مروری بر نقش بهینه‏ سازی زمان سفر با الگوریتم ‏های pso وmopso در ونت

شبکه ‏های موردی خودرویی یک فناوری در حال رشد در سامانه ‏های حمل و نقل هوشمند است که دارای کاربردهای مدیریت ترافیک، ایمنی رانندگان و سرنشینان و سرگرمی می‏ باشد. یکی از مسایل اساسی در شبکه های خودرویی کاهش زمان و مسافت سفر می ‏باشد. در این تحقیق، به‏ جای فرض بر ایستا بودن، شرایط ترافیکی از لحظه جستجوی مسیر درنظر گرفته شده است. شرایط پویایی ترافیکی برای توصیه مسیرهای بهینه درنظر گرفته می‏ شود. به این منظور، حجم ترافیکی معابر با استفاده از الگوریتم ‏های pso وmopso در بازه‏ های زمانی آتی پیش ‏بینی می‏ شود. پیش ‏بینی سطح ترافیک در معابر مختلف و جستجوی مسیر بهینه براساس ترافیک پیش‏ بینی شده و سپس از طریق الگوریتم‏ های بهینه ‏سازی ممکن خواهد بود که در این تحقیق از مدل چند هدفه الگوریتم بهینه‏ سازی ازدحام ذرات به منظور بررسی همزمان معیارهای «زمان»، «مسافت» و «هزینه» در مسیرهای توصیه شده استفاده خواهد شد. در نتیجه زمان سفر و هزینه مسافرت کاهش می‏ یابد.

a review of the role of travel time optimization with pso and mopso algorithms in vanet

vehicle ad hoc networks are a growing technology in intelligent transportation systems that have applications in traffic management, driver and passenger safety, and entertainment. one of the fundamental issues in vehicle networks is reducing travel time and distance. in this study, instead of assuming static conditions, traffic conditions are considered from the moment of route search. dynamic traffic conditions are considered to recommend optimal routes. for this purpose, traffic volume of roads is predicted using pso and mopso algorithms in future time intervals. it will be possible to predict traffic levels on different roads and search for optimal routes based on predicted traffic and then through optimization algorithms. in this study, the multi-objective model of particle swarm optimization algorithm will be used to simultaneously examine the criteria of time , distance and cost in the recommended routes. as a result, travel time and travel cost are reduced.