کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6866863 679063 2014 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Optimizing urban traffic flow using Genetic Algorithm with Petri net analysis as fitness function
ترجمه فارسی عنوان
بهینه سازی جریان ترافیک شهری با استفاده از الگوریتم ژنتیک با تجزیه و تحلیل شبکه خالص پتری به عنوان عملکرد تناسب
کلمات کلیدی
ترافیک شهری، الگوریتم ژنتیک، شبکه پتری، بهینه سازی،
ترجمه چکیده
در این مقاله یک روش جدید برای بهینه سازی جریان ترافیک شهری مورد استفاده قرار می گیرد. با استفاده از تجزیه و تحلیل شبکه پتری به عنوان عملکرد تناسب الگوریتم ژنتیک، یک کل شبکه جاده ای شهر در زمان واقعی کنترل می شود. با ظهور فن آوری های جدید که منتشر شده اند، به ویژه با توجه به ارتباطات بین وسایل نقلیه و زیرساخت های جاده ها، ما معتقدیم که وسایل نقلیه می توانند موقعیت و مقصد خود را به یک سرور مرکزی ارائه دهند تا بتواند بهترین مسیر را برای یکی از آنها محاسبه کند . تست های ما بر مقایسه هایی بین رویکرد پیشنهادی و سایر الگوریتم هایی که در حال حاضر برای همین منظور استفاده می شوند متمرکز می شود، که ممکن است نتیجه گیری شود که الگوریتم ما بهینه سازی ترافیک به شیوه ای مناسب است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper describes a new methodology adopted for urban traffic stream optimization. By using Petri net analysis as fitness function of a Genetic Algorithm, an entire urban road network is controlled in real time. With the advent of new technologies that have been published, particularly focusing on communications among vehicles and roads infrastructures, we consider that vehicles can provide their positions and their destinations to a central server so that it is able to calculate the best route for one of them. Our tests concentrate on comparisons between the proposed approach and other algorithms that are currently used for the same purpose, being possible to conclude that our algorithm optimizes traffic in a relevant manner.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 124, 26 January 2014, Pages 162-167
نویسندگان
, , , , , ,