基于多智能體的城市交通信號控制的協(xié)調(diào)與優(yōu)化-學士畢業(yè)論文

1、<p>　　學士學位論文（設(shè)計）</p><p>　　Bachelor’s Thesis</p><p>　　學士學位論文（設(shè)計）誠信承諾書</p><p><b>　　目 錄</b></p><p><b>　　1 緒論1</b></p><p>　　1.1研究

2、的背景及意義1</p><p>　　1.2研究的國內(nèi)外現(xiàn)狀1</p><p>　　1.3論文的研究內(nèi)容2</p><p>　　2智能控制理論的發(fā)展2</p><p><b>　　2.1模糊邏輯3</b></p><p>　　2.2人工神經(jīng)網(wǎng)絡(luò)3</p><p>

3、<b>　　2.3遺傳算法4</b></p><p><b>　　2.4蟻群算法4</b></p><p>　　2.5粒子群算法5</p><p>　　2.6多智能體技術(shù)5</p><p>　　3. 城市交通協(xié)調(diào)控制方式研究6</p><p>　　3.1城市交通協(xié)調(diào)

4、控制方式的類型6</p><p>　　3.2基于多智能體的分布式協(xié)調(diào)控制系統(tǒng)7</p><p><b>　　4多路口協(xié)調(diào)9</b></p><p>　　4.1基于黑板模型的協(xié)調(diào)控制10</p><p>　　4.2基于博弈論的協(xié)調(diào)控制10</p><p><b>　　5總結(jié)與展望

5、11</b></p><p>　　5.1論文的總結(jié)11</p><p>　　5.2研究的展望12</p><p><b>　　6 參考文獻12</b></p><p><b>　　致謝14</b></p><p>　　基于多智能體的城市交通信號控制的協(xié)調(diào)

6、與優(yōu)化</p><p>　　xx（指導教師，xxx 老師）</p><p>　?。ê睅煼秾W院 機電與控制工程學院 中國 黃石 435002）</p><p>　　摘 要:當前，城市土地資源稀缺，先進的城市交通信號控制系統(tǒng)能提高現(xiàn)有道路的通行能力，改善交通狀況，達到疏導交通、保證交通安全、暢通的目的。本介紹了人工智能方法在交通控制領(lǐng)域的應(yīng)用的相關(guān)研究現(xiàn)狀；然后著重探

7、討了基于遺傳算法的單路口Agent交通信號控制優(yōu)化模型以及基于博弈論的路口Agent協(xié)調(diào)機制。</p><p>　　關(guān)鍵詞: 交通系統(tǒng)、多智能體、遺傳算法、博弈論</p><p>　　中圖分類號:TP18</p><p>　　Based on the multi-agent coordination and optimization of urban traffic

8、 signal control</p><p>　　xxxx (Tutor：xxxx )</p><p>　　(College of Mechatronics and Control Engineering, Hubei Normal University, Huangshi, China, 435002)</p><p>　　Abstract: At prese

9、nt, the urban land resources are scarce, the advanced urban traffic signal control system can improve the existing road traffic capacity, improve traffic conditions, traffic, ensure traffic safety and smooth traffic. Thi

10、s paper introduces the method of artificial intelligence application in the field of traffic control of related research status; Then emphatically discusses the Agent single intersection traffic signal control based on g

11、enetic algorithm optimization model and cr</p><p>　　Key words: Transportation system, Multi-agent, Genetic algorithm, Game theory</p><p>　　基于多智能體的城市交通信號控制的協(xié)調(diào)與優(yōu)化</p><p>　　xx（指導教師，xxx

12、 講師）</p><p>　?。ê睅煼秾W院 機電與控制工程學院 中國 黃石 435002）</p><p><b>　　1 緒論</b></p><p>　　1.1研究的背景及意義</p><p>　　當今社會，經(jīng)濟不斷發(fā)展，城市不斷擴建，交通運輸量迅速增加，交通擁堵變得更加劇烈，交通事故時常發(fā)生，尤其是在一些大城市，

13、制約城市經(jīng)濟發(fā)展的關(guān)鍵問題就是交通問題。因為我國人口數(shù)量巨大，土地資源有限，受到空間的限制，城市新建和擴建道路的可能性也越來越小。因此，對交通進行科學的組織與管理，充分發(fā)揮現(xiàn)存交通網(wǎng)絡(luò)的通行能力，最大程度上利用已有資源，使交通運輸做到有序流動，使這成為解決交通擁堵最主要的方法。此時，智能交通系統(tǒng)(Intelligent Transportation Systems，ITS)由此產(chǎn)生。一方面，它能夠提高交通的安全可靠性、運行效率以及效益；

14、另一方面，它還能夠促使人們最大化利用土地資源以及能源、改善環(huán)境污染，促進國民經(jīng)濟的快速穩(wěn)定發(fā)展。作為 ITS 的重要組成部分，要想改善交通流秩序、提高交通安全性，先進的交通管理系統(tǒng)（ATMS）需要發(fā)揮積極的作用。其中，保證城市交通安全、有序、暢通、高效運行的重要途徑就是交通信號優(yōu)化控制。建立基于多智能體的城市交通協(xié)調(diào)控制正是 ITS 應(yīng)用中一個有益的嘗試。</p><p>　　1.2研究的國內(nèi)外現(xiàn)狀</p&

15、gt;<p>　　城市交通自動控制的開始是交通自動信號燈的發(fā)明以及使用。在1926年，英國第一次采用了自動化了的交通信號燈來指揮交通路口的交通，但是在當時的推廣應(yīng)用比較少。1928年，美國休斯頓市創(chuàng)新性的改進了原有的同步系統(tǒng)，于是誕生了“靈活步進式”的定時的系統(tǒng)的出現(xiàn)。1964年，加拿大的多倫多市出現(xiàn)了世界上第一個通過感應(yīng)控制的交通信號的控制系統(tǒng)，可以說這個系統(tǒng)的誕生在歷史上具有里程碑的意義。進入上個世紀七十年代末期，由于

16、計算機技術(shù)以及自動控制技術(shù)的不斷發(fā)展，交通流理論的逐漸完善，同時交通優(yōu)化理論的不斷發(fā)展，控制的手段和算法也越來越完善和高級，形成了一批具有高水平的/具有實際效果的控制城市道路交通的控制集成系統(tǒng)。其中最具有代表性是英國運輸與道路實驗室開發(fā)的交通控制系統(tǒng)TRANSYT（Traffic Net-work Study Tool）和SCOOT(Split, Cycle and Offset Optimization Technique)，澳大利亞

17、研究的交通控制系統(tǒng)SCATS(Sydney Coordinated Adaptive Traffic System)等。最近幾年，人們更深層次的研究了交</p><p>　　最近幾年來，國內(nèi)外的研究人員針對交通信號的控制方法也開展了廣泛的基礎(chǔ)性以及前沿性的研究，很多工作有希望作為下一代的交通控制系統(tǒng)中最核心的方法。通常來說，許多有益的新思想和新方法都是基于交通流的數(shù)學模型的交通信號的控制策略給交通控制實踐，但計算

18、起來比較復雜，很難滿足實時性的要求，并且這種的交通流數(shù)，模型假設(shè)條件比較強，同時使交通信號的控制算法失去了普遍性。所以，一些控制方法同時也被引入到交通信號的控制中。我們從這個角度出發(fā)，許多專家學者利用模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)、多智能體技術(shù)等理論來研究交通控制的問題。</p><p>　　1.3論文的研究內(nèi)容</p><p>　　本文主要是將智能體引入到城市交通信號控制系統(tǒng)中，并從智能體的愿望

19、、意圖等心智狀態(tài)出發(fā)研究多智能體之間的協(xié)調(diào)與合作，以實現(xiàn)城市交通控制系統(tǒng)的動態(tài)協(xié)調(diào)控制?；谥悄荏w理論以及交通系統(tǒng)本身的特點，在分析目前交通控制結(jié)構(gòu)不足的基礎(chǔ)上，提出基于多智能體的分布式城市交通信號控制系統(tǒng)結(jié)構(gòu)，研究如何提高智能體的決策能力，從而使控制系統(tǒng)更加靈活地適應(yīng)交通系統(tǒng)復雜多變的特點。</p><p>　　研究新的交通信號協(xié)調(diào)控制方式，不同于集中式控制和遞階控制的傳統(tǒng)協(xié)調(diào)控制方式，建立了多智能體的分布式交

20、通信號協(xié)調(diào)控制系統(tǒng)，通過將信號控制的主要功能分散到各個路口的信號控制智能體來降低控制算法的復雜度，提高系統(tǒng)的可靠性和智能化。</p><p>　　2智能控制理論的發(fā)展</p><p>　　從理論研究上來看，傳統(tǒng)的城市智能交通控制方法是通過對城市交通系統(tǒng)建立一定的數(shù)學模型，然后運用最優(yōu)控制理論來求解控制變量。在這類方法中，為了簡化問題和解決某些數(shù)學技術(shù)上的具體限制，在建模時通常需要對模型進行

21、理想化和一些不確定條件的人為設(shè)定，而這些簡化與現(xiàn)代城市，尤其是特大型城市的交通系統(tǒng)所具有的非線性、動態(tài)時變性等特點是相矛盾的，因此造成了所用最優(yōu)方法在實際中并非最優(yōu)，或者面對大規(guī)模城市無法對交通數(shù)據(jù)進行實時有效的計算等缺點。新的技術(shù)和方法的引入顯得十分必要和非常迫切，計算機的出現(xiàn)和廣泛應(yīng)用促成了人工智能研究熱潮的掀起，而這又必然會導致包括系統(tǒng)體系結(jié)構(gòu)及控制策略等各方面的調(diào)整和改進。許多專家學者從智能控制的角度出發(fā)，利用模糊邏輯、人工神經(jīng)

22、網(wǎng)絡(luò)等理論來研究這個問題。</p><p><b>　　2.1模糊邏輯</b></p><p>　　模糊邏輯是一種處理不確定性、非線性等問題的有力工具，它與人類思維的某些特征相一致，因此，嵌入到推理技術(shù)中具有良好效果。模糊邏輯不需要獲取模型中的復雜關(guān)系，不需要建立精確的數(shù)學模型，是一種基于規(guī)則的智能控制方式，特別適用于具有較大隨機性的城市交通控制系統(tǒng)。</p&g

23、t;<p>　　1976 年，Pappis和 Mamdani就將模糊邏輯用于單路口的交通控制，其仿真結(jié)果表明比用傳統(tǒng)的控制方法平均減少車輛延誤 7%左右。我國學者徐冬玲等人則把模糊邏輯用于單路口信號燈控制，并用神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊控制，仿真表明控制結(jié)果合理、迅速。崔寶俠等在雙模糊控制器協(xié)調(diào)控制交通信號的基礎(chǔ)上，采用模糊推理來替代函數(shù)模型，根據(jù)輸入輸出量的大小改變模糊控制器的輸入輸出變量的論域范圍；該算法更加方便地實現(xiàn)了控制器自

24、調(diào)整和自適應(yīng)，車輛平均延誤時間改善 4.68%至 12.24%。當車流量有突變時，改善效果更明顯。</p><p><b>　　2.2人工神經(jīng)網(wǎng)絡(luò)</b></p><p>　　人工神經(jīng)網(wǎng)絡(luò)是模擬生物的神經(jīng)結(jié)構(gòu)及其處理信息方式的一種算法。它具有自適應(yīng)、自組織和自學習能力，在認知處理、模式識別等方面有很強的優(yōu)勢，最顯著特點是具有學習功能。人工神經(jīng)網(wǎng)絡(luò)適用于非線性時變性系統(tǒng)

25、的模擬與在線控制，正適合于交通控制系統(tǒng)這一非線性、時變系統(tǒng)。</p><p>　　1991年，Nahatsuji和Terutoshi通過訓練的一個神經(jīng)網(wǎng)絡(luò)使其給出某單個交叉口的最優(yōu)綠信比，后來又把研究工作擴展到3個交叉口上。C.J.Barnard等利用BP網(wǎng)絡(luò)模型，分別以交通流密度和不同相位的綠時作為輸人、輸出，直接建立起交通模式與信號方案之間的內(nèi)在聯(lián)系，從而實現(xiàn)了以交通流最優(yōu)化為目標的三相位孤立交叉路口的自學習

26、動態(tài)適應(yīng)性控制系統(tǒng)。C.Ledoux則提出了基于神經(jīng)元網(wǎng)絡(luò)的實時適應(yīng)性城市交通信號控制系統(tǒng)的交通仿真模型。許倫輝等針對城市交叉口交通流的分布特點，考慮相鄰車道上車輛排隊長度，利用多層BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)了道路交叉口多相位模糊控制，給出一種自適應(yīng)交叉口多相位控制算法，仿真結(jié)果表明，模糊神經(jīng)網(wǎng)絡(luò)控制器能有效的減少交叉口平均車輛延誤，具有較強的學習和泛化能力。張康等提出了“車流阻塞參數(shù)”的概念，用模糊神經(jīng)網(wǎng)絡(luò)訓練其信號控制規(guī)則，仿真結(jié)果表明，控制

27、效果有明顯提高。目前越來越多的路口采用了多相位信號控制，而且控制規(guī)則一經(jīng)確定就不再改變，即不具備實時學習的功能。因此，對于交通狀況復雜的多相位路口，很難取得滿意的效果。</p><p><b>　　2.3遺傳算法</b></p><p>　　遺傳算法是運用仿生原理實現(xiàn)在解空間的快速搜索，廣泛應(yīng)用于解決大規(guī)模組合優(yōu)化問題。它是一種比較先進的參數(shù)尋優(yōu)算法，對于不易建立數(shù)學

28、模型的場合其實用價值較為突出，是以同樣適用于交通系統(tǒng)。</p><p>　　1997年，Kiseok和Michael等應(yīng)用遺傳算法對交通網(wǎng)絡(luò)內(nèi)的交叉口信號相位進行設(shè)計，在交叉口形成的沖突點，結(jié)果顯示該方法給出的相位方案要優(yōu)于TRANSYT給出的方案。同年，C Q Memon等人給出了利用遺傳算法進行信號配時方案設(shè)計的研究結(jié)果。陳小鋒針對典型的多車道雙向交叉路口的交通流分布，建立四相位控制的動態(tài)交通控制模型，采用遺

29、傳算法同時對信號周期時長和相位綠燈持續(xù)時間進行優(yōu)化。承向軍對到達車輛數(shù)目進行模糊分類，將不同數(shù)量車輛的信號控制決策方案以規(guī)則集形式存儲在知識庫中，利用改進的遺傳算法，對交叉口信號模糊控制器的模糊規(guī)則進行優(yōu)化，建立了新的優(yōu)化算法。顧榕等將免疫遺傳學思想運用到交通信號控制中，提出一種新的相位配時優(yōu)化算法，將平均延誤時間由76.7S降至36.4S，實驗結(jié)果充分驗證了該算法處理交通配時優(yōu)化問題的可行性和有效性。李艷利用改進的遺傳算法對交叉口信號

30、模糊控制器進行優(yōu)化，建立新的配時優(yōu)化算法，仿真結(jié)果比Pappis方法性能提高了21%。</p><p><b>　　2.4蟻群算法</b></p><p>　　蟻群算法是一種模擬進化算法，它是一種求解組合最優(yōu)化問題的新型通用啟發(fā)式方法，該方法具有正反饋、分布式計算和富于建設(shè)性的貪婪啟發(fā)式搜索的特點。</p><p>　　聞育應(yīng)用蟻群算法搜索各路

31、口的最優(yōu)信號燈相位序列，對算法復雜度作了理論分析，并通過仿真實驗與單路口感應(yīng)式信號控制技術(shù)進行比較，結(jié)果表明效果較好，總停車時間降低7.2%。聞育還提出一種基于改進蟻群算法的降階滾動優(yōu)化算法，基于宏觀交通流模型建立了區(qū)域交通控制滾動優(yōu)化模型，在蟻群算法中設(shè)計了層狀解結(jié)構(gòu)圖，應(yīng)用降階方法將大規(guī)模區(qū)域分解為一系列子區(qū)域，仿真結(jié)果顯示，區(qū)域滾動優(yōu)化控制比感應(yīng)式控制的總停車時間下降了8.2%。</p><p><b

32、>　　2.5粒子群算法</b></p><p>　　粒子群優(yōu)化算法是由 Eberhart 博士和 kennedy 博士于 1995 年提出，是基于對鳥群、魚群捕食的行為模擬研究而來。同其他基于群智能(Swarm Intelligence)的隨機優(yōu)化算法相比，PSO 算法具有收斂速度快、設(shè)置參數(shù)少、程序?qū)崿F(xiàn)異常簡潔、具有深刻的智能背景等特點。</p><p>　　瞿高峰以交

33、叉口車輛平均延誤和停車次數(shù)最小為目標，建立信號控制交叉口配時模型，運用粒子群優(yōu)化算法求解該模型，結(jié)果表明比傳統(tǒng)方法更優(yōu)，車輛停車次數(shù)略有增加，通行能力略有下降，但停車延誤時間大大下降低，由 23.97S 下降至 14.27S。這表明運用粒子群優(yōu)化算法解決交叉口配時問題是有效和可行的。付紹昌，黃輝先提出在自適應(yīng)粒子群算法中引入變異算子建立離散交通信號控制模型，以更新粒子群算法的個體極值點和全局極值點，仿真表明該混合算法可解決易陷入局部收斂

34、的缺陷并能有效實現(xiàn)交通信號優(yōu)化控制。傅惠等提出了基于粒子群優(yōu)化的城市關(guān)聯(lián)交叉口群信號控制策略，根據(jù)粒子群優(yōu)化思想求解信號控制參數(shù)。仿真實驗證實，基于粒子群優(yōu)化的關(guān)聯(lián)交叉口群信號控制策略有效。</p><p><b>　　2.6多智能體技術(shù)</b></p><p>　　智能體技術(shù)由Minsky在1986年首次提出，一般認為：智能體指駐留在某一環(huán)境下，能持續(xù)自主地發(fā)揮作用

35、，具備駐留性、反應(yīng)性、社會性、主動性等特征的計算實體。隨著車輛數(shù)和城市路網(wǎng)規(guī)模的增大，信號控制系統(tǒng)的復雜性增大，同時由于交通流在信息、控制方面固有的分布性，采用多智能體系統(tǒng)構(gòu)建城市交通控制系統(tǒng)的計算環(huán)境已成為交通系統(tǒng)協(xié)調(diào)控制的熱點。</p><p>　　國外對智能體在交通中的應(yīng)用早有報道，如 Burmeister 提出多智能體在交通運輸中應(yīng)用的思路，Roozemond 分析了智能體、神經(jīng)網(wǎng)絡(luò)和分布式人工智能在城市

36、交通控制應(yīng)用的前景和價值，Goldman提出了一個基于多智能體的增量互補學習的路口控制器。Choy 等采用一種復雜的模糊神經(jīng)網(wǎng)絡(luò)進化混合系統(tǒng)來構(gòu)造分層分布式交通控制多智能體系統(tǒng)，各個智能體利用模糊系統(tǒng)的推理能力、神經(jīng)網(wǎng)絡(luò)的學習能力來進行實時決策。各層智能體的感知過程能通過在線強化學習進行調(diào)整。</p><p>　　國內(nèi)一些學者也對智能體在交通控制中的應(yīng)用作了一些嘗試性研究，馬壽峰等提出了單個路口的基于 Q 學習的

37、交通信號控制 Agent，并在此基上研究了基于對策論和社會規(guī)則的多智能體協(xié)調(diào)方法。陶志祥對基于 Agent 的分層遞階控制結(jié)構(gòu)進行了概述。高海軍以博弈論為基礎(chǔ)，提出了交通控制 Agent之間的區(qū)域協(xié)調(diào)模型及算法。李瑞敏結(jié)合城市交通控制與誘導系統(tǒng)集成的特點，研究了基于多智能體系統(tǒng)的城市交通信號控制與動態(tài)誘導集成化的系統(tǒng)結(jié)構(gòu)和兩類相互作用的智能體模型結(jié)構(gòu)。趙建有等提出了人、車、路、交通管理系統(tǒng)的交通系統(tǒng) Agent 結(jié)構(gòu)，并提出了路口 Ag

38、ent—區(qū)域控制中心Agent—主控制中心 Agent 的三級交通控制結(jié)構(gòu)。郭建鋼、伍雄斌等提出了基于遺傳算法和多智能體技術(shù)的交通系統(tǒng)協(xié)調(diào)控制的建模方法以及建模過程應(yīng)注意的問題，并實例驗證，得到可降低車均延誤12%、縮短周期時長 27.2%的結(jié)論。劉虹秀等提出了基于多智能體的協(xié)調(diào)方法，該協(xié)調(diào)方式能適應(yīng)實時變化的交通環(huán)境，克服傳統(tǒng)協(xié)調(diào)方式通信費用高的缺點。</p><p>　　3. 城市交通協(xié)調(diào)控制方式研究<

39、/p><p>　　3.1城市交通協(xié)調(diào)控制方式的類型</p><p>　　按照系統(tǒng)信息的和處理方式，城市交通控制系統(tǒng)的結(jié)構(gòu)括集中式控制、遞階式控制、分布式控制三種。</p><p>　　圖3-1 集中式控制</p><p>　　集中式控制系統(tǒng)在控制中心需要設(shè)置一臺或多臺數(shù)字計算機，對眾多路口實行交通控制．可以采用較高級的控制策略，例如方案選擇式或

40、方案生成式響應(yīng)控制，見圖3-1集中式控制結(jié)構(gòu)有以下缺點：大量數(shù)據(jù)的集中處理及整個系統(tǒng)的集中控制，需要龐大的通信傳輸系統(tǒng)和巨大的存儲容量，極大地影響了控制的實時性，并限制了集中控制的區(qū)域范圍，且系統(tǒng)可靠性較差。</p><p>　　遞階控制將整個控制系統(tǒng)分成若干級，每一級都承擔不同的控制任務(wù)。一般來說，最下級完成戰(zhàn)術(shù)控制任務(wù)，最上級完成戰(zhàn)略控制任務(wù)。除了最上級外，每一級都有若干控制單元，同級控制單元間的信息交換必須

41、通過上一級進行，見圖3-2。在遞階式控制系統(tǒng)中，如果其中一個區(qū)域控制中心發(fā)生錯誤，其它區(qū)域仍能正常運行，相對于集中式控制來說，提高了系統(tǒng)的可靠性。但其實質(zhì)是一種擴大了的集中式控制系統(tǒng)，其控制策略仍由控制中心統(tǒng)一制定。</p><p>　　圖3-2 遞階控制結(jié)構(gòu)</p><p>　　分布式控制通過數(shù)據(jù)的預處理和集中傳輸，能減少傳輸費用；由于系統(tǒng)不依賴于一個中心控制或集中的傳輸機構(gòu)，系統(tǒng)具有

42、較高的故障保護能力(系統(tǒng)的一部分故障不影響其他部分)，提高了系統(tǒng)的可靠性；能處理實時單元的容量較大(檢測器路口信號機等)；控制方法和執(zhí)行能力比較靈活。</p><p>　　3.2基于多智能體的分布式協(xié)調(diào)控制系統(tǒng)</p><p>　　多智能體系統(tǒng)是智能體(Agent)的集合，是當今人工智能的前沿學科，是分布式人工智能研究中的一個重要分支，將智能體技術(shù)與城市控制相結(jié)合，是解決城市交通智能控制與

43、交通管理研究的方向。城市交通系統(tǒng)作為一個大的復雜系統(tǒng)，能夠應(yīng)用多智能體系統(tǒng)理論將其建造成小的、彼此相互通信及協(xié)調(diào)的、易于管理的系統(tǒng)。由于多智能體系統(tǒng)所具有的分布性、智能性、靈活性等特性，而且智能體之間可以進行協(xié)調(diào)和協(xié)作，這些特點充分符合了交通信號的分布式協(xié)調(diào)控制的要求。采取分布式的控制方式，在較低層次上由不同的控制實體Agent來完成對路口的控制，同時保證控制的實時性；在較高層次上形成多Agent系統(tǒng)，每一級控制Agent除了可與上一級

44、進行信息交換外，也可與同級控制單元進行信息交換，通過Agent之間的協(xié)調(diào)實現(xiàn)更高級的控制目標，形成一個分布式的交通控制系統(tǒng)。因此，將多智能體技術(shù)與分布式結(jié)構(gòu)相結(jié)合正是解決城市交通控制的一個可行策略。</p><p>　　目前，各種分布式控制系統(tǒng)、嵌入式控制系統(tǒng)、基于知識控制系統(tǒng)不斷發(fā)展，提高控制系統(tǒng)執(zhí)行級的控制能力，充分發(fā)揮系統(tǒng)底層控制單元的控制功能，提高其知識性、智能性已成為當前主要的發(fā)展目標。各種專家系統(tǒng)、人

45、工智能技術(shù)也不斷應(yīng)用到交通控制中，以提高路口的智能性。英國運輸與道路研究所的研究成果表明：只要圍繞每一個路口的小區(qū)域能夠取得一個接近整體最小的 PI 值(性能指標)，那么整個路網(wǎng)范圍的 PI 值也是接近“整體最小值”（相對于局部最小值）。根據(jù)該結(jié)論和目前控制技術(shù)發(fā)展趨勢，基于Agent的城市交通信號控制系統(tǒng)應(yīng)運而生。該系統(tǒng)可視為一個分布式?jīng)Q策控制系統(tǒng)，從結(jié)構(gòu)上看是一個三層體系結(jié)構(gòu)，每一個層次都代表不同的Agent，各Agent具有各自的

46、功能、信息、目標和任務(wù)。它們之間通過消息傳遞和信息共享，相互協(xié)作，達到對交通的控制與管理。雖然該結(jié)構(gòu)與分層式控制結(jié)構(gòu)相似，但從控制原理上卻截然不同，該系統(tǒng)將各路口的控制策略制定下放到路口級，每個路口Agent都是一個智能的知識系統(tǒng)，都可以制定相應(yīng)的控制策略。同一層上的agent可以與其相鄰的同類agent進行實時數(shù)據(jù)通訊，實時進行控制策略的調(diào)整，見圖3-3。</p><p>　　圖3-3 基于 Agent 交通

47、信號控制系統(tǒng)結(jié)構(gòu)</p><p>　　圖中不同層次的Agent具有不同的功能分別如下： </p><p>　　中央Agent是整個系統(tǒng)的最高層，負責整個系統(tǒng)整體的管理、各區(qū)域Agent之間的監(jiān)測工作，具有最高的決策權(quán)力，在該層上交通控制系統(tǒng)可與其它交通管理系統(tǒng)相互配合，進行整個城市的交通控制工作。 </p><p>　　區(qū)域Agent是控制系統(tǒng)的中間層，負責本區(qū)域內(nèi)

48、各路口agent的監(jiān)控和高層協(xié)調(diào)工作，也可對所控制區(qū)域的某幾個路口進行強行的模式設(shè)置，以及對區(qū)域內(nèi)緊急事件的處理工作，各區(qū)域控制中心之間可根據(jù)需要進行通訊，進行信息的交流合作和協(xié)調(diào)。</p><p>　　路口Agent在交通網(wǎng)絡(luò)中扮演著重要的角色，在路口各個方向的車流在此會聚，并形成車輛的分流、沖突等交通現(xiàn)象，在交通系統(tǒng)中交通的擁擠往往也主要發(fā)生在路口。因此，路口Agent是非常重要的一種Agent，它連接著各個

49、路段Agent，是交通網(wǎng)絡(luò)的中樞，負責各路口的信號控制，可與其相鄰的路口進行實時的通訊聯(lián)系，并根據(jù)本路口實時的交通流狀況以及周圍的交通情況實時自動地對交通信號進行調(diào)整，以使控制效果達到最優(yōu)；同時，對本路口發(fā)生的異常情況能實時通知給其相連路口，并能根據(jù)需要完成控制中心下達的控制工作，是實現(xiàn)交通控制任務(wù)的主要承擔者。</p><p><b>　　4多路口協(xié)調(diào)</b></p><

50、;p>　　由大量路口組成的道路網(wǎng)承擔著城市交通的主要職能，大中城市的道路交通網(wǎng)通常包含數(shù)百甚至數(shù)干的路口，如此龐大復雜的交通網(wǎng)絡(luò)必須通過交通信號控制車流的通行。與單路口的交通信號控制不同，多路口的交通網(wǎng)絡(luò)存在路口之間交通流的相互影響，僅考慮單個路口的通行問題無法使整個網(wǎng)絡(luò)達到最佳的通行狀態(tài)。如何在保證每個路口交通基本暢通的前提下提高路口之間交通信號的協(xié)調(diào)以增加整個路網(wǎng)的通行能力是交通信號控制的關(guān)鍵。</p><

51、p>　　“綠波帶”控制是當前交通控制追求的一種理想狀態(tài)，即通過調(diào)整公共信號周期和相臨路口的相位差，使大多數(shù)車輛到達各個路口時都能遇到該行駛方向的綠燈相位。網(wǎng)絡(luò)綠波帶控制雖然考慮了路口之間的協(xié)調(diào)問題，但實現(xiàn)條件比較苛刻。首先，相鄰路口之間的距離不能過大，一般應(yīng)在800米以內(nèi)；其次，由于所有路口采用相同的信號周期，因此，每個路口的交通流量應(yīng)該相近；最后，區(qū)域內(nèi)行駛的車輛應(yīng)以特定的速度行駛．其中第二個條件在多數(shù)城市的道路交通中是很難實現(xiàn)

52、的。</p><p>　　目前，協(xié)調(diào)方法分為兩類：一類是將其他領(lǐng)域(如博弈論、經(jīng)典力學理論等)研究多個實體的行為和技術(shù)應(yīng)用于多智能體協(xié)調(diào)與合作；另一類則是從智能體的愿望、意圖等心智狀態(tài)出發(fā)研究多智能體之間的協(xié)調(diào)與合作。</p><p>　　4.1基于黑板模型的協(xié)調(diào)控制</p><p>　　各個路口控制智能體之間采用黑板模型訓進行協(xié)調(diào)。承向軍對黑板模型協(xié)調(diào)進行了分析，

53、相鄰的智能體都有共享的黑板，智能體將各自路口的車輛信息和在當前車輛數(shù)據(jù)下的中間控制方案記錄到共享黑板上，每個智能體根據(jù)共享黑板的最新信息再制定新的中間方案，直到最新的中間方案與前一個中間方案相同，則該方案為下個周期的信號控制方案；或者最新的中間方案與前一個中間方案不同，但本信號周期的時間結(jié)束，則最新的中間方案就自動成為下一個周期的信號控制方案，這一過程的內(nèi)在機理見圖4-1。</p><p>　　圖4-1 Age

54、nt 之間的協(xié)調(diào)機制</p><p>　　4.2基于博弈論的協(xié)調(diào)控制</p><p>　　隨著分布式問題求解方式和多智能體技術(shù)的發(fā)展，人們開始探討交通信號的分布式控制問題，在交通控制系統(tǒng)中，路口相距很近,所有的路口Aegnt和區(qū)域Aegnt都有著共同的全局目標和自己的局部目標，即盡量使得整個交通暢通和使本路口交通暢通或本區(qū)域交通暢通。而路口Agent之間、路口Agent與區(qū)域Agent之間

55、是相互影響、相互作用的。每個Agent的決策必然要受到另一些Agent策略選擇的影響，Agent之間必然會發(fā)生一定程度的沖突。因此，如何協(xié)調(diào)多個Agent的行為，使多個Agent協(xié)同工作成為整體是多智能體系統(tǒng)的研究重點，其協(xié)調(diào)機制對多智能體系統(tǒng)的性能有很大的影響。采用博弈論的方法分析Agent之間的合作與沖突機理，建立區(qū)域協(xié)調(diào)模型來協(xié)調(diào)相互關(guān)系，實現(xiàn)博弈均衡，能很好的實現(xiàn)整體交通通暢這一全局目標。</p><p>

56、;　　整個協(xié)調(diào)過程分為 2 個層次，首先是路口 Agent 與其相鄰的路口 Agent 之間的協(xié)調(diào)；其次是是區(qū)域 Agent 與路口 Agent 之間的協(xié)調(diào)，整個協(xié)調(diào)過程見圖4-2。</p><p>　　圖4-2 路口 Agent 協(xié)調(diào)過程</p><p><b>　　5總結(jié)與展望</b></p><p><b>　　5.1論文的總

57、結(jié)</b></p><p>　　目前信號交叉路口信號協(xié)調(diào)控制控制的研究，雖然取得了許多成果，但還有一定局限，在某些方向的研究尚不夠深入。大部分采用確定性的分布而沒有考慮其隨機性，而在交通現(xiàn)象中隨機性是一個非常重要的特性；就研究對象而言，大多數(shù)是以單獨的交叉路口為研究對象，少數(shù)是以兩個路口為研究對象；從研究相位來講，大多數(shù)采用兩相位；在智能化方面，采用智能算法優(yōu)化來分析信號控制的不多。本文針對以上幾方面

58、的不足作了部分改進，進行了一些探索．主要集中在以下幾個方面：</p><p>　　(1)建立了基于遺傳算法的單路口Agent模型； </p><p>　　(2)提出了多智能體的分布式協(xié)調(diào)控制結(jié)構(gòu)，可以使控制系統(tǒng)模仿人類進行學習和智能決策，根據(jù)交通流環(huán)境以及評價信號值的變化對控制策略進行實時自適應(yīng)的調(diào)整。本文構(gòu)建“自下而上”的分布式控制系統(tǒng)，將控制權(quán)下放給路口級，相鄰Agent之間是相對獨立

59、的，但也存在協(xié)作關(guān)系，可以更好的適應(yīng)交通系統(tǒng)復雜性、實時性的特點，有利于今后智能交通系統(tǒng)的發(fā)展； </p><p>　　(3)提出了基于博弈論的多路口協(xié)調(diào)控制算法；克服傳統(tǒng)主干線協(xié)調(diào)控制算法難以滿足三個前提條件的局限性； </p><p><b>　　5.2研究的展望</b></p><p>　　交通擁擠首先反映在交叉口，如何賦予交叉口控制方式

60、一些新的策略，使之能對于大量的交叉口進行行之有效的控制，最大限度地減少延誤、提高其通行能力及交通安全，對解決我國目前城市交通問題有著非常現(xiàn)實的意義，也可為多路口協(xié)調(diào)控制的研究提供思路和方法。</p><p>　　基于多智能體的分布式交通信號協(xié)調(diào)控制系統(tǒng)最大的優(yōu)勢在于采用分布式的控制結(jié)構(gòu)，通過相鄰路口信號控制智能體之間的信息交流和協(xié)作行為提高路網(wǎng)信號控制的整體效果，控制算法的復雜度不會隨著路網(wǎng)規(guī)模的擴大而增加。因此

61、，這種控制方法特別適用于大規(guī)模交通網(wǎng)的信號控制。</p><p>　　今后，還需通過進一步研究，改進算法，完善博弈協(xié)調(diào)控制，對于Agent的內(nèi)部機理進一步深入挖掘，以充分利用Agent的特性；如增強對智能交通控制系統(tǒng)參考模型中的路口Aegnt的描述，包括其持有的信念、與環(huán)境間持續(xù)的交互、行為目標以及行為對環(huán)境的影響．</p><p>　　本文應(yīng)用多智能體技術(shù)對城市交通控制進行了研究，但只是

62、提出了一個籠統(tǒng)的框架結(jié)構(gòu)，應(yīng)對系統(tǒng)實現(xiàn)進行深入、細致的研究，對于系統(tǒng)實現(xiàn)需要涉及到的較詳細的問題并沒有進行深入探討，還需要進一步完善智能交通控制系統(tǒng)結(jié)構(gòu)和功能。</p><p><b>　　6 參考文獻</b></p><p>　　[1] 劉智勇．智能交通控制理論及其應(yīng)用(第一版)[M]．北京：科學技術(shù)出版社，2003． </p><p>　

63、　[2] D.M.Aymerich，Multi-Algorithmics：A New Conceptual．Approach for UTC Systems in Congested Cities[C]．Steps Forward. Intelligent Transport Systems World Congress．1995(1)：341． </p><p>　　[3] 徐冬玲，方建安．

64、交通系統(tǒng)的模糊控制及其神經(jīng)網(wǎng)絡(luò)實現(xiàn)[J]．信息與控制，1992，21(2)：74-78．</p><p>　　[4] 崔寶俠，楊繼平，方博．新型變論域模糊控制器在交通信號控制中的應(yīng)用[J]．系統(tǒng)仿真學報，2007，19(2)：380-383． </p><p>　　[5] 許倫輝，袁路生，徐建閩．基于神經(jīng)網(wǎng)絡(luò)實現(xiàn)的交叉口多相位模糊邏輯控制[J]．系統(tǒng)工程理論與實踐，2004(7)：13

65、5-140． </p><p>　　[6] 姜紫峰，荊便峰．人工神經(jīng)網(wǎng)絡(luò)在交通領(lǐng)域中的應(yīng)用[J]．公路交通科技，1997，14(4)：24．</p><p>　　[7] 彭文庭. “交通擁堵”的經(jīng)濟學分析. 運輸經(jīng)理世界, 2007: 90.</p><p>　　[8] 朱銘琳．人工智能技術(shù)在交通控制領(lǐng)域的應(yīng)用．現(xiàn)代電子技術(shù)[J]，2007(23)：149

66、-151．</p><p>　　[9] 陳小鋒，史忠科．基于遺傳算法的交通信號動態(tài)優(yōu)化方法[J]．系統(tǒng)仿真學報，2004，16(6)：1155-1l57；1161．</p><p>　　[10] 郭建鋼，伍雄斌．多智能體技術(shù)在交通系統(tǒng)協(xié)調(diào)控制中的應(yīng)用[J]．華東交通大學學報，2005，22(6)：38-41．</p><p>　　[11] 伍雄斌，郭建鋼，程婉燕．

67、基于遺傳算法的單一路口智能體優(yōu)化控制[J]．福建農(nóng)林大學學報，2008，37(2)：221-224．</p><p><b>　　致謝</b></p><p>　　四年的讀書生活在這個季節(jié)即將劃上一個句號，而我的人生卻只是一個逗號。四年的求學生涯在師長、親友的大力支持下，走得辛苦卻也收獲滿囊。在學士論文完成之際，在這里我想對一直支持我和關(guān)心我的老師、家人、同學、朋友表

68、示我衷心的謝意。</p><p>　　首先衷心感謝我的導師姜曉偉老師。在本論文工作中，從選題、研究，實現(xiàn)到論文最后成稿，一直都得到了姜曉偉老師的悉心指導，姜曉偉老師給了我極大的信心和鼓勵，讓我受益匪淺。</p><p>　　同樣也要感謝楊江、陳林、趙丹等同學對我的幫助與支持。最后．特別要感謝我的家人，是他們最細微的關(guān)心和最無私的愛，使我能夠順利完成學業(yè)，在此向他們致以最誠摯的祝福! &l