(18.210.12.229) 您好!臺灣時間:2021/03/01 06:06
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:王淳平
研究生(外文):Chuen-Ping Wang
論文名稱:基於多人駕駛之人員交通路線規劃系統
論文名稱(外文):A route planning system for people transportation with multiple drivers
指導教授:王佳盈
指導教授(外文):Jia-Yin Wang
學位類別:碩士
校院名稱:中原大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2018
畢業學年度:106
語文別:中文
論文頁數:51
中文關鍵詞:路徑規劃多人共乘多司機路徑規劃車輛路線規劃
外文關鍵詞:path planningride sharingcar sharingvehicle routing
相關次數:
  • 被引用被引用:0
  • 點閱點閱:63
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
在籌辦戶外活動的時候,有些時候會需要安排汽車共乘,而這種多司機多乘客的人車分配問題,要怎樣安排才能使所有人員能在最短的時間到達目的地,往往是一個瑣碎耗時又不容易做好的工作。本論文主要即針對這種多司機多乘客的人車分配問題進行探討。我們假設已知所有司機和乘客的地址,以及將要前往的目的地,我們利用Google Maps API計算任意兩點的距離和行車時間,並提出適當的演算法來找出最佳的共乘安排,以及產出每位司機載客的路線圖。當人數眾多的時候,最佳的安排可能會導致極大的計算量,對此我們也提出了簡化的版本,在所舉的實例當中,可以在少量的運算量之下,達到幾近最好的效能。
In organizing outdoor activities, sometimes there will be arrangements for car sharing. How to arrange this multi-driver and passengers path planning problem such that all people can reach their destination in the shortest time is a troublesome and time-consuming job. In this thesis, we focus on this multi-driver and passengers path planning problem. Giving all people''s addresses and the destination, we propose an appropriate algorithm to find the best arrangement which uses Google Maps API to calculate the distances and driving times. We also generate the road map for each driver and the corresponding passengers. When the number of people increase, the calculations of best arrangement can lead to a tremendous amount of computation. In such a case, we also propose a simplified algorithm that achieves nearly the best performance with only a small amount of computation
目錄
摘要 I
ABSTRACT II
致謝 III
目錄 IV
圖目錄 V
表目錄 VI
第一章緒論 1
1.1研究背景 1
1.2研究動機與目的 1
1.3論文各章節概述 3
1.4研究流程 4
第二章背景技術介紹 5
2.1 分群演算與路徑規劃 5
2.2 Google Maps API 7
2.2.1 Google Maps Distances Matrix API 7
2.2.2 Google Map應用 10
2.3 Python簡介 11
2.3.1 Python套件 12
2.4 C/C++語言簡介 13
第三章路徑分配搜尋全域解 14
3.1模擬情境 14
3.2流程說明 15
3.2.1試算表清單 15
3.2.2矩陣形成方式 16
3.2.3矩陣分割的概念 19
3.2.4演算法分析 19
3.3 測試資料 24
第四章路徑分配搜尋區域解 29
4.1 演算法分析 29
4.2 測試資料 33
4.3 全域解和區域解之比較 36
第五章結論與未來展望 44
參考文獻 45

圖目錄
圖1-1、研究流程圖 4
圖2-1、Google Maps API列表 8
圖2-2、建立Google Maps Distance Matrix API憑證 8
圖2-3、取得API金鑰 9
圖2-4、使用Distance Matrix API服務 9
圖2-5、Google Maps Distance Matrix API限制 10
圖2-6、輸入多個地址範例 11
圖2-7、路徑規劃範例 11
圖3-1、試算表清單範例 16
圖3-2、全域解演算法流程 20
圖3-3、人員清單 24
圖3-4、螢幕輸出(總人數=7,司機人數=2) 25
圖3-5、螢幕輸出(總人數=11,司機人數=3) 26
圖3-6、編號0的司機路徑圖(總人數=7,司機人數=2) 27
圖3-7、編號1的司機路徑圖(總人數=11,司機人數=3) 27
圖4-1、區域解演算法流程 30
圖4-2、人員清單 34
圖4-3、螢幕輸出 34
圖4-4、編號0的司機路徑圖 35
圖4-5、編號1的司機路徑圖 35
圖4-6、編號2的司機路徑圖 35
圖4-7、測試資料(一)最後到達時間 39
圖4-8、測試資料(一)累加次數 40
圖4-9、測試資料(三)最後到達時間 40
圖4-10、測試資料(三)累加次數 41
圖4-11、測試資料(五)最後到達時間 41
圖4-12、測試資料(五)累加次數 42

表目錄
表1、章節概述 3
表2、8*8時間矩陣範例(單位:秒) 17
表3、8*8距離矩陣範例(單位:公尺) 18
表4、司機和乘客分配的組合內容(一) 25
表5、司機和乘客分配的組合內容(二) 26
表6、全域解資料統計 28
表7、區域解資料統計 36
表8、測試資料(一)比較 37
表9、測試資料(二)比較 37
表10、測試資料(三)比較 37
表11、測試資料(四)比較 38
表12、測試資料(五)比較 38
表13、全域解與區域解最後到達時間誤差比較 43
[1] 陳品文、許志堅,K-means群集演算法初始化之新方法,國立東
華大學企業管理學系研究所碩士論文,2007。
[2] 陳同孝、陳雨霖、劉明山、許文綬、林志強、邱永興,結合K-means
及階層式分群法之二階段分群演算法及階層式分群法之二階分
群演算法,國立臺中技術學院資訊科技與應用研究所,2006。
[3] 連中銓、黃書猛,動態即時路徑規劃應用於物流管理之研究,醒
吾技術學院資訊科技應用研究所,2010。
[4] 王張煒、蘇昭銘,中小型鄉鎮接駁公車之路線設計方法,私立中
華大學運輸科技與物流管理學系碩士班,2013。
[5] Google Map API, Available:
https://developers.google.com/maps/?hl=zh-tw
[6] Distance Matrix API手冊, Available:
https://developers.google.com/maps/documentation/
distance-matrix/start?hl=zh-tw
[7] Python, Available: https://www.python.org/
[8] K-means clustering, Available:
https://en.wikipedia.org/wiki/ K-means_clustering
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關論文
 
無相關期刊
 
無相關點閱論文
 
系統版面圖檔 系統版面圖檔