买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中山大学

摘要：本发明涉及一种基于BMO算法的新建过江通道指引优化方法，包括以下步骤：S1.选取布设范围，在布设范围的缓冲带内选取布设起点；S2.建立针对新建过江通道情境下的基于成本最优的指引优化数学模型；S3.利用BMO算法求解上述数学模型；S4.得到指引优化方案。

主权项：1.一种基于BMO算法的新建过江通道指引优化方法，其特征在于：包括以下步骤：S1.选取布设范围，在布设范围的缓冲带内选取布设起点；S2.建立针对新建过江通道情境下的基于成本最优的指引优化数学模型；S3.利用BMO算法求解上述数学模型；S4.得到指引优化方案；所述步骤S1具体为：以新建过江通道为中心，根据其道路等级和交通吸引量，指定一定的布设半径r，形成宽度为l的缓冲带，在缓冲带内考虑交通流量、重要道路节点、重要城市出入口这些信息，指定多个不同方向的节点作为布设起点；定义布设起点集为{vp}；所述步骤S2的具体执行过程如下：S11.采用弧段-节点数据模型表征交通路网：G＝V,AV＝{vi|i＝1,2...N}A＝{aij＝vi,vj|vi,vj∈V}其中有向图G表示交通路网，V表示交通路网的节点集合，vi表示交通路网中的节点，N表示交通路网中节点的数量，A表示交通路网中路段集合，aij表示起点为节点vi、终点为节点vj的路段；因此新建过江通道模型D表示为：D＝{add′＝vd,vd′|add′∈A,vd,vd′∈V}；其中vd,vd′为终点集；S12.设新建过江通道的指路标志布设方案RS由多个指路标志项rst组成，每个指路标志项纪录了该项的所在路段larc、所指示的路口节点innode、指引的下一路段narc和指引信息inf，具体如下所示：RS＝{rst|t＝1,2,…M}rst＝{larc,innode,narc,inf}larc,narc∈A,innode∈V其中M为指路标志布设方案RS中包含的指路标志项rst的数量；S13.基于交通路网和新建过江通道的指路标志布设方案RS构建基于成本最优的指引优化数学模型，所述指引优化数学模型应包以下内容：1决策变量决策变量决策变量yikj；其中一条布设起点到终点的指引路径可以看做一条可行流，决策变量表示可行流p是否流过路段aij，代表该可行流p流过路段aij，否则决策变量yikj表示是否在路段aik上布设指引路段akj的指引信息；yikj＝1表示在路段aik上布设指引路段akj的指引信息，否则yikj＝0；2优化目标函数所述优化目标函数为基于成本最优的的优化目标函数： 其中，f表示优化目标函数，表示出行者在可行流p上的出行成本，CR表示对现有指引方案进行优化的成本，表示是关于的函数、fRyikj表示CR是关于yikj的函数； 表示如下：其中，a表示新建的过江通道D的人流量；Vot表示单位时间成本；cij表示路段aij的长度；b表示新建的过江通道D的车流量；vs表示指引等级为s的道路的设计时速中位数；∑C表示车辆的使用成本；M表示年平均行驶里程；表示路段等级标识，对于等级为s的路段aij，为1，否则，为0；CR表示如下：其中wT表示新增或替换一个指引信息项的成本；wD表示新增一个指路标志牌的成本；eikj、gikj为新增指路标志项或指路标志的标识；eikj＝1表示经过aik到akj上可新增一个指路标志项，gikj＝1表示经过aik到akj上需新增一个指路标志；3约束条件所述指引优化数学模型按照其约束目的分为可行解约束和指引规则约束，其中可行解约束包含4个约束，分别为节点流平衡约束、路径重合约束、决策变量间的约束和决策变量本身的约束；1节点流平衡约束： 除起点和终点外，其余每个节点的流出量等于其流入量，P表示可行流的个数；2路径重合约束： 若两条指引路径重合，则重合点后的所有路段必须相同；3决策变量间的约束 路段aik与路段akj同时被选中时，才能在路段aik上布设指向akj的指引信息；4决策变量本身的约束 yikj∈{0,1}两决策变量都为0-1型变量；指引规则约束包括以下三个：转弯布设约束、布设间距约束和起讫点布设约束；5转弯布设约束 在指引路径发生转弯或掉头时必须布设指引信息，即当路段aik与路段akj在可行流p中，且两路段的夹角θikj∈45°,315°，则yikj必须为1；6布设间距约束 路径p上任意连续的四条路段上至少布设一个标志；即都为1时，yikj，ykjm，yjmh中至少有一个为1；7起讫点布设约束 路径p的第一个路段asi和最后一个路段ajd必须布设指引信息；即都在路径p上时，ysij一定等于1；都在路径p上时，yijd一定等于1。

全文数据：一种基于BMO算法的新建过江通道指引优化方法技术领域[0001]本发明涉及道路交通规划领域，更具体地，涉及一种基于BMO算法的新建过江通道指引优化方法。背景技术[0002]随着城市规模的扩大，城市内部江河的阻碍成为城市交通的瓶颈。新建过江通道有利于缓解过江交通压力，构筑城市结构一体化，增强城市发展的协调性。指路标志作为交通静态诱导设施，必须与路网更新紧密结合，而指路标志系统更替速度远低于路网建设速度，新建过江通道后对整个区域的指路标志全部进行更换，耗时耗力，也不符合现实情况。因此，在现有布设方案基础上如何科学地优化指引更具有现实意义。[0003]关于指引布设的研究，有学者针对城市道路、绕城高速、公路系统等不同功能的道路系统提出了相适应的指引信息分级体系及选取规则。黄敏等学者构建了以指路标志项为基本单元的指路标志系统的数据模型，实现了指路标志的数字化，为指路标志系统的智能管理分析提供数据基础。在此基础上，先后有学者提出了对城市道路和兴趣点的指路标志布设模型，初步实现了区域指路标志系统的智能生成。还有学者对指引信息的可达性进行评价并利用ABC算法对单兴趣点的指引进行优化。但缺乏对新建过江通道这一常见情境下的指引优化研究。发明内容[0004]本发明针对城市新建过江通道的指路标志优化问题进行研究，综合考虑道路出行者的出行成本和道路管理者的指引布设成本，提供一种基于BMO算法的新建过江通道指引优化方法。[0005]为实现以上发明目的，采用的技术方案是：[0006]—种基于BMO算法的新建过江通道指引优化方法，包括以下步骤：[0007]SI.选取布设范围，在布设范围的缓冲带内选取布设起点；[0008]S2.建立针对新建过江通道情境下的基于成本最优的指引优化数学模型；[0009]S3.利用BMO算法求解上述数学模型；[0010]S4.得到指引优化方案。[0011]优选地，所述步骤Sl具体为：以新建过江通道为中心，根据其道路等级和交通吸引量，指定一定的布设半径r，形成宽度为1的缓冲带，在缓冲带内考虑交通流量、重要道路节点、重要城市出入口这些信息，指定多个不同方向的节点作为布设起点；定义布设起点集为|Vp}〇[0012]优选地，所述步骤S2的具体执行过程如下：[0013]SI1.采用弧段-节点数据模型表征交通路网：[0014]G=V,A[0015]V={viIi=1,2...Ν}[0016]A={aij=〈Vi，VjIVi，VjeV}[0017]其中有向图G表示交通路网，V表示交通路网的节点集合，Vl表示交通路网中的节点，N表示交通路网中节点的数量，A表示交通路网中路段集合，aij表示起点为节点Vi、终点为节点W的路段；[0018]因此新建过江通道模型D表示为:D={add'=Iadd7^AjVdjVd7^V}；[0019]其中{Vd，Vd，}为终点集；[0020]S12.设新建过江通道的指路标志布设方案RS由多个指路标志项rst组成，每个指路标志项纪录了该项的所在路段Iarc、所指示的路口节点innode、指引的下一路段narc和指引信息inf，具体如下所示：[0021]RS={rst11=1，2，…M}[0022]rst={larc,innode,narc,inf}[0023]larc,narceA,innodeeV[0024]其中M为指路标志布设方案RS中包含的指路标志项rst的数量；[0025]S13.基于交通路网和新建过江通道的指路标志布设方案RS构建基于成本最优的指引优化数学模型，所述指引优化数学模型应包以下内容：[0026]⑴决策变量[0027]决策变量x、决策变量ylkj;其中一条布设起点到终点的指引路径可以看做一条可行流，决策变量表示可行流P是否流过路段a^，代表该可行流p流过路段^^，否则#=〇;决策变量7阳表示是否在路段alk上布设指引路段akj的指引信息;ylkj=l表示在路段alk上布设指引路段akj的指引信息，否则ylkj=0;[0028]⑵优化目标函数[0029]所述优化目标函数为基于成本最优的的优化目标函数：[0030][0031]其中，f表示优化目标函数，g表示出行者在路径p上的出行成本，Cr表示对现有指引方案进行优化的成本；[0032]C?表示如下：[0033]其中，a表示新建的过江通道D的人流量;Vot表示单位时间成本;Cij表示路段aij的长度;b表示新建的过江通道D的车流量;^表示指引等级为s的道路的设计时速中位数；EC表示车辆的使用成本;M表示年平均行驶里程；4表示路段等级标识，对于等级为s的路段3„;为1，否则，@为0;[0034]Cr表不如下：[0035]其中WT表示新增或替换一个指引信息项的成本;WD表示新增一个指路标志牌的成本;eikj、gikj为新增指路标志项或指路标志的标识;eikj=1表示经过aik到akj上可新增一个指路标志项，gikj=1表示经过aik到akj上需新增一个指路标志；[0036]3约束条件[0037]所述指引优化数学模型按照其约束目的分为可行解约束和指引规则约束，其中可行解约束包含4个约束，分别为节点流平衡约束、路径重合约束、决策变量间的约束和决策变量本身的约束；[0038]1节点流平衡约束：[0039][0040]除起点和终点外，其余每个节点的流出量等于其流入量；[0041]2路径重合约束：[0042][0043]若两条指引路径重合，则重合点后的所有路段必须相同；[0044]3决策变量间的约束[0045][0046]路段alk与路段ak洞时被选中时，才能在路段alk上布设指向akj的指引信息；[0047]4决策变量本身的约束[0048][0049]两决策变量都为0-1型变量；[0050]指引规则约束包括以下三个:转弯布设约束、布设间距约束和起讫点布设约束；[0051]5转弯布设约束[0052][0053]在指引路径发生转弯或掉头时必须布设指引信息，即当路段alk与路段akj在指引路径P中，且两路段的夹角45°，315°，则ylkj必须为1;[0054]6布设间距约束[0055][0056]路径p上任意连续的四条路段上至少布设一个标志；S卩.都为1时，yikj，ykjm，yjmh中至少有一个为1;[0057]7起讫点布设约束[0058][0059]路径p的第一个路段asl和最后一个路段^|vi,vjev}3[0095]其中有向图G表示交通路网，V表示路网中节点集合，A表示路网中路段集合，N表示路网中节点数。[0096]此外，该路网模型中还记录了每条路段与正北方向的夹角，由此可以计算出相邻两路段的夹角9¾，如式⑷所示。[0097]Bikj=Idik-OkjI〇^；0ikjIadd7GA1Vd1Vd7ev}5[0101]在指路标志数学模型中，完整的指路标志布设方案RS是由多个指路标志组成。而一个指路标志可看作多条指引信息的集合。将每条指引信息及其对应的路网拓扑关系称为一个指路标志项。因此，指路标志项是指引布设方案的最小单兀。每个指路标志项rst纪录了该项的所在路段Iarc、所指示的路口节点（innode、指引的下一路段narc和指引信息（inf，如式6-8所示。[0102]RS={rst|t=l,2,···Μ}6[0103]rst={larc,innode,narc,inf}7[0104]larc,narceA,innodeeV8[0105]其中，M为指路标志方案RS包含的指路标志项数量。如图3所示的指路标志项“广州大道”可表示为:rst={larc=aoi，innode=vi，narc=vi2,inf=”广州大道”}〇[0106]因此，在该优化模型中，布设起点集为{vP}，终点集为{vd,Vd]。[0107]—个完整的指引优化数学模型应包括以下内容：[0108]1决策变量[0109]指引优化模型中，一条布设起点到终点的指引路径可以看做一条可行流，决策变量·^表示可行流P是否流过路段a^，x=l代表该可行流P流过路段^，否则，"=〇。决策变量7阳表示是否在路段alk上布设指引路段akj的指引信息。ylk产1表示在路段alk上布设指引路段akj的指引信息，否则ylkj=0。[0110]⑵优化目标函数[0111]本发明的指引优化目标从出行者和交通管理者两者的需求出发，综合考虑出行者在指定路径上出的成本和管理者新增或更换现有指引信息的成本，如式9所示。[0112]9[0113]其中，f表示优化目标函数，C?表示出行者在路径p上的出行成本，Cr表示对现有指引信息优化的成本。[0114]出行者成本包括出行者时间成本和使用成本。为统一优化目标量纲，该模型中利用单位时间成本的方法将出行时间转化为金钱成本。出行者时间根据指引路径上的路段长度及其道路等级决定;使用成本则考虑了使用私人交通的购置成本、油耗成本等，如式（10所示。[0115]10[0116]其中，a表示新建的过江通道D的吸引量人）；Vcjt表示单位时间成本元小时）；Cij表示路段的长度米）；b表示新建的过江通道D的吸引流量车）；^表示指引等级为s的道路的设计时速中位数kmh;EC表示车辆的使用成本包括购置、油耗、年检等费用元）表示年平均行驶里程km;ζ；表示路段等级标识，对于等级为s的路段ay，为1，否则；为〇。[0117]考虑在实际工程中，布设新的指路标志包括支撑杆、牌面等，与在已有的指路标志牌面上更换指引信息的成本差距较大，因此本模型中的指引成本分为两种情况讨论:新增指路标志的成本或更改指引信息的成本，如式11所示。[0118]11[0119]其中，WT表示新增替换一个指引信息项的成本元）；WD表示新增一个指路标志牌的成本元）；eikj，gikj为新增指路标志项或指路标志的标识。eikj=1表示经过aik到akj上可新增一个指路标志项，gikj=1表示经过aik到akj上需新增一个指路标志，对于给定的路网和ίίί工通，eikj，gikj为已知，JlHeikj+gikj—1〇[0120]3约束条件[0121]本发明中优化模型的约束条件按照其约束目的分为可行解约束和指引规则约束。其中，可行解约束包含4个约束，满足4个可行解约束的决策变量组x，y才为优化问题中的可行解。式（12为节点流平衡约束，除起点和终点外，其余每个节点的流出量等于其流入量。[0122][0123]式（13为路径重合约束，若两条指引路径重合，则重合点后的所有路段必须相同。这是由于指向相同目的地的指引信息如果设置在同一个路段却指引不同的方向，不仅无法对出行者的路径选择帮助，更易造成出行者的困惑。[0124]13[0125]式（14为决策变量间的约束，即路段alk与路段ak洞时被选中时，才能在路段alk上布设指向akj的指引信息。[0126]14[0127]式15为决策变量本身的约束，即两决策变量都为0-1型变量。[0128]15[0129]由于优化目标为线性函数，y越小，优化目标函数值越小，即可能出现不布设任何指引的情况。因此，需要对指引信息的布设提出一些必要的强制性规则。3个指引规则约束规定了3种必须布设指引的情况。[0130]式（16规定了在指引路径发生转弯或掉头时必须布设指引信息，即当路段alk与路段akj在指引路径p中，且两路段的夹角0lk卢（45°，315°，则ylkj必须为1。[0131]16[0132]式（17规定了路径p上任意连续的四条路段上至少布设一个标志。即都为1时，yikj，ykjm，yjmh中至少有一个为1。[0133]Π7[0134]式（18规定了路径p的第一个路段和最后一个路段必须布设指引信息。即都在路径P上时，ySij—定等于1;育卩在路径p上时，yijd—定等于1。[0135]18[0136]综上所述，本发明建立的数学模型有2个决策变量，其目标函数为线性函数，并共有7个约束，包括4个线性约束和3个非线性约束。[0137]以广州市洲头咀隧道为例，其吸引量估算为6.64万人;吸引流量近似估算为3.32万车；单位时间成本Vcit采用当地年人均GDP与年工作时的比值;为44元h。城市快速路设计时速中值取80kmh;城市主干道设计时速中值取60kmh;城市次干道设计时速中值取35kmh，城市支路设计时速中值取20kmh。车辆使用成本包括购置年检维修油耗费用估算为19650元，当地年平均行驶里程数为28064.5km，得到的出行者成本为：[0138][0139]新增整个指路标志的工程及人力成本核算为20万元个，更换指路标志项成本核算为5万元个，得到的指引优化成本为：[0140]20[0141]因此，得到的对广州市洲头咀隧道进行指引优化的数学模型为：[0150]p，qe{l，2,3，...p}i，k，j，m，he{1，2,3，···Ν}[0151]步骤三:利用BMO算法求解上述模型。BMO算法的主要步骤是：[0152]1对可行解进行编码；[0153]用一组二元链表表征可行解，其中链表中的第一行元素为路网节点，表征指引路径，第二行元素则表征指引信息的布设情况。一组路网节点组成的路径可以对应唯一的决策变量X。每一个可行解与一组决策变量X，y存在一一对应关系。如图4所示，该可行解对应的路径为:Vp—VI—V2—V3—V4—V5—Vd，对应的布设情况为y={yP,l,2，yi,2,3，y2,3,4，y3,4,5，y4,5，d}O[0154]2按照随机规则获取一定数量的鸟；[0155]⑶计算每只鸟的适应度函数值；[0156]4将这些鸟按照适应度函数的优劣分为孤雌制、一雌多雄制、一雄一雌制、一雄多雌制和混交制五种繁殖方式；[0157]5去除所有混交制鸟，并重新生成数量相同的混交制鸟；[0158]⑶五类鸟按照自身繁殖方式进行繁殖产生相同数量的子代；[0159]五种鸟类的繁殖方式差异主要与其繁殖对象的选择有关，如表1所示。[0160]表1不同鸟类的繁殖对象[0163]—般来说，每类鸟选定繁殖对象后，可选择进行变异或交叉操作。在鸟的繁殖过程中为避免陷入局部最优解，引入变异的操作。为适应不同种类鸟对变异操作的不同需求，本发明采用单点和两点变异两种变异方式。单点变异是指随机选取单个变异点，生成从变异点到终点的路径代替原有的郃分路径。如图5所不，原路径为Vp4Vl4V24V34V44V5—Vd，选取¥2作为变异点，随机生成¥2后的路径，得到新路径为¥04¥14¥24¥64¥74¥8—¥]，相对应的指路标志优化情况y变为y={yP,i,2，yi,2,6，y2,6,7，y6,7,8，y7,8,d}。[0164]两点变异是指随机选取两个变异点，用重新生成的两变异点之间的路径代替原有的部分路径。如图6所示，原路径为Vp4Vl4V24V34V44V5—Vd，选取Vl和V4作为变异点，随机生成Vi与V4之间的路径，得到新路径为vp4vi4v64v74v44v5—vd，相对应的y变为y=iyp,l,6，yi,6,7，y6,7,4，y7,4,5,y4,5,d·。[0165]—般来说，单点变异的变异范围大于两点变异。因此，本身具有较高的适应度函数值即较优解的孤雌制鸟类选择变异范围相对较大的单点变异可以增加种群的多样性。其他种类鸟则选用两点变异的方式以获得更优解。[0166]繁殖方式根据其繁殖对象的个数可分为一对一繁殖和一对多繁殖。繁殖操作参考遗传算法中染色体上基因的交叉操作来实现，即鸟与其繁殖对象必须具有一个以上相同基因（即路网节点）才可以进行繁殖。一对一繁殖利用轮盘赌算法对候选鸟进行选择，该方法中拥有更好适应度函数值的鸟被选择的概率更大。具体操作方法是利用轮盘赌概率公式如式21从所有候选鸟选取一只鸟作为繁殖对象，随机选择父代鸟和繁殖对象中相同的一个基因节点作为交叉点，将繁殖对象的从交叉点到终点的基因片段替换到父代鸟中，生成新的子代。[0167][0168]其中，Pt表示候选鸟被选择的概率;mt表示候选鸟个数。[0169]如图7所不，原路径为Vp—VI—V2—V3—V4—V5—Vd，选取的繁殖对象为Vp—VI—V5—V3—V6—V7—Vd，以V3为交叉点，将两只鸟V3后的路径进彳丁交叉，得到新路径Vp—VI—V2—V3—V6—V7—Vd，相对应的指路标志布设情况y变为y={yP,1,2，yi，2,3，y2,3,6，y3,6,7，y6,7,d}。[0170]在算法中，将一对多繁殖类比为一只鸟与多只鸟进行基因交换，产生一只具有多父母基因的子代。在BMO中，一对多繁殖的操作方法是:通过退火概率如式22选择多个繁殖对象，该方法中与父代鸟具有相似适应度函数值的候选鸟被选择的概率更大。以两个繁殖对象为例，父代鸟与第一只繁殖对象进行一对一繁殖，产生中间代。中间代与第二只繁殖对象进行一对一繁殖产生最终的子代。在一对多繁殖中，子代可能给受到多只鸟基因的影响。[0171]22[0172]其中，Pm表示候选鸟被选择的概率；Af表示候选鸟与父代鸟适应度函数绝对差值;T为调节参数。[0173]如图8所不，原路径为Vp—VI—V2—V3—V4—V5—Vd，选取的两个繁殖对象分别为Vp—V54V24V64V74V8—Vd和Vp4V94Vl〇4Vll4V74V12—Vd，首先以V2为交叉点，将父代鸟与第一个繁殖对象^2后的路径进行交叉，得到中间代路径¥[4¥14¥24¥64¥74¥84¥]，再将中间代与第二个繁殖对象以V7为交叉点进行交叉，得到子代路径为:Vp4V14V24V64V74V12—¥]，相对应的指路标志优化情况7变为7={71，1,2,71,2,6,72,6,7,76,7,12,77,12,1}。[0174]7将所有子代鸟与其对应的父代鸟进行比较，具有更优的适应度函数值的鸟被保留，其余鸟被抛弃；[0175]⑶如果已经达到预设的繁殖代数，则输出最优鸟，否则回到第4步，进入下一代繁殖。[0176]步骤四：得到指引优化方案。对优化模型进行求解后，对于求得的所有ylkj=l，有指引优化方案：[0177]{rstrIrstr.larc=aik，rstr.innode=vk，narc=akj，guide="D"}23[0178]本发明以广州洲头咀隧道为例，共新增指路标志13项，最优方案总成本为350.50万元，指路标志布设情况及可视化效果如图9所示。[0179]本发明面向城市新建过江通道后的指引优化问题，提出了一种基于BMO算法的指引优化方法。包括以下步骤:选取布设范围，在布设范围缓冲带内选取布设起点；建立针对新建过江通道情境下的基于成本最优的指引优化数学模型;利用BMO算法求解上述模型;得到指引优化方案，为城市指路标志指引布设提供参考。本发明综合考虑了道路出行者的出行成本和交通管理者的指引布设成本，并结合元启发式优化算法进行求解，能高效地得到成本效益高、快速便捷的指引优化方案。[0180]显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

权利要求：1.一种基于BMO算法的新建过江通道指引优化方法，其特征在于:包括以下步骤：51.选取布设范围，在布设范围的缓冲带内选取布设起点；52.建立针对新建过江通道情境下的基于成本最优的指引优化数学模型；53.利用BMO算法求解上述数学模型；54.得到指引优化方案。2.根据权利要求1所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述步骤SI具体为：以新建过江通道为中心，根据其道路等级和交通吸引量，指定一定的布设半径r，形成宽度为1的缓冲带，在缓冲带内考虑交通流量、重要道路节点、重要城市出入口这些信息，指定多个不同方向的节点作为布设起点;定义布设起点集为ivP}。3.根据权利要求2所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述步骤S2的具体执行过程如下：Sl1.采用弧段-节点数据模型表征交通路网：其中有向图G表示交通路网，V表示交通路网的节点集合，V1表示交通路网中的节点，N表示交通路网中节点的数量，A表示交通路网中路段集合，aij表示起点为节点Vi、终点为节点W的路段；因此新建过江通道模型D表示为：其中{vd，为终点集；512.设新建过江通道的指路标志布设方案RS由多个指路标志项rst组成，每个指路标志项纪录了该项的所在路段Iarc、所指示的路口节点innode、指引的下一路段narc和指引信息inf，具体如下所示：其中M为指路标志布设方案RS中包含的指路标志项rst的数量；513.基于交通路网和新建过江通道的指路标志布设方案RS构建基于成本最优的指引优化数学模型，所述指引优化数学模型应包以下内容：1决策变量决策变量、决策变量ylkj;其中一条布设起点到终点的指引路径可以看做一条可行流，决策变量表示可行流P是否流过路段a^，代表该可行流p流过路段a^，否则:决策变量7阳表示是否在路段alk上布设指引路段akj的指引信息;ylkj=l表示在路段alk上布设指引路段akj的指引信息，否则ylkj=0;⑵优化目标函数所述优化目标函数为基于成本最优的的优化目标函数：其中，f表示优化目标函数，表示出行者在路径P上的出行成本，Cr表示对现有指引方案进行优化的成本；表示如下：其中，a表示新建的过江通道D的人流量;Vcjt表示单位时间成本;Cij表示路段aij的长度；b表示新建的过江通道D的车流量;^表示指引等级为s的道路的设计时速中位数；EC表示车辆的使用成本;M表示年平均行驶里程K表示路段等级标识，对于等级为s的路段a^，为1，否则：为〇;其中WT表示新增或替换一个指引信息项的成本;WD表示新增一个指路标志牌的成本；eikj、gikj为新增指路标志项或指路标志的标识;eikj=1表示经过aik到akj上可新增一个指路标志项，gikj=1表示经过aik到akj上需新增一个指路标志；⑶约束条件所述指引优化数学模型按照其约束目的分为可行解约束和指引规则约束，其中可行解约束包含4个约束，分别为节点流平衡约束、路径重合约束、决策变量间的约束和决策变量本身的约束；1节点流平衡约束：除起点和终点外，其余每个节点的流出量等于其流入量；2路径重合约束：若两条指引路径重合，则重合点后的所有路段必须相同；3决策变量间的约束路段alk与路段ak洞时被选中时，才能在路段alk上布设指向akj的指引信息；4决策变量本身的约束两决策变量都为〇-1型变量；指引规则约束包括以下三个:转弯布设约束、布设间距约束和起讫点布设约束；5转弯布设约束在指引路径发生转弯或掉头时必须布设指引信息，即当路段alk与路段akj在指引路径p中，且两路段的夹角45°，315°，则ylkj必须为1;6布设间距约束路径P上任意连续的四条路段上至少布设一个标志；即都为1时，yikj，ykjm，yjmh中至少有一个为1;7起讫点布设约束路径P的第一个路段asl和最后一个路段ajd必须布设指引信息；S卩都在路径p上时，ySij—定等于1;都在路径p上时，yijd—定等于1。4.根据权利要求1〜3任一项所述的基于BMO算法的新建过江通道指引优化方法，其特征在于:所述步骤S3具体如下：1对可行解进行编码；用一组二元链表表征可行解，其中链表中的第一行元素为路网节点，表征指引路径，第二行元素则表征指引信息的布设情况;一组路网节点组成的路径可以对应唯一的决策变量X;每一个可行解与一组决策变量X，y存在一一对应关系；⑵按照随机规则获取一定数量的鸟；⑶计算每只鸟的适应度函数值；4将这些鸟按照适应度函数的优劣分为孤雌制、一雌多雄制、一雄一雌制、一雄多雌制和混交制五种繁殖方式；⑸去除所有混交制鸟，并重新生成数量相同的混交制鸟；⑹五类鸟按照自身繁殖方式进行繁殖产生相同数量的子代；7将所有子代鸟与其对应的父代鸟进行比较，具有更优的适应度函数值的鸟被保留，其余鸟被抛弃；8如果已经达到预设的繁殖代数，则输出最优鸟，否则回到第（4步，进入下一代繁殖。5.根据权利要求4所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述6中，每类鸟在选定繁殖对象前，可进行变异或交叉操作。6.根据权利要求5所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述变异可为单点变异或两点变异，单点变异是指随机选取单个变异点，生成从变异点到终点的路径代替原有的部分路径;两点变异是指随机选取两个变异点，用重新生成的两变异点之间的路径代替原有的部分路径。7.根据权利要求5所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述交叉操作可为一对一交叉或一对多交叉；一对一交叉利用轮盘赌算法对候选鸟进行选择，选取一只鸟作为繁殖对象，随机选择父代鸟和繁殖对象中相同的一个基因节点作为交叉点，将繁殖对象的从交叉点到终点的基因片段替换到父代鸟中，生成新的子代;一对多交叉通过退火概率选择多个繁殖对象，父代鸟与第一只繁殖对象进行一对一交叉，产生中间代〇,然后使中间代〇与第二只繁殖对象进行一对一交叉，产生中间代1，重复以上操作将最终产生的中间代B作为最终的子代，B为整数，B+1为选择的繁殖对象的数量。8.根据权利要求5所述的基于BMO算法的新建过江通道指引优化方法，其特征在于：所述步骤S3中，对数学模型进行求解后，对于求得的所有ylkj=1，步骤S4有指引优化方案：

百度查询： 中山大学 一种基于BMO算法的新建过江通道指引优化方法