基于改进蚁群算法与GIS的道路应急疏散路径优化研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究目的与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国内外应急疏散研究现状 | 第13-15页 |
| 1.2.2 GIS技术的研究与发展趋势 | 第15-17页 |
| 1.2.3 国内外研究现状的评述 | 第17页 |
| 1.3 研究内容与技术路线 | 第17-21页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 本文组织结构 | 第18页 |
| 1.3.3 技术路线 | 第18-21页 |
| 第二章 道路应急疏散理论研究 | 第21-35页 |
| 2.1 路径寻优算法研究 | 第21-26页 |
| 2.1.1 遗传算法 | 第21-23页 |
| 2.1.2 模拟退火算法 | 第23-25页 |
| 2.1.3 Dijkstra算法 | 第25页 |
| 2.1.4 蚁群算法 | 第25页 |
| 2.1.5 几种算法的比较 | 第25-26页 |
| 2.2 交通流分配问题研究 | 第26-34页 |
| 2.2.1 交通流三参数的关系 | 第26-27页 |
| 2.2.2 交通分配原理 | 第27-29页 |
| 2.2.3 平衡分配法 | 第29-31页 |
| 2.2.4 非平衡分配法 | 第31-33页 |
| 2.2.5 分配方法的选择 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 改进蚁群算法在疏散路径中的应用 | 第35-47页 |
| 3.1 基本蚁群算法概述及其特性分析 | 第35-41页 |
| 3.1.1 蚁群算法的生物学原理 | 第35-37页 |
| 3.1.2 路径应用中蚁群算法数学模型 | 第37-38页 |
| 3.1.3 蚁群算法特点分析 | 第38-41页 |
| 3.2 蚁群算法改进策略 | 第41-42页 |
| 3.2.1 信息素更新方式的改进 | 第41-42页 |
| 3.2.2 信息素限定规则的改进 | 第42页 |
| 3.3 改进蚁群算法在疏散路径的应用 | 第42-45页 |
| 3.3.1 选择策略的改进 | 第42-43页 |
| 3.3.2 启发函数的改进 | 第43-44页 |
| 3.3.3 实现步骤 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 道路应急疏散问题的建模与求解 | 第47-63页 |
| 4.1 道路应急疏散问题的描述 | 第47-48页 |
| 4.2 应急疏散模型的建立 | 第48-50页 |
| 4.3 模型求解 | 第50-52页 |
| 4.3.1 用户出行与蚁群算法特点对比 | 第50-51页 |
| 4.3.2 基于容量限制分配的模型算法 | 第51-52页 |
| 4.4 算案例分析 | 第52-62页 |
| 4.4.1 数据准备 | 第52-54页 |
| 4.4.2 算法参数设置 | 第54-60页 |
| 4.4.3 改进算法的分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 GIS在应急疏散路径优化中的应用 | 第63-79页 |
| 5.1 地理信息系统概述 | 第63-64页 |
| 5.1.1 GIS的定义 | 第63页 |
| 5.1.2 GIS 的组成与基本功能 | 第63-64页 |
| 5.2 应急疏散道路网络的构建 | 第64-68页 |
| 5.2.1 GIS空间数据模型 | 第64-66页 |
| 5.2.2 路径分析的GIS技术 | 第66-68页 |
| 5.3 实例分析 | 第68-77页 |
| 5.3.1 疏散道路网络数据集的创建 | 第68-71页 |
| 5.3.2 疏散路径的实现 | 第71-77页 |
| 5.4 本章小结 | 第77-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间所取得的相关研究成果 | 第85-87页 |
| 致谢 | 第87页 |
