基于多智能体的城市交通仿真研究
2022-06-09
摘要：多智能体模型是一种研究社会、经济、生态等复杂系统的动态研究方法，交通系统是一个具有随机性、动态性和自适应性等特征的开放的复杂系统。因此以多Agent技术为手段结合交通系统的组成和复杂性特征，利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，可以让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。借助Netlogo软件平台，利用TrafficGrid模型仿真研究了有人参与的交通仿真实验，获取了随着时间变化的车辆平均速度、平均等待时间等数据，根据其变化曲线为建设低碳交通和智能交通系统（ITS）提供决策。
关键词：多Agent;交通仿真;TrafficGrid模型;Netlogo
1引言
交通仿真是20世纪60年代以来,随着计算机技术的进步而发展起来的采用计算机数字模型来反映复杂道路交通现象的交通分析技术和方法。从试验角度看,道路交通仿真是再现交通流时间和空间变化的模拟技术，交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用。利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。多主体模型基本思路是：由于人类社会是由大量的个体构成的复杂系统，因而在计算机中建立每个经济实体的个体模型，这样的计算机中模型被称为Agent；然后让这些Agent遵循一定的简单规则相互作用；然后通过观察这群Agent整体作用的涌现性找到人工社会的规律，并用这些规律解释和理解人类社会中的宏观现象[1]。
文中以TrafficGrid模型为基础，仿真研究了交通系统从而得出停着的车辆数量，平均等待时间等曲线，为城市规划和决策者提供了数据。
2多主体建模
主体（Agent，也有人译为智能体、代理）和多主体系统（Multi-AgentSystem,MAS）是随着分布式人工智能的研究而兴起的。“主体（Agent）”一词一般用来描述自包含的（self-contained）、能感知环境并能在一定程度上控制自身行为的计算实体[2]。人工智能学者Minsky在1986年出版的著作《思维的社会》（TheSocietyofMind）[3]中提出了Agent，认为社会中的某些个体经过协商之后可以求得问题的解，这些个体就是Agent。Agent至少应具备以下几方面的关键属性：①自主性：Agent具有属于其自身的计算资源和局部于自身行为控制的机制，能在无外界直接操纵的情况下，根据其内部状态和感知到的（外部）环境信息，决定和控制自身的行为。②交互性：能与其他Agent进行多种形式的交互，能有效地与其他Agent协同工作。③反应性：能感知所处的环境，并对相关事件做出适时反应。④主动性：能遵循承诺采取主动行动，表现出面向目标的行为。⑤推理和规划能力：Agent具有学习知识和经验及进行相关的推理和智能计算的能力。
多Agent系统（MAS）由多个自主或半自主的智能体组成，每个Agent或者履行自己的职责，或者与其他Agent通信获取信息互相协作完成整个问题的求解。与单Agent相比，MAS有如下特点：①社会性：Agent处于由多个Agent构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。②自制性：在多Agent系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。③协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。
3仿真模型
3.1总体结构
道路交通系统包含很多相互关联的实体，主要有道路（分为路段和交叉口）、信号控制设施、车辆、驾驶员、行人等。这些实体有的具有一定程度的自制性和智能性，如驾驶员、行人等，有的是被动的受其他实体的影响，如路段等。多主体技术能够对交通系统中的各要素进行建模[4]，如交叉口、信号灯、交通控制中心等，对这些要素进行简化，建立多主体概念模型。主要Agent有交通路网Agent、车辆Agent、信号灯Agent，其中交通路网Agent参考1979年Herman等[5]提出的二流模型（Two-fluidModel）,该模型认为交通流有运行车辆与停止的车辆组成。
路网描述：交通路网是道路交通系统的基础设施，承载着车辆的运行。交通路网具有复杂的拓扑结构和集合特征，如果过于复杂则计算负载过重，故分为路段、路网、交叉口三次层管理，路网Agent负责存储维护整个交通路网的拓扑关系，为交通实体提供路网信息。路段Agent负责本路段的描述，交叉口Agent包含信号灯对象实现各入口车道交通流的时间分离，一个路段一个车道。
信号灯结构：信号灯是重要的交通控制设施，它实现对交叉口不同流向的车辆进行时间分离，减少车辆之间可能的冲突，改善交通安全，提高交叉口流通效率。信号灯控制从本质上看，是一个典型的复杂适应系统，国内外相关学者对信号灯控制已做出大量研究，也产生许多控制方案，但都有相应的局限性，也普遍存在着鲁棒性差、不易扩展、计算复杂等缺点[5]，本模型从计算简单出发统一管理信号灯，一次初始化好时间间隔。
关键词：多Agent;交通仿真;TrafficGrid模型;Netlogo
1引言
交通仿真是20世纪60年代以来,随着计算机技术的进步而发展起来的采用计算机数字模型来反映复杂道路交通现象的交通分析技术和方法。从试验角度看,道路交通仿真是再现交通流时间和空间变化的模拟技术，交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用。利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。多主体模型基本思路是：由于人类社会是由大量的个体构成的复杂系统，因而在计算机中建立每个经济实体的个体模型，这样的计算机中模型被称为Agent；然后让这些Agent遵循一定的简单规则相互作用；然后通过观察这群Agent整体作用的涌现性找到人工社会的规律，并用这些规律解释和理解人类社会中的宏观现象[1]。
文中以TrafficGrid模型为基础，仿真研究了交通系统从而得出停着的车辆数量，平均等待时间等曲线，为城市规划和决策者提供了数据。
2多主体建模
主体（Agent，也有人译为智能体、代理）和多主体系统（Multi-AgentSystem,MAS）是随着分布式人工智能的研究而兴起的。“主体（Agent）”一词一般用来描述自包含的（self-contained）、能感知环境并能在一定程度上控制自身行为的计算实体[2]。人工智能学者Minsky在1986年出版的著作《思维的社会》（TheSocietyofMind）[3]中提出了Agent，认为社会中的某些个体经过协商之后可以求得问题的解，这些个体就是Agent。Agent至少应具备以下几方面的关键属性：①自主性：Agent具有属于其自身的计算资源和局部于自身行为控制的机制，能在无外界直接操纵的情况下，根据其内部状态和感知到的（外部）环境信息，决定和控制自身的行为。②交互性：能与其他Agent进行多种形式的交互，能有效地与其他Agent协同工作。③反应性：能感知所处的环境，并对相关事件做出适时反应。④主动性：能遵循承诺采取主动行动，表现出面向目标的行为。⑤推理和规划能力：Agent具有学习知识和经验及进行相关的推理和智能计算的能力。
多Agent系统（MAS）由多个自主或半自主的智能体组成，每个Agent或者履行自己的职责，或者与其他Agent通信获取信息互相协作完成整个问题的求解。与单Agent相比，MAS有如下特点：①社会性：Agent处于由多个Agent构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。②自制性：在多Agent系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。③协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。
3仿真模型
3.1总体结构
道路交通系统包含很多相互关联的实体，主要有道路（分为路段和交叉口）、信号控制设施、车辆、驾驶员、行人等。这些实体有的具有一定程度的自制性和智能性，如驾驶员、行人等，有的是被动的受其他实体的影响，如路段等。多主体技术能够对交通系统中的各要素进行建模[4]，如交叉口、信号灯、交通控制中心等，对这些要素进行简化，建立多主体概念模型。主要Agent有交通路网Agent、车辆Agent、信号灯Agent，其中交通路网Agent参考1979年Herman等[5]提出的二流模型（Two-fluidModel）,该模型认为交通流有运行车辆与停止的车辆组成。
路网描述：交通路网是道路交通系统的基础设施，承载着车辆的运行。交通路网具有复杂的拓扑结构和集合特征，如果过于复杂则计算负载过重，故分为路段、路网、交叉口三次层管理，路网Agent负责存储维护整个交通路网的拓扑关系，为交通实体提供路网信息。路段Agent负责本路段的描述，交叉口Agent包含信号灯对象实现各入口车道交通流的时间分离，一个路段一个车道。
信号灯结构：信号灯是重要的交通控制设施，它实现对交叉口不同流向的车辆进行时间分离，减少车辆之间可能的冲突，改善交通安全，提高交叉口流通效率。信号灯控制从本质上看，是一个典型的复杂适应系统，国内外相关学者对信号灯控制已做出大量研究，也产生许多控制方案，但都有相应的局限性，也普遍存在着鲁棒性差、不易扩展、计算复杂等缺点[5]，本模型从计算简单出发统一管理信号灯，一次初始化好时间间隔。