通过哪些中间点和通过顺序时，结合模拟退火思想，在选择较低通行代价的前提下充分考虑了算法的搜索效率，以快速获得较优的通行路径。

3. 设计方案和技术路线

研究方法：根据所研究内容的具体要求，本毕业论文针对车辆行驶过程中需要根据交通信息变化对后续行车路径进行动态调整的问题，研究一种基于深度强化学习的动态路径重规划算法。算法以深度q网络为基本框架,动态感知目标车辆及路网信息，同时通过对路网信息变化的不断学习，估计交通流变化状况，利用路径重规划模型对当前路径进行评估与决策，进行全局路径重规划以获得更优的线路。论文通过sumo搭建不同的仿真场景对算法性能进行评估，并与传统算法进行比较。

技术路线：

1.针对现有路径规划中对路况分析不全面的问题，构建基于层次分析法的道路效率指标评价模型

4. 研究的条件和基础

1. 扎实的运筹学相关的数学基础知识；

2. 一定的文献检索能力；

3. 掌握基本的仿真软件，如sumo等；