刘长鹤 邵清亮 李明沂 曹云淏 余冬

摘 要：随着公路建设规模的不断扩大和交通量的不断增加，汽车碰撞、追尾等交通事故的发生频率也随之增加。因此，在发生各种事故后，运输部门应及时进行任务分配和应急物资运输路线规划。针对蚁群算法在传统调度系统中的不足，本文提出的系统通过适当改变信息素挥发因子，加快收敛到染色体最优解的速度，建立了蚁群自适应优化算法，利用优化算法求解规划模型。结果表明，该算法的收敛速度和优化结果均优于传统的蚁群算法。

关键词：智能交通系统;蚁群算法;信息素因子;应急管理

中图分类号：X928 文献标识码：A

0 引言

层出不穷的交通事件和不可抗力灾害是造成交通网络各种拥堵的关键原因，将对城市乃至全国的经济建设和服务效率造成巨大损失。因此，科学地运用蚁群算法对城市交通进行引导和分类，是有效减少交通事故、灾害、资源运输等事件的有效方法。

交通调度问题[1]（Traffic Scheduling Problem，TSP）是1959年由Dantzig和Ramser提出。TSP具有较高的实用性和广泛的应用。但是，TSP没有使用大规模的邻域搜索技术，对于多目标车辆计数调度，响应速度慢，调度周期长，容易受到一系列条件的限制。其蚁群算法与动态搜索算法无关，不具备将动态车辆调度问题转化为一系列静态车辆调度问题的能力，也不足以达到有效的收敛速度。本文提出的自适應蚁群优化算法动态调整调度路径中散发的信息素，适当增大随机选择的概率，进一步完善搜索解空间，克服了传统蚁群算法的缺点，加快了收敛速度。……