基于多智能体的城市智能交通控制系统设计

基于多智能体的城市智能交通控制系统设计

引言

1 国内城市交通现状及面临的问题

面临的问题是：车型种类繁杂、混合交通严重;自行车等非机动车数量惊人;城市布局和交通不相适应;出行方式单一、没有选择余地;步行困难、事故多发。

2 城市交通控制的目的和意义

(1)减少交通事故，增加交通安全。通过实施交通控制，可以把发生冲突的交通流从时间和空间上进行分离，从而减少交通事故，增加交通安全。

(2)缓和交通拥挤，提高交通效益。合理的交通控制，可以对交通流进行有效的引导与调度，使城市交通流保持在一种平稳的运行状态，从而避免或减缓交通拥挤，缩短在路车辆的交通延误，提高交通运输的整体效益。

(3)减少环境污染，降低能源消耗。实施良好的交通控制，可以减少在路车辆的停车次数，保持车辆在较佳的状态下运行，大大减少尾气排放和能源消耗。

3 城市交通控制系统的分类

城市道路交通控制系统可以从不同的角度进行分类，这里分别从空间关系、控制方式上对城市道路交通控制系统简单分类。

3.1 按空间关系划分

从空间关系上可以把城市交通系统分划为单交叉口控制(点控制)、交通干线的协调控制(线控制)和区域交叉口的网络控制(面控制)三种形式。

(1)单个交叉口的点控制

单个交叉口的点控制是一种最基本的控制方式。孤立交叉口点控制的控制参数是信号周期和绿信比，控制的目标一般是车辆延误和交叉口的通行能力。在理想的情况下，希望总延误时间最小和交叉口的通行能力得到最大的利用。由于点控制的设备简单、投资省、维护方便，至今仍是应用较多的一种信号控制方式。从技术上讲，它又分为离线点控制和在线点控制两种形式。前者采用定时信号配时技术，目前仍然是其他控制方式的配时基础;后者是交通响应控制或车辆感应控制，它是根据交叉口各个人*通流的实际分布情况，合理分配绿灯时间到各个相位，从而满*通需求。

(2)干线交通的协调控制

当一列车队在具有许多交叉口的一条干线上行驶时，协调控制使得车辆在通过干线交叉口时总是在绿灯开始时到达，因而无需停车即可通过交叉口，形成一条交通流的绿波带。绿波控制能有效提高车辆行驶速度和道路通行能力，确保道路畅通，减少车辆在行驶过程中的延误时间和能源消耗。干线交通协调控制的控制参数是周期长度。绿信比和相位差，控制的目标一般是车辆的平均延误和停车次数。干线信号协调控制方法的设计流程图如图1所示。

3.2 按控制方式划分

按控制方式可以把城市道路交通控制分为定时控制、感应控制、自适应控制和智能控制几种类型。

(1)定时控制

定时控制方式以历史交通流数据为依据，找出每个日/周和时间段的不同交通流变化规律，用人工方法或计算机仿真等手段预先准备好不同日/周和不同时间区段内使用的配时方案，它属于开环控制，不易根据车流状况实时调整控制方案。由于定时控制对交通信号机的要求低，无需实时交通量的检测，因而仍然是目前城市道路交通系统中应用较为广泛的一种控制策略。

(2)感应控制

(3)自适应控制

自适应控制是根据检测到的有关道路交通信息，并基于预测模型预测到的未来交通需求，从系统信号配时方案库中选择相应的优化方案，或实时计算产生相应的优化控制方案实现交通自动控制。

(4)智能控制

严格意义上讲，智能控制不仅仅是交通信号的控制，而是整个交通系统的控制，即智能交通系统。智能交通系统是交通控制的最高层次，它将先进的信息技术、数据通讯技术、检测传感技术、自动控制理论、运筹学、人工智能和计算机及其网络等一系列高新技术综合运用于交通运输各个子系统，从而建立起一种大范围、全方位发挥作用的实时、准确、高效的交通运输综合管理体系。智能交通系统把人、车、路和环境等交通运输系统的各个环节有机整合，从而使车、路的运行功能一体化和智能化。智能交通系统是解决交通问题的必由之路，安全、高效、环保、低耗、快捷、舒适的绿色交通是智能交通的发展方向。

4 城市智能交通控制系统设计

智能是一种应用知识对一定环境进行处理的能力，或对目标准则进行衡量的抽象思考能力。另一种定义是在一定环境下针对特定的目的而有效地获取信息、处理信息和利用信息从而成功达到目的的能力。智能交通系统，是利用人工智能的理论和方法，解决交通问题的综合系统。人工智能近年发展的成果，为智能交通系统的研究提供了坚实的理论基础，可以利用这些成果解决传统方法无法解决的问题。这是因为：一方面交通系统是结构复杂、影响因素多、随机性很强的系统，利用数学方法解决交通问题的难度很大，所建立的模型往往过于复杂，难于求解，同时也很难用一种或几种模型来概括交通流系统的多样性。另一方面，交通系统又是一个动态的时变系统，交通管理与控制的实时性要求非常高。因此，从实际情况出发，基于数学描述的交通管理控制方法难以满足在线实时控制的要求，可操作性较差。而人工智能的方法，借鉴人类求解问题的方法，通过知识的表达、推理和学习解决复杂的问题，将以往用纯数学来描述交通系统转变为用知识或知识与数学模型相结合来描述。通过逐步适应环境的学习能力，来不断提高管理和控制效果。

多智能体系统是当今人工智能中的前沿学科，是分布式人工智能研究的一个重要分支，其目标是将大的复杂系统建造成小的、彼此相互通讯及协调的、易于管理的子系统，通过子系统的自治能力和相互协调能力来解决复杂系统控制问题。城市区域交通网络由于其道路交通规模的复杂性和交通流动态特性的实时性，使得将多智能体系统应用到城市交通网络控制学比较关注的研究课题。本文在此基础上设计出城市智能交通控制结构图，如图3所示。

图3中，左边为基于多智能体的城市交通流系统，右边为信号控制系统。在交通模型中，路段智能体既具有单个路段流量实时更新的能力，又能够为相连接的信口提供交通流数据，以进行和优化信号配时;根据上级区域交通流信息进行车流调控，同时通过路口与其他路段进行数据交换;与其相对应的信号控制模型中，根据段智能体提供的信息，进行信号配时，并协调路段之间交通流的动态平衡。

5 结语

智能交通系统是一个涉及面广、综合各种高新技术的研究领域。限于篇幅，本文仅从城市智能交通控制角度论述了一些提高城市道路安全的措施，而未从车辆和司乘人员的角度来开展研究。提高智能交通系统的整体水平需要各行业协调发展，才能共同促进城市交通水平的提高。