论文部分内容阅读
城市交通系统是一个具有随机性的大规模动态系统。现有的集中式信号控制方式不仅在处理海量数据、控制的可靠性和整体优化方面存在不足，而且实时控制的效果不能令人满意。目前，包括模糊控制、神经网络控制、分层递阶控制、集成控制和基于知识的控制等多个智能化信号控制的研究，已引起了有关专家、学者的广泛关注。特别是基于智能体的信号控制方法已经成为研究热点之一，这方面的概念模型、单路口控制模型、干线控制方法和路网控制方法都有相应的研究进展，但是，基于多智能体的分布式路网信号控制目前处于研究的起步阶段，许多相关问题有待解决。
本文从单路口交通信号控制入手，将具有感知和反应特点的信号控制智能体作为路口信号控制器，通过对到达车辆的模糊聚类处理形成对路口交通状态的定量描述，根据交通控制规律和经验建立面向各种交通状态的信号控制规则集，以总停车延迟时间作为交通控制的优化指标，采用遗传算法对信号控制规则进行编码，在整个信号过程中使用不同的规则组合进行信号控制，淘汰控制指标较差的控制方案，对信号控制规则集进行持续的改进。建立了一种具有学习能力的单路口交通信号控制模型。为验证该模型的有效性，采用8个不同的交通量对一个双向4车道的信号控制十字路口进行了仿真实验。仿真结果表明，在相同条件下，这种交通信号自学习控制方法的总停车延迟时间比定时控制方式平均减少28.0％，比感应式控制方式平均减少15.1％。在自学习效果方面，随着时间的推移，使用该方法产生的总停车延迟时间呈下降的趋势，经过不到100代方案，控制效果就基本趋于稳定，此时，总停车延迟时间比初始方案平均减少6.2％。
针对城市交通路网的实际情况，文中借鉴多智能体系统的概念和方法，建立了基于多智能体的分布式交通信号协调控制系统(DTCMAS)。整个控制系统不设控制中心，每个路口的信号控制由本地智能体相对独立地完成。同时，通过相邻智能体间的信息交流及协作配合，提高相邻路口信号控制的整体效果。由于智能体都包含知识库和推理机制，使用这种具有自主性、主动性、交互性的智能体控制路口信号，不仅充分考虑了相关车队信息和周边路口的交通状况，兼顾到路网交通控制整体优化的实现，而且大大降低了控制算法的复杂度。因此，对于大城市、特大城市的大规模城市交通网，这种基于多智能体的分布式交通信号协调控制系统，在实时控制效果方面具有相当的优势。
为了验证基于多智能体的分布式交通信号协调控制系统的可行性和有效性，编制了相应的多路口交通控制微观仿真软件，实现了对车辆的跟驰、分流、合流、进路交叉时的避让、转弯、换道等行为的模拟，并采用二维动画技术，全程动态显示交通控制中的车辆行驶过程。采用该软件，对一个由8个路口组成的交通网分别用8中不同的交通量进行交通控制的仿真实验，比较了基于多智能体的分布式交通信号协调控制与其他控制方法的控制效果。仿真结果表明，在相同的条件下，这种分布式交通信号协调控制方法的总停车延迟时间比定时控制方式平均减少37.8％，比感应式控制方式平均减少17.8％。
专门构造了用于形式化描述多智能体系统的M*语言，用于建立基于多智能体的交通控制模型。该符号系统以集合论作为表述框架，将Z语言的格式作为形式化描述的基本形式，使用BDI模型作为描述智能体内部结构的参考模型，利用π演算的描述对象作为描述智能体之间交互作用的组成部分，借鉴dMARS系统中对智能体内部推理过程的描述方式，在提炼和整合这些形式化模型的基础上，增加对多智能体系统组织结构和环境特征的描述，使之成为一种描述基于多智能体的交通信号控制系统组织结构、智能体之间交互作用、智能体内部结构和环境主要特征的通用化符号系统。M*符号系统简洁、系统、抽象地描述了DTCMAS模型，并可以作为该模型进一步深化和扩展的建模工具。此外，它还为其他学者建立分布式交通信号控制模型提供了可以借鉴的描述工具。