文章摘要:针对市区内交通车速变化频繁、备选路径多的特点，传统算法选择路径时因计算量大导致无法有效收敛，提出一种蚁群与Dijkstra混合算法求解。首先利用高德地图API获取市区主要交通道路及其在不同时刻的车速，并运用BP神经网络对车速进行预测。在此基础上，综合考虑固定成本、时间变动成本、路程变动成本、时间窗惩罚成本及碳成本，以总成本最低为目标函数，利用贪心规则的Dijkstra算法搜索路径，通过不断调整蚁群算法留下的信息素调整道路运输成本，建立修正成本地图，在路况发生变动时通过调用地图提高二次搜索速度，并使用Python编程验证。实例证明，混合算法结合了蚁群算法正反馈的特性以及Dijkstra算法全局搜索能力强的特点，缩短了应对路况变化所需的时间，并能有效根据当前交通实况规划出合理路径。

文章关键词:

论文分类号:U492.336.4;TP18

文章来源：《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2022/0126/2485.html