[01549171]大数据环境下智能交通路径优化并行算法研究

智能交通电子数据采集设备广泛部署于城市主要交叉口或者断面,可以抓牌过往车辆,并存储车牌、车型、车速、方向和通过时间等数据,在城市交通系统被广泛使用,每天产生大量交通路况数据,为智能交通控制策略优化提供了丰富的数据源,此类数据有两个显著特点,首先,其数据规模较大;其次,其信息涵盖范围较广,因此,针对基于电子交通卡口数据的交通控制策略优化方法研究对于提高城市的交通状况非常重要。项目的研究意义主要体现在以下几个方面： 1、针对大数据环境下传统串行数据处理方法在交通流计算中效率偏低的问题,提出了基于MapReduce并行模型的交通流计算并行算法,较之传统串行算法,该算法具有较高的计算效率。 2、针对经典MRBP （MapReduce Back Propagation）算法在大规模网络交通流预测中计算效率偏低的问题,提出了结构并行MRBP算法,较之原算法,该算法具有较高效率,能够有效提高交通流预测效率。 3、针对经典MRPGA（MapReduce Parallel Genetic Algorithm）算法在大规模交通路径优化中计算效率和精度都偏低的问题,提出了基于多种群并行MRPG算法,较之原算法,该算法具有较高的计算效率和精度,能够有效提高大规模网络交通路径优化问题的计算效率和精度。 综上所述,项目研究成果能够提高大数据环境下的智能交通路径优化的数据处理效率及算法计算效率,为智能交通路径优化提供了一个较为高效的计算环境,进一步提高智能交通控制在掌握路况车况信息的时效性和准确度,并在此基础上做出快速相应和决策判断,最大效率地利用城市道路资源,缓解拥堵道路上的交通压力。