基于多智能体的分布式交通信号协调控制方法.docxVIP

基于多智能体的分布式交通信号协调控制方法 1 美国网络绿波带信号网络的通行能力 由许多交叉口组成的道路网负责城市交通的主要功能。大城市的主要道路网络通常包括数百到数千个交叉口。这样复杂的交通网络需要通过交通标志控制流量。与单通信号不同，多交叉口的交通网络在交叉口之间的交通流中产生了相互作用。考虑到单交叉口的交通问题，整个网络只有一个开口，交通问题不能被认为是最好的交通状态。在保证每个交叉口交通顺畅的前提下，通过增加交叉口之间的交通信息协调，提高整个路网的交通能力是交通网信号控制的关键。 网络绿波带控制虽然考虑了路口之间的协调问题,但实现条件比较苛刻,首先,相邻路口之间的距离不能过大,一般应在800米以内;其次,由于所有路口采用相同的信号周期,因此,每个路口的交通流量应该相近;最后,区域内行驶的车辆应以特定的速度行驶.其中第二个条件在多数城市的道路交通中是无法实现的.由于现有交通网信号控制方式的局限,随着分布式问题求解方式和多智能体技术的发展,人们开始探讨交通信号的分布式控制问题,Hakim Laichour等、Jeffrey L. Adler等、John France等相继提出多种基于多智能体的道路交通分布式控制概念模型.李英构建了分布式交通信号控制的概念模型,并对由两个路口组成的简单交通系统进行仿真实验,证明分布式控制方法优于传统控制方式.李灵犀等建立了两相邻路口的分层递阶模糊控制模型,并通过仿真实验证明该方法优于传统感应控制. 本文在基于多智能体的分布式道路交通控制概念模型和单路口交通信号机器学习控制方法的基础上,建立了交通信号控制智能体BDI模型,提出基于多智能体的分布式道路交通协调控制方法,并对一个由8个路口组成的交通网进行仿真实验,实验结果表明这种新控制方法的控制效果明显优于定时控制和感应控制. 2 信号控制要求 每个路口由一个信号控制智能体控制,通过相邻路口信号控制智能体之间的协调达到交通网络整体控制优化的目的.路口信号控制智能体由本地路口信号控制模块、相邻路口信息处理模块、通信模块和车辆检测器信息处理模块四个主要部分组成(如图1所示).本地路口信号控制模块的信号控制过程(如图2所示)是控制的关键环节,设:通过感知系统获得的信息的集合为PSC,它包括从本路口车辆检测器获得的车辆信息和通过通信模块接受的相邻路口的信息,由所有信号控制信念组成的集合为BelSC,当前信号控制信念集为BSC,由所有信号控制愿望组成的集合为DesSC,当前信号控制愿望集为DSC,由所有信号控制意图组成的集合为IntSC,当前信号控制意图集为ISC,则任意给定时刻,一个路口信号控制智能体的状态可以表示为以下三元组形式: (BSC,DSC,ΙSC),这里BSC?BelSC,DSC?DesSC,ΙSC?ΙntSC.(BSC,DSC,ISC),这里BSC?BelSC,DSC?DesSC,ISC?IntSC. 挑选信号控制信念的过程可以定义为: p(BelSC)×ΡSC→p(BelSC). 产生供选择的信号控制愿望的过程可以定义为: p(BelSC)×p(ΙntSC)→p(DesSC). 根据当前信号控制信念、愿望和意图筛选信号控制智能体新意图的过程可以定义为: p(BelSC)×p(DesSC)×p(ΙntSC)→p(ΙntSC). 为了信号控制的需要,将路口的车辆堵塞分为四个级别,分别定义为: 一般堵塞:车辆在路口行驶受到阻碍,且该方向排队车辆在路段车道内的长度超过路段总长的1/4; 中等堵塞:车辆在路口行驶受到明显阻碍,且该方向排队车辆在路段车道内的长度超过路段总长的1/3; 严重堵塞:车辆在路口行驶受到严重阻碍,且该方向排队车辆在路段车道内的长度超过路段总长的1/2; 完全堵塞:车辆无法通过路口,且该方向排队车辆在路段车道内的长度超过路段总长的2/3. BelSC={①减少本路口车辆延迟;②与相邻路口的信号控制智能体进行协作;③接受人工干预;④应对突发交通事件.} DesSC={①优先保证本路口端线排队车辆在一个绿灯相位中通过路口;②在不降低本路口绿灯时间有车辆通过的有效时间比例的前提下,优先保证车队不停车地通过本路口;③避免本路口车辆堵塞;④协助相邻路口信号控制智能体避免相邻路口车辆堵塞;⑤保持与相邻路口信号控制智能体的信息交流;⑥按照人工输入的命令进行本路口信号相位的持续和转换;…} IntSC={①当本相位由红灯变为绿灯时,根据车辆检测器信息处理模块提供的本相位所控制的路段进路车辆排队情况,以单车道最大排队车辆数作为参考值,确定本相位的基础绿灯时间.如图4所示,当单车道最大车辆排队数不大于两辆车时(包括车辆数为零),基础绿灯时间为3秒;当单车道最大车辆排队数大于等于21辆时,基础绿灯时间为24秒;其余情况如图所示.基础绿灯时间是根据车