基于muli-agen的平交叉口混合交通流动态并行模拟.docxVIP

基于muli-agen的平交叉口混合交通流动态并行模拟 0 交通流微观模型的建立 针对道路交叉口车辆混合交通流模拟的问题，采用传统的交通模拟方法很难有效解决。多智能体技术（多功能状态）为混合交通流动态模拟提供了一种新的实现模式。Multi-Agent的主要思想是将一个比较复杂的大系统分割成相对独立、相互作用、可彼此进行通讯的两个或多个子Agent系统。如:John France等利用Multi-Agent系统研究了如何协调各城市交叉口的信号灯Agent, 以实现最优交通控制, 但对驾驶员车辆单元没有进行分析与建模;Delft University of Technology的研究人员建立了一个基于反应式驾驶Agent的微观交通仿真系统, 该系统的Agent模型为反应式结构, 难以模拟实际驾驶员的动态行为;Joachim Wahle和Michael Schreckenberg基于Agent和实测交通流数据建立了单车道交通流微观仿真模型;在国内, 杨晓光通过分析大量实测数据, 研究了平交口自行车交通流的运行特征, 建立了自行车交通流微观行为模型;王殿海利用数理统计方法分析了城市平交口自行车及行人的到达与释放规律, 提出了城市平交口自行车及行人到达分布模型;杨兆升等提出了以路口Agent为单元的多Agent交通控制系统结构, 并对Agent间的协调机制进行了深入讨论;清华大学的苏岳龙, 魏铮等对信号交叉口右转机动车与行人和非机动车的冲突进行了深入研究;西安交通大学的张发对基于多Agent的交通流仿真平台进行了研究;同济大学的时柏营, 许建等对基于FSM的多Agent信号交叉口微观建模仿真进行了研究。但以上研究成果都没有系统地实现平交口机非混合交通流的动态模拟, 文献和文献研究表明:平交口右转机动车和同向直行自行车的干扰与冲突比较严重。因此, 本文基于Multi-Agent系统研究平交口右转机动车和同向直行自行车的混合交通流的动态模拟与实现方法, 为解决平交口机非混合交通问题提供了一种方便、高效的仿真分析方法。 1 机动车主动行驶模型 平交口混合交通流动态模拟算法主要由六部分组成:用户交互模块、感知器 (信息获取) ;机动车Agent、自行车Agent、平交口Agent和对交通个体Agent有控制作用的交通信号灯Agent。如图1所示。 平交口Agent的功能主要是模拟交通环境。如平交口几何尺寸、车道数、信号相位周期、机动车、自行车流量和速度等。信号灯Agent功能是配置信号相位 (两相位、三相位和四相位等) , 其次应能够根据的实际交通环境的变化, 实时优化信号相位及其周期。感知器是交通个体Agent功能等同于实际中驾驶员所具有的功能, 感受外界交通环境变化, 是利用一些功能函数所组成的虚拟传感器来实现的。 交通个体Agent包括机动车Agent和自行车Agent。其中, 机动车Agent的功能模块包括: 1) 感知器:获取平交口交通环境信息, 如信号灯状态和交通流量等。 2) 车辆产生模型:如文献所述, 车头时距采用移位负指数分布模型, 保证了车头时距不会小于最小车头时距。 3) 车辆行为模型:主要包括:右转机动车跟驰模型、自由行驶模型和在平交口处的加减速模型和基于logistic的右转机动车穿越自行车的行为判断模型。模型如公式 (1) 、 (2) 、 (3) 和 (4) 所示。模型公式的详细推导和建立过程可参阅参考文献、和。 平交口无干扰时右转机动车跟驰模型: an+1(t+Τ)=α0vmn+1(t+Τ)[vn(t)-vn+1(t)][xn(t)-xn+1(t)]h+k[xn(t)-xn+1(t)-D],(1)an+1(t+T)=α0vmn+1(t+T)[vn(t)?vn+1(t)][xn(t)?xn+1(t)]h+k[xn(t)?xn+1(t)?D],(1) 其中,α0为反应灵敏度系数;α0/[xn(t) -xn+1(t) ]h为灵敏度的度量;h为常数;an+1(t+T) 为下一采样时刻第n+1辆车的加速度;k为车头间距的灵敏系数;xn(t) -xn+1(t) 为车头间距;D为理想车头间距。根据平交口内车头间距的特殊性, 在实测数据分析基础上, 取D=7 m。 平交口无干扰右转机动车自由行驶模型: a=-0.0708×v2+0.2605×v+0.1741。(2)a=?0.0708×v2+0.2605×v+0.1741。(2) 机动车在平交口的加减速模型: a={a+max[1-(vvf)2],vvf,a-max[1-(vfv)2],v≥vf,(3)a=???a+max[1?(vvf)2],vvf,a?max[1?(vfv)2],v≥vf,(3) 式中,a+max+max、a-max?max分别为机动车自由行驶状态下的最大加、