3 Các giải thuật tìm đường
4.1 Áp dụng Ant Colony System cho vấn đề tìm đường đi
đường đi
4.1.1 Hệ thống tổng quan
Hệ thống tổng quan của Vanetsim được mô hình hoá như hình 4.1. Trong đó mỗi phần là một khối độc lập, trong suốt với những phần khác và có các chức năng riêng biệt như sau:
Hình 4.1: Mô hình hệ thống Vanetsim
• Phần Map chịu trách nhiệm quản lý bản đồ, tải bản đồ vào hệ thống mô phỏng và hiển thị chúng. Phần này cũng giúp chúng ta có thể thiết lập và chỉnh sửa
4.1. Áp dụng Ant Colony System cho vấn đề tìm đường đi 29
những tham số cho phương tiện và tuyến đường cụ thể. Như vận tốc tối đa của phương tiện, vận tốc cho phép của tuyến đường, đặt thêm đèn giao thông vào một giao lộ bất kỳ hoặc gỡ bỏ nó đi, ...
• Phần Agent chịu trách nhiệm mô phỏng và quản lý các phương tiện giao thông cũng như là các tương tác qua lại giữa các phương tiện với nhau, các hành vi ứng xử của chúng với các điều kiện đường khác nhau như tình trạng đường bị ùn tắc, thông thoáng.
• Phần GUI quản lý việc hiển thị các thành phần đồ hoạ của hệ thống, giúp chúng ta tương tác được với hệ mô phỏng.
• Phần Routing chịu trách nhiệm xử lý và lựa chọn tuyến đường tối ưu cho phương tiện thông qua việc sử dụng các thuật toán dẫn đường khác nhau. Hiện tại các tác giả của Vanetsim đang sử dụng thuật toán dẫn đường cơ bản A* cho phần định tuyến (Routing) của các tác tử (agent). Thuật toán này mặc dù đáp ứng được về mặt hiệu năng của hệ thống nhưng đôi khi chưa tìm được quãng đường tối ưu nhất cho phương tiện tham gia giao thông. Vì vậy trong luận văn này chúng tôi nghiên cứu thêm thuật toán dẫn đường mới cho vanetsim nhằm mục đích cải thiện việc tìm đường tối ưu của hệ thống.
4.1.2 Cải tiến hệ thống với Ant colony System
Bời vì hệ thống vanetsim được chia tách thành từng phần riêng biệt và độc lập nhau nên việc thêm mới hay chỉnh sử một phần là tương đối dễ dàng. Trong hệ thống mới chúng tôi sẽ thêm một thuật toán dẫn đường mới vào phần định tuyến (Routing) bên cạnh thuật toán A* sẵn có để có thể dễ dàng thay thế, so sánh và đánh giá kết quả giữa hai thuật toán với nhau. Thuật toán chúng tôi sử dụng thay thế A* là Ant Colony System vì tính ưu việt của nó trong việc tìm kiếm tối ưu. Mô hình mới của hệ thống như hình 4.2.
Theo thuật toán Ant đã trình bày ở trên, đường đi của mỗi con kiếnk thể hiện việc cập nhật mùi trên các cạnh. Mỗi cạnh của đồ thị sẽ mô tả mức độ mùi được lưu lại, tại mỗi nút con kiếnk sẽ quyết định nút tiếp theo trong đường đi dựa vào vị trí hiện thời tại nút i và xác suất lựa chọn nút tiếp theo để di chuyển được xác định bởi công thức 3.4. Trong đó chúng tôi tiến hành nhiều lần thực nghiệm và lựa chọn các tham số như sau để phù hợp với bài toán của chúng tôi:
4.1. Áp dụng Ant Colony System cho vấn đề tìm đường đi 30
Hình 4.2: Mô hình hệ thống Vanetsim với Ant Colony System
• Hệ số điều chỉnh ảnh hưởng của vết mùi α = 1
• Hệ số ảnh hưởng của thông tin heuristic β = 1
• Thông tin heuristic giúp đánh giá chính xác sự lựa chọn của con kiến khi di chuyển ηij = 1/dij, với dij là khoảng cách từ nút i tới nút j tức là độ dài của tuyến đường đang xét.
• Nk
i là số đoạn đường mà con kiến k chưa thăm khi nó ở vị trí nút i.
Ngoài ra, để thuật toán phù hợp với điều kiện thực thi trong thời gian thực, khi có hiện tượng ùn tắc xảy ra trên một đoạn đường nào đó thì đoạn đường đó sẽ không được con kiến k lựa chọn. Để thực hiện điều này, chúng tôi sử dụng cơ chế bay hơi mùi và để lại mùi chỉ trên các cạnh thuộc vào lời giải tốt nhất toàn cục (Gbest−Global−best) của thuật toán Ant Colony System và cơ chế xác định tắc nghẽn để cập nhật mùi tốt hơn cho thuật toán theo thời gian thực, cụ thể như sau:
• Đối với cơ chế xác định ùn, tắc. Chúng tôi tính toán dựa vào mật độ giao thông và vận tốc của phương tiện tại một thời điểm.
• Đối với cơ chế tính toán lời giải tốt nhất toàn cục để cập nhật mùi. Chúng tôi xây dựng hàm mục tiêu f(k)là tổng thời gian con kiếnk sẽ đi từ điểm nguồn tới điểm đích, đây cũng chính là quãng thời gian để phương tiện đi đến đích. Đối với mỗi phương tiện trên đoạn đường xảy ra ùn tắc, sẽ có những phương
4.1. Áp dụng Ant Colony System cho vấn đề tìm đường đi 31
tiện khác ở ngay đằng trước nó, do đó chúng tôi cộng thêm một tham số tắc nghẽn cho một phương tiện đằng trước là w = 15 (giá trị này có được là do thực nghiệm). Như vậy đối với đoạn đường đang có n phương tiện bị ùn tắc thì hàm mục tiêu f(k)sẽ được cộng thêm giá trị là n∗w. Việc bổ xung thêm giá trị này sẽ giúp kiến tránh đi vào đoạn đường đang xảy hiện tượng tắc. Chi tiết của thuật toán được mô tả ở biểu đồ hình 4.3.