基于多智能体的城市交通信号控制的协调与优化

摘要

本文介绍了城市交通信号控制的发展历程，介绍了人工智能方法在交通控制领域的应用的相关研究现状，特别是智能体技术及其应用于城市交通协调控制系统的可行性和优越性． 其次，基于智能体理论以及交通系统本身的特点，在分析目前交通控制结构不足的基础上，提出了基于多智能体的分布式城市交通信号控制系统结构．该系统将交通系统的控制策略的制定权放在各个路口Agent，各路口Agent根据自己的知识并通过相互协作进行交通系统的控制，提高了路口Agent的智能决策能力，从而使控制系统更加灵活地适应交通系统复杂多变的特点．本文着重探讨了基于遗传算法的单路口Agent交通信号控制优化模型，该模型以分布式城市交通信号控制系统结构为基础，以路口的平均车辆延误为目标函数，采用实数编码的遗传算法实现单路口的控制优化，并应用于实际的信号控制交叉口，结果表明，优化后的相位配时方案优于现有控制方案． 最后，本文介绍了博弈论的理论知识，建立了基于博弈论的路口Agent协调机制，对三个路口组成的简单路网的Agent协调机制和博弈过程进行探索，根据三个路口的实际情况，应用Matlab7．0实现优化．结果显示，本文提出的博弈优化协调控制方法中的性能指标明显改善．可为三路口或多路口协调提供初步的理论依据，为实现交通系统的实时智能控制提供了可能．

目录

文摘

英文文摘

声明

1 绪论

1.1研究背景

1.2城市交通信号控制概述

1.3城市智能交通控制国内外发展现状

1.3.1 模糊逻辑(Fuzzy Logic)

1.3.2人工神经网络(Artificial Neural Networks)

1.3.3遗传算法(Genetic Algorithm)

1.3.4蚁群算法(Ant Colony Optimization)

1.3.5粒子群算法(Particle Swarm Optimization)

1.3.6多智能体技术(Multi-agent)

1.4城市交通信号控制发展方向

1.5论文的组织结构

1.6论文的创新之处

2多智能体技术介绍

2.1智能体(Agent)

2.1.1 Agent的特点

2.1.2 Agent的结构

2.1.3 Agent的分类

2.2多智能体系统

2.3 多智能体系统在交通控制领域的优越性

3基于遗传算法的单路口Agent优化控制

3.1遗传算法

3.2效益评价指标

3.3单路口Agent模型

3.4基于遗传算法的单路口Agent优化控制

3.4.1约束优化问题数学描述

3.4.2惩罚函数法

3.4.3遗传算法优化步骤

3.4.4基于遗传算法的单路口Agent优化模型的实例

4城市交通协调控制方式研究

4.1 城市交通协调控制方式的类型

4.2基于多智能体的分布式协调控制系统

5 多路口协调

5.1基于黑板模型的协调控制

5.2博弈论

5.3基于博弈论的协调控制

5.3.1 基本符号和概念定义

5.3.2基于博弈论的协调模型

5.3.3协调算法

6三路口博弈协调控制的实现

6.1评价指标

6.2方案选择

6.2.1现有定时控制方案

6.2.2基于遗传算法的多智能体博弈协调控制

6.3交通调查数据

6.4 2种协调控制方式分析比较

6.5算法实例

6.6结果与分析

7结论与展望

7.1 总结

7.2展望

参考文献

致 谢