5 KẾT LUẬN
4.11 Kết quả chỉ dẫn đường đi của thuật toán ACS trên bản đồ thành phố
Hà Nội
hơn gần 4 giây so với thuật toán A* như trong bảng4.2. Quãng đường di chuyển của phương tiện cũng ít hơn hẳn với 802m theo thuật toán ACS và 1150m theo thuật toán A*. Như vậy có thể thấy được chất lượng dẫn đường của thuật toán ACS tốt hơn so với thuật toán A*. Tuy nhiên thời gian thực thi thuật toán ACS vẫn nhiều hơn thuật toán A*, thuật toán ACS tốn 31 miligiây cho việc xử lý trong khi đấy thuật toán A* chỉ tốn 18 miligiây. Kết quả so sánh được thể hiện ở bảng4.2. Trong thực nghiệm làm tăng mật độ giao thông để gây tắc nghẽn tại giữa đường Trần Thái Tông với đường S1583 thì cung đường đi mới sẽ là từ Trần Thái Tông tới Thành Thái và sau đó đi tới S1204. Cung đường mới này đã tránh được điểm ách tắc ở giữa ngã tư đường.
Từ những kết quả mô phỏng ở thực nghiệm của chúng tôi, có thể thấy rằng thuật toán ACS mang lại kết quả tốt hơn trong việc tìm kiếm đường đi ngắn nhất nhưng
4.3. Kết quả 40
Bảng 4.2: Kết quả thực nghiệm trên bản đồ thành phố Hà Nội
Thuật toán Khoảng cách (m) Thời gian (giây) Thời gian xử lý (mili giây) A* 1150 64,12 18 Ant Colony 802 60,88 31
Chương 5 KẾT LUẬN
5.1 Các công việc đã làm
Trong luận văn của mình chúng tôi đã đạt được những điểm sau:
• Tìm hiểu về thực trạng hệ thông giao thông tại Việt Nam
• Tìm hiểu những kiến thức tổng quan về tác tử, tác tử thông minh, mạng VANET, công cụ mô phỏng hệ thống giao thông cho mạng VANET.
• Tìm hiểu những giải thuật dẫn đường hiện tại và thử nghiệm trên hệ thống VANET
Trong tương lai, khi thời đại của Internet-of-things (IOT) phát triển, những mạng VANET sẽ sớm trở nên thực tế và các ứng dụng tìm đường như ý tưởng của luận văn sẽ trở nên thực tế hơn bao giờ.
5.2 Hướng nghiên cứu trong tương lai
Trước kết quả dẫn đường tốt hơn hẳn của thuật toán ACS nhưng thời gian thực thi lại chậm, chúng tôi dự kiến sẽ nghiên cứu cách thức để làm thuật toán này thực thi nhanh hơn. Với tình hình phát triển của công nghệ phân tán hiện nay, chúng tôi có thêm lựa chọn để giúp thuật toán này hoạt động hiệu quả hơn và có thể ứng dụng trong thực tế bằng những cách như
5.2. Hướng nghiên cứu trong tương lai 42
• Sử dụng những kiểu cài đặt đa luồng để làm tốc độ thuật toán tốt hơn. Ngoài ra chúng tôi cũng sẽ nghiên cứu đến những thuật toán có thể duyệt toàn đồ thị một bước trước khi tính toán, những thuật toán như vậy có thể sẽ mang lại sự cân bằng giữa hiệu năng thực thi và kết quả tìm đường trên đồ thị hơn so với ACS.
Tài liệu tham khảo
[1] M. Dorigo and L. Gambardella. Ant colonies for the traveling salesman problem. InBioSysterns, pages 73–81, 1997.
[2] Jonathan L. Gross and Jay Yellen. Graph Theory and Its Application (2. ed.). Wiley, 2006. [3] P. E. Hart, N. J. Nilsson, and B. Raphael. A formal basis for the heuristic determination of
minimum cost paths. pages 100–107, 1968.
[4] J. Kennedy and R.C. Eberhart. Particle swarm optimization. InProceedings of IEEE Inter- national Conference on Neural Networds, 1995.
[5] Mitchell. Mit press. InAn Introduction to Genetic Algorithms (third printing), 1997.
[6] Stuart Russell and Peter Norvig. Artificial Intelligence: A Modern Approach (3rd Edition). Prentice Hall, 2009.
[7] A. Tomandl, D. Herrmann, K.-P. Fuchs, H. Federrath, and F. Scheuer. Vanetsim: An open source simulator for security and privacy concepts in vanets. In 9th International Workshop on Security and High Performance Computing Systems (SHPCS 2014), 2014.
[8] M. Wooldridge and N.R. Jennings. Intelligent agents: theory and practice. InThe Knowledge Engineering Review, pages 115–152, 1995.