基于模糊神經網絡的環保車輛城市路徑規劃

?

基于模糊神經網絡的環保車輛城市路徑規劃

基于公共交通網絡提出了一個環保車輛分布模型，目的是減少空氣污染、降低噪聲，采用模糊神經網絡方法對離散輸入函數進行非線性優化。模型中考慮到駕駛員和乘員的費用不同以及周圍環境因素等變化，采用了自適應神經網絡方法。該模型的一個優點是將各個影響因素轉化為輸入參數而引入到模型之中。城市交通系統的復雜性使得這一轉化充滿了挑戰，而且周圍環境也很難預測。模型中駕駛員和乘員的費用標準是根據已有文獻和已給定變量的邏輯指標確定的，包括系統運行成本和乘員平均費用。環境質量的相關標準包括對人和動物有傷害的公共交通環境副產品及影響人健康和生活質量的噪聲等級。以貝爾格萊德市的環境為案例，將輸入參數定義為鏈接IP鏡像（IPs mirror），其數量反應了貝爾格萊德市擁有環保車輛的數量。理論上，該算法支持任何網絡規模和運輸需求的車輛數量規劃。同樣地，該算法也可以用于對公共交通中電動客車進行路徑規劃。

通過仿真測試，驗證了本模型算法可以有效地減少環保車輛排放到空氣中的污染物含量，對改善當地的空氣質量有明顯的作用。未來的研究中，還會著眼于綠色車輛和傳統車輛最優分布研究，可以通過遺傳算法和其它模型進行分析。

刊名：Expert Systems with Applications（英）

刊期：2014年第6期

作者：Aleksandar D. Jovanovic et al

編譯：陳鵬飛