基于Multi-Agent与博弈论的城市交通控制诱导系统及其关键技术研究

摘要

智能交通系统是本世纪交通运输发展的方向。城市智能交通系统包括多个子系统,其中交通控制系统和交通诱导系统都是关键的子系统。交通控制和交通诱导则是现今城市交通的两个重要管理手段,二者之间存在着密切联系且功能互补。控制与诱导的一体化研究是智能交通系统的主要发展方向,对这部分的研究有很强的现实意义和理论价值。
　　 本文主要是针对现代城市交通复杂、多变、分布式的特点,充分运用Multi-Agent的理论与技术、博弈论的思想与方法来对城市交通控制诱导系统进行深入的研究。
　　 首先,分析城市交通控制系统中控制与诱导的协调关系,以及诱导策略与交通流分布、出行者路径选择行为相互影响关系,并考虑系统最优(SO)和用户均衡(UE)原则在城市交通控制系统中的关系后,建立诱导信息条件下的SO-UE协调博弈模型。这样就可以确定出行者依据用户最优原则选择路径,模型的目标是实现系统最优,决策变量是诱导信息和交通信号配时,方法则是利用诱导信息影响出行者的路径选择。简化实例模拟验证了该模型的预期效果。
　　 其次,运用Multi-Agent的理论与技术、博弈论的思想与方法来设计城市交通控制诱导系统的Multi-Agent协调博弈模型,以及模型中各类的Agent,并探讨Multi-Agent博弈模型的博弈协调机制、博弈过程与协调算法,并选定系统研究的评价指标,最后进行简化模拟试验。试验结果表明,基于Multi-Agent博弈的协调控制能够有效地实现城市区域交通控制与交通诱导的协调,从而有利于实现交通畅通。
　　 再次,在研究城市交通控制诱导系统的Multi-Agent博弈模型时,会涉及到其中的一些关键技术问题的解决,比如,Multi-Agent博弈模型中Agent之间的通信机制问题和移动Agent的旅行Agent问题。在文中,提出几种优化移动Agent定位与通信机制的建议,以及用具有更强的全局最优解搜索能力的改进型蚁群算法来更好地解决旅行Agent问题。
　　 最后,在城市公安智能交通系统的体系框架内,考虑城市交通控制诱导系统中控制与诱导的协调博弈、So-UE协调博弈、Multi-Agent协调搏弈,在交通信号控制系统和交通诱导系统的一体化基础上,结合城市交通监控指挥中心的建设,设计城市交通控制诱导系统应用方案。
　　 总而言之,基于Multi-Agent和博弈论的城市交通控制诱导系统的研究将探索采用最新的理论与技术解决交通问题的新途径,利用Multi-Agent和博弈论的理论和技术的特点与优点,为寻求交通问题的更好解决提供新的思路和方法,并且基本上可实现控制和诱导真正的协调,以及系统最优和用户均衡两个原则的有效协调,可有效提高城市路网效率和实际通行能力,对城市交通组织和管理具有一定的指导意义和应用价值。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景与研究意义

1.1.1 智能交通系统简介

1.1.2 城市智能交通系统的组成

1.1.3 ITS中的城市交通控制诱导系统

1.1.4 研究目的与意义

1.2 城市交通控制诱导系统研究概况

1.2.1 交通信号控制和交通分配研究

1.2.2 交通控制与交通分配、交通诱导的结合研究

1.2.3 交通控制与诱导中博弈论的应用研究

1.2.4 交通控制与诱导中的Agent理论与技术的应用研究

1.2.5 城市交通控制诱导系统研究综述的归纳总结

1.3 研究的思路与内容

1.4 小结

第二章 相关理论与技术基础

2.1 MULTI-AGENT理论与技术

2.1.1 Agent的定义与特性

2.1.2 Muli-Agent系统

2.1.3 移动Agent

2.1.4 CORBA对移动Agent互操作的支持

2.1.5 移动Agent系统的关键问题

2.2 城市交通信号控制

2.2.1 交通信号灯控制

2.2.2 城市交通信号控制方式

2.2.3 交叉口延误估算

2.2.4 交叉口交通信号优化方法

2.3 动态交通分配及其相关模型与函数

2.3.1 交通分配的概念

2.3.2 动态交通分配模型的分类与分析

2.3.3 动态交通分配的数学规划模型

2.3.4 动态交通分配的最优控制模型

2.3.5 动态交通分配的VI模型

2.3.6 基于宏观仿真的动态交通分配模型

2.3.7 随机路径选择的概率模型

2.3.8 路段延误函数

2.3.9 动态网络加载模型

2.4 博弈论与交通博弈模型

2.4.1 经典博弈的基本理论

2.4.2 交通分配的纳什均衡

2.4.3 交通博弈的Gournot均衡

2.4.4 交通博弈的Stackelberg均衡

2.4.5 系统最优垄断博弈

2.5 人工蚁群算法

2.5.1 蚁群算法的提出

2.5.2 蚂蚁系统

2.5.3 蚁群系统

2.6 小结

第三章 城市交通控制诱导系统的协调博弈

3.1 交通控制与诱导的协调分析

3.1.1 城市交通控制与诱导的关系

3.1.2 城市交通控制诱导系统中控制与诱导的协调

3.2 诱导策略的影响分析

3.3 出行者行为的博弈分析

3.4 城市交通控制诱导系统中的SO-UE协调模型

3.4.1 系统最优和用户均衡的协调

3.4.2 交通控制与诱导博弈模型

3.4.3 SO-UE协调模型

3.5 小结

第四章 城市交通控制诱导系统的MULTI-AGENT协调博弈

4.1 MULTi-AGENT在城市交通控制诱导系统中应用的可行性

4.2 城市交通控制诱导系统的MULTi-AGENT协调模型

4.3 城市交通控制诱导系统的各种AGENT模型

4.3.1 交通Agent基本模型TAM

4.3.2 车辆Agent

4.3.3 交通灯Agent

4.3.4 路口Agent

4.3.5 路段Agent

4.3.6 区域Agent

4.3.7 中心Agent

4.3.8 任务协作Agent、移动信息Agent和信息融合Agent

4.3.9 信息发布Agent

4.4 城市交通控制诱导系统的MULTi-AGENT博弈模型

4.4.1 系统的Multi-Agent博弈协调机制

4.4.2 博弈过程与协调算法

4.4.3 模拟试验

4.4 小结

第五章 设计MULTI-AGENT博弈模型中移动AGENT定位与通信机制

5.1 移动AGENT系统环境下的定位及通信问题

5.2 移动AGENT定位与通信机制的工作原理

5.2.1 广播法

5.2.2 跟踪法

5.2.3 法册法

5.3 现有定位与通信机制的解决方法以及不足

5.3.1 动态移动的Agent定位和消息处理

5.3.2 Agent标识的一致性问题

5.3.3 通信失效问题

5.3.4 对Agent意外死亡的处理以及所占网络资源的回收

5.4 改进型移动AGENT定位与通信机制

5.4.1 前提假设条件的应对措施

5.4.2 构建分层次域服务器

5.4.3 移动Agent的定位与通信协议

5.5 小结

第六章 解决MULTI-AGENT模型中旅行AGENT问题的蚁群算法

6.1 旅行AGENT问题与人工蚁群算法

6.1.1 移动Agent的迁移策略

6.1.2 旅行Agent问题

6.1.3 人工蚁群算法

6.2 蚁群系统的改进

6.3 改进型蚁群算法求解旅行AGENT问题

6.3.1 旅行Agent问题的定义

6.3.2 蚁群算法解决旅行Agent问题的优越性

6.3.3 蚂蚁算法求解旅行Agent问题的算法改进

6.3.4 改进型蚁群算法的算法描述

6.3.5 仿真试验及算法的性能评估

6.4 小结

第七章 典型的城市交通控制诱导系统的设计

7.1 城市公安智能交通系统的总体概况

7.2 城市交通监控指挥中心的建设

7.3 城市交通控制诱导系统

7.4 小结

第八章 研究总结与展望

8.1 研究总结

8.2 研究的主要创新点

8.3 研究展望

参考文献

附录 部分符号定义

致谢

攻读博士学位期间参与的主要科研项目

攻读博士学位期间发表的主要学术论文