?

基于模糊神經(jīng)網(wǎng)絡(luò)的環(huán)保車輛城市路徑規(guī)劃

基于公共交通網(wǎng)絡(luò)提出了一個環(huán)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(jīng)網(wǎng)絡(luò)方法對離散輸入函數(shù)進(jìn)行非線性優(yōu)化。模型中考慮到駕駛員和乘員的費用不同以及周圍環(huán)境因素等變化，采用了自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法。該模型的一個優(yōu)點是將各個影響因素轉(zhuǎn)化為輸入?yún)?shù)而引入到模型之中。城市交通系統(tǒng)的復(fù)雜性使得這一轉(zhuǎn)化充滿了挑戰(zhàn)，而且周圍環(huán)境也很難預(yù)測。模型中駕駛員和乘員的費用標(biāo)準(zhǔn)是根據(jù)已有文獻(xiàn)和已給定變量的邏輯指標(biāo)確定的，包括系統(tǒng)運行成本和乘員平均費用。環(huán)境質(zhì)量的相關(guān)標(biāo)準(zhǔn)包括對人和動物有傷害的公共交通環(huán)境副產(chǎn)品及影響人健康和生活質(zhì)量的噪聲等級。以貝爾格萊德市的環(huán)境為案例，將輸入?yún)?shù)定義為鏈接IP鏡像（IPs mirror），其數(shù)量反應(yīng)了貝爾格萊德市擁有環(huán)保車輛的數(shù)量。理論上，該算法支持任何網(wǎng)絡(luò)規(guī)模和運輸需求的車輛數(shù)量規(guī)劃。同樣地，該算法也可以用于對公共交通中電動客車進(jìn)行路徑規(guī)劃。

通過仿真測試，驗證了本模型算法可以有效地減少環(huán)保車輛排放到空氣中的污染物含量，對改善當(dāng)?shù)氐目諝赓|(zhì)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(tǒng)車輛最優(yōu)分布研究，可以通過遺傳算法和其它模型進(jìn)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