项目名称: 基于蚁群智能的地铁选址建模研究

项目编号: No.41201383

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 地理学

项目作者: 何晋强

作者单位: 中南大学

项目金额: 25万元

中文摘要: 空间优化选址是地理信息科学研究的热点问题,同时也是空间规划研究与应用的难题。由于缺乏已有网络作为骨架,基于栅格数据的线路优化问题相对于基于已有网络的问题较为复杂。如果在线路优化的同时要求进行站点的选取,此时问题变得更为复杂,地铁等设施的选址属于此类问题。本项目拟利用蚁群智能算法构建栅格数据上的地铁线路和站点选址模型,该模型以站点的覆盖/线路的"长度"(成本)作为优化目标,同时进行地铁线路的构造和站点的选取。相比以往的线路覆盖优化模型,此模型更加适合于地铁等的选址。本课题主要研究内容包括:1)大规模栅格数据下的线路优化模型构建;2)已知线路上快速选取较优站点配置方案方法研究3)针对选址模型求解的蚁群算法改进研究。本课题的研究成果可提供一套线型工程优化选址的理论与方法,并为地铁和高速公路等设施的线路和站点(出口)选址提供优化解决方案,为相关决策部门提供一个有力的工具。

中文关键词: 地铁;蚁群算法;选址;覆盖;站点

英文摘要: Spatial optimization problem is a hot issue in geographical information science (GIS) and it is also a difficult problem in spatial planning and its application. Alignment optimal problem on raster data is a little more complex then on a network because of its unstructured feature. The optimal problem become even more complex if the stations need to be selected at the same time, and site selection of subway belongs to such problem. A model for locating subway Alignment and stations on raster data is aimed to build using ant colony intelligence in this project. The subway Alignment and stations are needed to obtain simultaneously and the ratio of stations' coverage and Alignment "length" (cost) is set as the utility function. This model is more suitable for site selection of subway in contrast to some path coverage model built before. The main research content of this project include: 1) Alignment optimization modeling on large-scale raster data; 2) methods for how to select stations quickly on given subway Alignment 3) ant colony algorithms improvement for site selection model of subway. The research achievements of this project can be used to obtain a solution for locating Alignment and stations (exits) of subway (highway), it can also offer a set of theories and methods of site selection in linetype engineerin

英文关键词: subway;ant colony optimization;site selection;coverage;station

成为VIP会员查看完整内容
0

相关内容

蚁群算法(Ant Colony Optimization, ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。 它由Marco Dorigo于1992年在他的博士论文“Ant system: optimization by a colony of cooperating agents”中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

Source: 蚁群算法

《5G+智慧农业解决方案》22页PPT,三昇农业
专知会员服务
52+阅读 · 2022年3月23日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
30+阅读 · 2021年2月7日
【哈工大】基于抽取的高考作文生成
专知会员服务
36+阅读 · 2020年3月10日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
你觉得智能手机对老年人友好吗?
ZEALER订阅号
0+阅读 · 2021年11月27日
KDD'21 | 双重图强化神经推荐模型
图与推荐
0+阅读 · 2021年10月27日
自动化所平行驾驶技术“闯入”极寒矿区
中国科学院自动化研究所
1+阅读 · 2021年6月9日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
智慧公路建设方案
智能交通技术
30+阅读 · 2018年2月28日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
20+阅读 · 2021年2月28日
小贴士
相关VIP内容
相关资讯
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
你觉得智能手机对老年人友好吗?
ZEALER订阅号
0+阅读 · 2021年11月27日
KDD'21 | 双重图强化神经推荐模型
图与推荐
0+阅读 · 2021年10月27日
自动化所平行驾驶技术“闯入”极寒矿区
中国科学院自动化研究所
1+阅读 · 2021年6月9日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
智慧公路建设方案
智能交通技术
30+阅读 · 2018年2月28日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员