1.本项目采用百度地图API获取步行时间，基于GBDT模型对排队时间进行预测。实现用户自主选择多个目的地，系统输出最佳路线规划的结果，并根据用户的选择给出智能化推荐。 2.项目运行环境：需要Python 3.6及以上配置。 3.项目包括6个模块：数据预处理、客流预测、百度地图API调用、GUI界面设计、路径规划和智能推荐。选用GBDT建立模型，GBDT通过多轮迭代，每轮迭代产生一个弱分类器，每个分类器在上一轮的残差基础上进行训练；采用GBDT模型进行预测，输入当前天气、温度、风力风向、日期(是否是节假日、星期几)和时间即可得出当前客流量；当前客流量在后续预测排队时做一系列操作即可转换为排队时间；通过调用百度地图API模块产生节点之间的步行时间矩阵和客流模型，应用穷举法设计算法，得出最佳路线规划；系统将用户未选择的地点一次分别加入已选择的队列中进行运算，其基本思路与最佳路线规划模块一致，采用穷举法得到所有路线及其总耗时，最后将它们输出，实现智能推荐。 4.博客：https://blog.csdn.net/qq_31136513/article/details/133018114

1.领域：matlab，Qlearning算法 2.内容：基于Qlearning算法最优路径规划算法matlab仿真,同时使用A星算法进行对比+代码操作视频 3.用处：用于Qlearning算法，A星算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

采用改进的层次分析法分析道路状况的多种因素，得出了当道路发生紧急事故时，符合时效性、安全性、经济性的路段权值。然后根据实时交通信息，利用改进的Dijkstra算法，探索了路径权重计算方法，建立了交通网络的运行时间的加权图，验证了本方法在实际交通网络中的应用，证实了方法的有效性和可行性。

基于A-star算法的最优路径选择，周祥，陈宁，最优路径选择是智能交通的关键问题之一，本文在研究了众多的最短路径算法的基础上，采用A*算法解决最优路径选择的问题。并基于A*�

运用MATLAB建立车道障碍模型，通过各种算法，在MATLAB环境下设计车辆避障预警系统早已成为各大汽车厂商和研究所的核心，其规划路径的算法却大相径庭。通过对比3种常用算法在相同环境下路径规划，对其时间和空间上的特性进一步分析，得出规划算法是否最优。通过对比算法，可最大程度上减少路径规划的时间，得出最优的规划路径。最后通过对群智能算法的设置参数进行改进，从而优化传统算法，并通过设定函数验证论证结果。

基于蚁群算法的python程序，用于最优路径规划,仅做参考！

使用A*算法，搜索最优路径，场景为网格场景，带障碍物。matlab仿真程序+GUI操作界面

解析双点双向重分发中的次优路径和环路问题.doc

多层建筑空间的分层最优路径算法实现.pdf

蚁群算法中挥发系数与迭代次数和最优路径长度关系研究.pdf