多智能体的城市交通信号控制初探.docVIP

多智能体的城市交通信号控制初探 　　摘要：近年来，随着城市交通日益复杂化，传统的交通控制技术与方法不能取得令人满意的控制效果，城市交通与经济发展的矛盾日趋尖锐。因此，积极探索新的、智能化、行之有效的交通控制方法十分必要。本文重点介绍了多智能体的城市交通信号控制技术以及多Agent技术在交通控制中的应用。 　　关键词：多智能体；城市交通信号控制；Agent 　　中图分类号：C913文献标识码： A 　　一、国内城市交通控制系统现状 　　国内应用和研究城市交通控制系统的工作起步较晚，20世纪80年代以来，国家一方面进行以改善城市市中心交通为核心的UTSM技术研究；另一方面采取引进与开发相结合的方针，建立了一些城市道路交通控制系统。以北京、上海为代表的大城市，交通控制系统主要是简易单点信号机、SCOOT系统、TRANSYT系统和SCATS系统其中几个结合使用；而如湘潭、岳阳等国内中小城市,交通控制系统主要还是使用国产的简易单点信号机和集中协调式信号机。这些信号系统虽然取得了较好的效果,但我国实际情况决定了需要对这些系统进行改进。 　　（一）需要完善信号控制。现有的单点信号控制系统一般只能实现两相位控制,存在一定的局限性。而实际中,如果根据交叉路口的情况,适当采用多相位控制、变相序控制,可减少交叉路口的交通冲突,提高交通的安全性。 　　（二）需要合理解决混合交通流问题。现有信号控制系统对自行车流大多是与机动车同时开始,容易造成交通流冲突。因此,需要设计一种信号系统能对各个相位包括对自行车流单独进行控制。 　　（三）实现区域网络协调控制。目前,虽然在我国的几个大城市,引进或研制了具有区域控制功能的集中式计算机控制系统,但对于中小城市来说,建立这样庞大的系统一方面代价高昂,另一方面实际利用效率不高。为了解决这一情况,在国内的中小城市应大量推广小型区域网络协调控制信号系统。 　　二、智能交通系统 　　随着交通控制技术智能化的不断提高，利用模糊控制、遗传算法、神经网络控制等智能控制技术对交叉口信号灯控制能取得比定时控制与感应控制更好的效果，但是单一使用一种智能控制方法，在技术上会存在一定的优缺点，如果把多种智能控制方法结合起来，充分发挥它们互补的性质特点，其控制效果将有很大的提高，所以采用多种智能控制方法的结合对城市交通信号的控制是一种必然的趋势。 　　（一）人工神经网络 　　人工神经网络(ArtificialNeuralNetworkS)，常常简称为神经网络(NN)，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，是以计算机网络系统模拟生物神经网络的智能计算系统，是对人脑或自然神经网络的若干基本特征性的抽象和模拟。人工神经网络具有较强的非线性映射、自学习和自适应等信息处理能力，因而被广泛应用于自动控制、模式识别及信号及信息处理等领域。近年来，国内外许多学者和交通领域专家将神经网络与模糊控制技术用于前向车流均衡动态算法研究，采用广义回归神经网络对车流量进行预测，以车辆延误等为评价目标建立单交叉路口的模糊神经网络交通控制模型等研究技术在城市道路交通制领域的应用取得了一定成效。 　　（二）模糊控制 　　模糊控制是适于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，是处理推理系统和控制系统中不精确和不确定性的一种有效方法，是模糊数学同控制理论相结合的产物，同时也是智能控制的重要组成部分。对于城市道路交通智能控制国内外许多学者从不同角度进行分析研究，在交通信号控制方面取得了比较丰富的研究成果，主要表现在单交叉口的模糊控制改善信号利用率和相位次序等，由于多交叉口的联合协调控制受相邻节点状态、路段长度等限制因素较多，干线和区域城市交通信号的模糊控制还有待于进一步研究。 　　（三）遗传算法 　　遗传算法以其鲁棒性好、可并行处理性及高效率的优点被广泛地应用到交通控制领域进行复杂的非线性系统的优化设计。一些专家将模糊理论和机器学习应用到交通信号控制过程中，提出了一种基于遗传算法的单路口交通信号模糊控制方法。通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进。 　　（四）智能体技术 　　城市交通系统多智能体控制系统的设计思想主要是：在城市交通网络中按网络拓扑结构的特点和交通网络的交通流量情况，确定一系列重要节点作为单个智能体。其确定准则是该节点在网络中首先是若干区域主干线交叉口或城市高速公路的匝道口，其二是该交叉口或匝道口在其所属的局部交