智能交通环境下的Multi-Agent的交通仿真研究

于 海 熊 军

(天津市市政工程设计研究院道桥分院，天津 300051)

智能交通环境下的Multi-Agent的交通仿真研究

于 海 熊 军

(天津市市政工程设计研究院道桥分院，天津 300051)

在总结智能交通Agent技术的基础上，把Multi-Agent 仿真应用于无信号交叉口的车流引导中，并以Netlogo语言为开发平台进行了系统的建模、仿真与评价，探讨了具体采用Multi-Agent技术进行交通仿真的方法，为Agent技术的研究奠定了基础。

智能交通，Multi-Agent，交通仿真，信号

0 引言

交通引发的一系列问题正引起世界各国的高度重视，其中，如何更好地缓解交通拥堵，提高通行效率，降低环境污染，是当今学者着重研究的问题。在探索解决交通问题的途径中，人们开始逐渐应用高新技术来改变传统的交通控制与管理的方法，进而提出了“智能交通系统”这一概念。在智能交通环境中，要使人、车、路等不同的子系统互相协作，有力配合，就必须引入可以拥有自主行为的智能单元体作为各个系统的承载体。Agent作为一种智能的实体，拥有不同的层次，具体应用到交通领域中，可将智能交通系统中的各个子系统看作不同的Agent，使整个智能交通系统达到协调运行的目的。

对于Agent仿真的进展，目前国内外有许多研究机构都在积极开展这方面的研究。当今国内外的主流研究方向有：行为协调的学习、Agent间的相互学习以及学习和通信的关系这三个方面。环境中的Agent见图1。

1 Multi-Agent系统技术特点与仿真需求

Multi-Agent特征：所谓Multi-Agent系统就是由许多Agent组成的系统，但并不是简单的迭加，而是有机的组合。该系统具有通信机制和协调机制等重要特性。其中每个Agent可以与特定的一些其他Agent进行信息交换。Agent根据事先设定的规则、标准和方式，对实际发生的资源冲突、目标冲突等进行协商和协调，最终达到维护系统整体利益的效果。

传统的研究方法往往用某些纯数学的手段，来宏观地刻画复杂系统。这种自上而下的方法对复杂系统初期的研究做出了重要贡献。但是，随着对复杂系统研究的深入，只从宏观上刻画复杂系统是远远不够的。这种自上而下的方法将复杂系统中所有个体都看作是同类，并因此忽略了个体的局部特征，所以使得该方法并不能刻画一些局部的行为。

而基于Multi-Agent的复杂系统，首先根据所要研究的系统或现象定义单个的Agent，给其赋予一定的行为和参数，然后定义Agent 之间以及Agent与其环境之间的交互规则。通过Agent之间的交互来模拟所要刻画的系统或现象。这种自下向上的方法自产生以来便得到了很成功的应用，很好的解决了传统方法存在的问题，更加适用于研究现存复杂多变的交通控制系统以及需要大量信息交互的智能交通系统。

2 Multi-Agent仿真系统设计

2.1 仿真系统的需求分析和功能设计

本文所涉及的仿真评价系统，是在无信号交叉口的环境中，引导次路车辆穿越主路的仿真系统。

该引导系统是为无信号交叉口次路驾驶员设计的，协助其高效地完成穿越主路的车辆间隙，安全度过交叉口冲突区。系统依托于智能车路环境，应用临界间隙理论，完成了包括引导方案制定、图像仿真界面、可扩展程序设计等，使程序可以满足后续开发等功能需求。

研究所涉及的仿真系统满足以下要求:

1)实现引导方案的决策功能。

主要应用于特定的交通环境、信号规则、人车信息的条件下，引导策略和引导方案的制定。

2)实现引导系统的评价功能。

针对引导系统提出的引导策略和引导方案，仿真系统根据次路交叉口通行能力、排队延误、排队长度等指标对引导系统进行评价，证明其优越性。

3)实现算法参数的标定功能。

针对模型算法中参数，如调速区长度、虚拟停车线的位置等进行标定。以次路通行能力、延误为指标进行衡量，标定出最为合理的设置方案。

4)实现可视化的仿真效果。

仿真系统的输入在后台完成，输出的引导方案和车辆行驶状况在前台展示。仿真系统要实现路段、交叉口、车辆的可视化仿真效果，直观精确地表达引导系统的工作原理。

2.2 仿真系统总体结构

根据仿真系统的需求分析和功能设计，得到仿真系统的总体结构，如图2所示。

该结构中各主体之间的具体关系为：

1)仿真者与仿真主体。仿真者与仿真主体为开发与被开发的关系，仿真者通过人机交互界面设定、开发仿真主体。反过来，仿真主体的运行效果影响仿真者的设计，达到反馈调节。

2)仿真主体与仿真界面。仿真主体的活动和运行效果通过仿真界面呈现给仿真者。

3)仿真主体与结果输出。仿真主体的活动经过程序的记录、分析，并通过具体指标(通行能力、排队延误、排队长度等)形成仿真结果，呈现给仿真者。

4)仿真主体与交叉口、路段、引导策略。交叉口、路段、引导策略为仿真主体的三个对象，它们的成员变量与成员函数预先定义好存储在仿真系统中，无返回值调用。

5)仿真主体与交叉口仿真模型、路段跟驰模型。交叉口仿真模型即系统模型算法，路段跟驰模型采用非线性模型。二者是仿真主体的预存储过程，在仿真过程中直接由仿真主体调用。

6)仿真主体与交叉口车辆、路段车辆。交叉口车辆和路段车辆为仿真主体的两个主要对象，它们的成员变量与成员函数预先定义好存储在仿真系统中，有返回值调用。

2.3 仿真系统中各Agent类的设计

作为仿真对象的无信号交叉口次路车辆穿越引导系统中的Agent类，由车辆、路段、交叉口、引导策略等组成，具体见表1。

表1 Agent类的成员变量和成员函数

2.4 仿真环境及语言的选取

仿真系统选择NetLogo语言作为无信号交叉口车辆穿越引导系统的仿真环境。

如图3所示，横向黑线代表交叉口冲突区的时间轴，从车辆到达交叉口到驶离交叉口所占用的时间以两个数组形式嵌入该时间轴，前车的驶离时间和后车的进入时间差在交叉口冲突区的时间轴上显示为不连续的时间段。竖向黑线同样代表交叉口冲突区的时间轴，但显示的是被次路来车的预计抵达交叉口和预计驶离交叉口的时间占用情况，引导系统通过判断次路来车的情况从横向时间轴被割裂剩余的不连续时间段中分配给次路来车，横竖时间轴中对应情况如图中虚线所示。

NetLogo具有出色的图形输出能力，可通过语言编程输出大量数据，并可导出csv格式数据，便于使用Matlab等计算工具对仿真数据进行分析，包括交通量、延误、单车位置速度关系图等。

3 仿真结果对比

通过以上系统的仿真试验，得出图4两个延误参数的比较。可以看出，当使用无信号交叉口车辆穿越引导系统后，在主、次交通量较低的情况下，能够很大程度上减少交叉口的平均延误和停车次数。而决定延误的主要因素由主路交通量转移到次路交通量。

另外，向两个系统同时输入同一股车流，通过对比发现：在交通状况完全相同的状况下，引导系统的车辆采取了引导系统给予的不同的行车策略，提高了效率。

4 结语

传统的交通流仿真软件，如vissim等，都是通过对交通流设定不同的参数来实现系统的评价。因此，就无法实现对驾驶员的个性化引导，以及评定系统的优越性。而通过应用Multi-Agent理论，可以实现车辆Agent，路段Agent和引导策略Agent的仿真，并有效地提高了无信号交叉口的行车效率，减少交通延误。

综上所述，Agent技术的出现为进行交通问题研究提供了理想的解决途径，基于Agent的智能交通的研究方法正在兴起，我国目前对采用Agent技术进行交通问题研究也是刚刚开始，许多问题有待于进一步深入地研究。

[1] 陆化普.城市交通现代化管理[M].北京:人民交通出版社，1999:16-23.

[2] Burmeister B,Haddadi A,Matyli S G.Application of multi-agent systems in traffic and transportation[J].IEEE Proceedings Software Engineering,1997,144(1):51-60.

[3] 龙 瀛,沈振江,毛其智.城市系统微观模拟中的个体数据获取新方法[J].地理学报,2011,66(3):416-426.

Research on Multi-Agent traffic simulation under intelligent traffic environment

Yu Hai Xiong Jun

(BridgeBranch,TianjinMunicipalEngineeringDesignandResearchInstitute,Tianjin300051,China)

Based on summing up the intelligent transportation Agent technology, applied the Multi-Agent simulation to traffic flow guidance without signal intersection, and made system modeling, simulation and evaluation taking Netlogo language as development platform, discussed specific methods using Multi-Agent technology to traffic simulation, laid foundation for the research on Agent technology.

intelligent transportation, Multi-Agent, traffic simulation, signal

2015-01-08

于 海(1987- )，男，助理工程师； 熊 军(1982- )，男，高级工程师

1009-6825(2015)09-0142-02

U121

A