陈亮，何为，韩力群

(北京工商大学计算机与信息工程学院，北京 100048)

RBF神经网络的行车路径代价函数建模

陈亮，何为，韩力群

(北京工商大学计算机与信息工程学院，北京 100048)

行车路线优化是城市智能交通系统的研究热点之一，对整个交通系统的优化起着重要作用.分析了影响行车时间的各种因素，结合图论中最短路径算法，建立了基于RBF神经网络的路径代价函数模型.基于该函数模型，可以计算出交通图中任意给定两地间的时间最优路径.将该模型应用于实际路况进行有效性验证，得到了有实用价值的结果，说明了该模型的正确性和有效性.

智能交通;路径代价函数;行车路线优化;RBF神经网络;图论

在城市智能交通系统中，行车路线优化对整个交通系统的优化起着重要作用，选取最优车辆行车路线，可以加快车流速度，减少拥堵发生，还能减少因为堵车而造成的交通车辆刮蹭等事故的概率，因此，该课题的研究具有重要的实用意义.

行车路线优化属于路径优化问题.目前关于路径优化的研究主要集中在如何找到最短路径，其中常见的一类方法是采用图论中的Dijkstra算法，具体实现算法有 A－star［1］、Bellman、Ford2Moore、Floyd 等［2］;另一类常用方法是基于蚁群算法的解决方法，如2007年Horoba等人提出的基于随机过程的改进蚁群算法最短路径寻优［3］，2009年Punyaslok提出的多网络流最优化框架，2010年Zakzouk提出的基于蚁群算法利用模糊约束解决最短路径问题［4］.

道路交通网络的实际情况非常复杂，每……