毕业设计（论文）-基于多智能体的城市交通信号控制的协调与优化.doc

编号 研究类型分类号 学士学位论文（设计）Bachelors Thesis论文题目基于多智能体的城市交通信号控制的协调与优化作者姓名学号所在院系机电与控制工程学院学科专业名称电气工程及其自动化导师及职称论文答辩时间学士学位论文（设计）诚信承诺书中文题目：基于多智能体的城市交通信号控制的协调与优化外文题目：Based on the multi-agent coordination and optimization of urban traffic signal control学生姓名学生学号院系专业机电与控制工程学院 电气工程及其自动化学生班级学 生 承 诺我承诺在学士学位论文（设计）活动中遵守学校有关规定，恪守学术规范，本人学士学位论文（设计）内容除特别注明和引用外，均为本人观点，不存在剽窃、抄袭他人学术成果，伪造、篡改实验数据的情况。如有违规行为，我愿承担一切责任，接受学校的处理。 学生（签名）：年 月 日指导教师承诺我承诺在指导学生学士学位论文（设计）活动中遵守学校有关规定，恪守学术道德规范，经过本人核查，该生学士学位论文（设计）内容除特别注明和引用外，均为该生本人观点，不存在剽窃、抄袭他人学术成果，伪造、篡改实验数据的现象。 指导教师（签名）： 年 月 日目 录1 绪论11.1研究的背景及意义11.2研究的国内外现状11.3论文的研究内容22智能控制理论的发展22.1模糊逻辑32.2人工神经网络32.3遗传算法42.4蚁群算法42.5粒子群算法52.6多智能体技术53. 城市交通协调控制方式研究63.1城市交通协调控制方式的类型63.2基于多智能体的分布式协调控制系统74多路口协调94.1基于黑板模型的协调控制104.2基于博弈论的协调控制105总结与展望115.1论文的总结115.2研究的展望126 参考文献12致谢14基于多智能体的城市交通信号控制的协调与优化xx（指导教师，xxx 老师）（湖北师范学院 机电与控制工程学院 中国 黄石 435002）摘 要:当前，城市土地资源稀缺，先进的城市交通信号控制系统能提高现有道路的通行能力，改善交通状况，达到疏导交通、保证交通安全、畅通的目的。本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；然后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以及基于博弈论的路口Agent协调机制。关键词: 交通系统、多智能体、遗传算法、博弈论中图分类号:TP18Based on the multi-agent coordination and optimization of urban traffic signal controlxxxx (Tutor：xxxx )(College of Mechatronics and Control Engineering, Hubei Normal University, Huangshi, China, 435002) Abstract: At present, the urban land resources are scarce, the advanced urban traffic signal control system can improve the existing road traffic capacity, improve traffic conditions, traffic, ensure traffic safety and smooth traffic. This paper introduces the method of artificial intelligence application in the field of traffic control of related research status; Then emphatically discusses the Agent single intersection traffic signal control based on genetic algorithm optimization model and crossing Agent coordination mechanism based on game theory.Key words: Transportation system, Multi-agent, Genetic algorithm, Game theory 湖北师范学院机电与控制工程学院2014届学士学位论文（设计） 基于多智能体的城市交通信号控制的协调与优化xx（指导教师，xxx 讲师）（湖北师范学院 机电与控制工程学院 中国 黄石 435002）1 绪论1.1研究的背景及意义当今社会，经济不断发展，城市不断扩建，交通运输量迅速增加，交通拥堵变得更加剧烈，交通事故时常发生，尤其是在一些大城市，制约城市经济发展的关键问题就是交通问题。因为我国人口数量巨大，土地资源有限，受到空间的限制，城市新建和扩建道路的可能性也越来越小。因此，对交通进行科学的组织与管理，充分发挥现存交通网络的通行能力，最大程度上利用已有资源，使交通运输做到有序流动，使这成为解决交通拥堵最主要的方法。此时，智能交通系统(Intelligent Transportation Systems，ITS)由此产生。一方面，它能够提高交通的安全可靠性、运行效率以及效益；另一方面，它还能够促使人们最大化利用土地资源以及能源、改善环境污染，促进国民经济的快速稳定发展。作为 ITS 的重要组成部分，要想改善交通流秩序、提高交通安全性，先进的交通管理系统（ATMS）需要发挥积极的作用。其中，保证城市交通安全、有序、畅通、高效运行的重要途径就是交通信号优化控制。建立基于多智能体的城市交通协调控制正是 ITS 应用中一个有益的尝试。1.2研究的国内外现状城市交通自动控制的开始是交通自动信号灯的发明以及使用。在1926年，英国第一次采用了自动化了的交通信号灯来指挥交通路口的交通，但是在当时的推广应用比较少。1928年，美国休斯顿市创新性的改进了原有的同步系统，于是诞生了“灵活步进式”的定时的系统的出现。1964年，加拿大的多伦多市出现了世界上第一个通过感应控制的交通信号的控制系统，可以说这个系统的诞生在历史上具有里程碑的意义。进入上个世纪七十年代末期，由于计算机技术以及自动控制技术的不断发展，交通流理论的逐渐完善，同时交通优化理论的不断发展，控制的手段和算法也越来越完善和高级，形成了一批具有高水平的/具有实际效果的控制城市道路交通的控制集成系统。其中最具有代表性是英国运输与道路实验室开发的交通控制系统TRANSYT（Traffic Net-work Study Tool）和SCOOT(Split, Cycle and Offset Optimization Technique)，澳大利亚研究的交通控制系统SCATS(Sydney Coordinated Adaptive Traffic System)等。最近几年，人们更深层次的研究了交通系统的规模复杂性以及开放性，并认识到单独考虑车辆和道路是很难彻底解决越来越严重的交通拥堵问题，只有把行人、车辆、道路以及具体环境综合起来加以考虑，同时采用现代的各种高新技术才能从根本上解决交通难题，于是，智能交通系统（ITS，Intelligent Traffic System）应运而生。城市交通信号控制作为智能交通系统的一个重要组成部分，在硬件（传感器、计算机系统）和控制策略选择上都有了很大的改进，除了逐渐改进的SCOOT和SCATS以外，日本的STREAM(Strategic Real time control for Megalopolis-traffic)，德国的MOTION(Method for the Optimization of Traffic signals In On-1ine controlled Network)等一些新的城市交通控制系统相继推出并投入应用中。最近几年来，国内外的研究人员针对交通信号的控制方法也开展了广泛的基础性以及前沿性的研究，很多工作有希望作为下一代的交通控制系统中最核心的方法。通常来说，许多有益的新思想和新方法都是基于交通流的数学模型的交通信号的控制策略给交通控制实践，但计算起来比较复杂，很难满足实时性的要求，并且这种的交通流数，模型假设条件比较强，同时使交通信号的控制算法失去了普遍性。所以，一些控制方法同时也被引入到交通信号的控制中。我们从这个角度出发，许多专家学者利用模糊逻辑、人工神经网络、多智能体技术等理论来研究交通控制的问题。1.3论文的研究内容本文主要是将智能体引入到城市交通信号控制系统中，并从智能体的愿望、意图等心智状态出发研究多智能体之间的协调与合作，以实现城市交通控制系统的动态协调控制。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，提出基于多智能体的分布式城市交通信号控制系统结构，研究如何提高智能体的决策能力，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。研究新的交通信号协调控制方式，不同于集中式控制和递阶控制的传统协调控制方式，建立了多智能体的分布式交通信号协调控制系统，通过将信号控制的主要功能分散到各个路口的信号控制智能体来降低控制算法的复杂度，提高系统的可靠性和智能化。2智能控制理论的发展从理论研究上来看，传统的城市智能交通控制方法是通过对城市交通系统建立一定的数学模型，然后运用最优控制理论来求解控制变量。在这类方法中，为了简化问题和解决某些数学技术上的具体限制，在建模时通常需要对模型进行理想化和一些不确定条件的人为设定，而这些简化与现代城市，尤其是特大型城市的交通系统所具有的非线性、动态时变性等特点是相矛盾的，因此造成了所用最优方法在实际中并非最优，或者面对大规模城市无法对交通数据进行实时有效的计算等缺点。新的技术和方法的引入显得十分必要和非常迫切，计算机的出现和广泛应用促成了人工智能研究热潮的掀起，而这又必然会导致包括系统体系结构及控制策略等各方面的调整和改进。许多专家学者从智能控制的角度出发，利用模糊逻辑、人工神经网络等理论来研究这个问题。2.1模糊逻辑模糊逻辑是一种处理不确定性、非线性等问题的有力工具，它与人类思维的某些特征相一致，因此，嵌入到推理技术中具有良好效果。模糊逻辑不需要获取模型中的复杂关系，不需要建立精确的数学模型，是一种基于规则的智能控制方式，特别适用于具有较大随机性的城市交通控制系统。1976 年，Pappis和 Mamdani就将模糊逻辑用于单路口的交通控制，其仿真结果表明比用传统的控制方法平均减少车辆延误 7%左右。我国学者徐冬玲等人则把模糊逻辑用于单路口信号灯控制，并用神经网络实现模糊控制，仿真表明控制结果合理、迅速。崔宝侠等在双模糊控制器协调控制交通信号的基础上，采用模糊推理来替代函数模型，根据输入输出量的大小改变模糊控制器的输入输出变量的论域范围；该算法更加方便地实现了控制器自调整和自适应，车辆平均延误时间改善 4.68%至 12.24%。当车流量有突变时，改善效果更明显。2.2人工神经网络人工神经网络是模拟生物的神经结构及其处理信息方式的一种算法。它具有自适应、自组织和自学习能力，在认知处理、模式识别等方面有很强的优势，最显著特点是具有学习功能。人工神经网络适用于非线性时变性系统的模拟与在线控制，正适合于交通控制系统这一非线性、时变系统。1991年，Nahatsuji和Terutoshi通过训练的一个神经网络使其给出某单个交叉口的最优绿信比，后来又把研究工作扩展到3个交叉口上。C.J.Barnard等利用BP网络模型，分别以交通流密度和不同相位的绿时作为输人、输出，直接建立起交通模式与信号方案之间的内在联系，从而实现了以交通流最优化为目标的三相位孤立交叉路口的自学习动态适应性控制系统。C.Ledoux则提出了基于神经元网络的实时适应性城市交通信号控制系统的交通仿真模型。许伦辉等针对城市交叉口交通流的分布特点，考虑相邻车道上车辆排队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制，给出一种自适应交叉口多相位控制算法，仿真结果表明，模糊神经网络控制器能有效的减少交叉口平均车辆延误，具有较强的学习和泛化能力。张康等提出了“车流阻塞参数”的概念，用模糊神经网络训练其信号控制规则，仿真结果表明，控制效果有明显提高。目前越来越多的路口采用了多相位信号控制，而且控制规则一经确定就不再改变，即不具备实时学习的功能。因此，对于交通状况复杂的多相位路口，很难取得满意的效果。2.3遗传算法遗传算法是运用仿生原理实现在解空间的快速搜索，广泛应用于解决大规模组合优化问题。它是一种比较先进的参数寻优算法，对于不易建立数学模型的场合其实用价值较为突出，是以同样适用于交通系统。1997年，Kiseok和Michael等应用遗传算法对交通网络内的交叉口信号相位进行设计，在交叉口形成的冲突点，结果显示该方法给出的相位方案要优于TRANSYT给出的方案。同年，C Q Memon等人给出了利用遗传算法进行信号配时方案设计的研究结果。陈小锋针对典型的多车道双向交叉路口的交通流分布，建立四相位控制的动态交通控制模型，采用遗传算法同时对信号周期时长和相位绿灯持续时间进行优化。承向军对到达车辆数目进行模糊分类，将不同数量车辆的信号控制决策方案以规则集形式存储在知识库中，利用改进的遗传算法，对交叉口信号模糊控制器的模糊规则进行优化，建立了新的优化算法。顾榕等将免疫遗传学思想运用到交通信号控制中，提出一种新的相位配时优化算法，将平均延误时间由76.7S降至36.4S，实验结果充分验证了该算法处理交通配时优化问题的可行性和有效性。李艳利用改进的遗传算法对交叉口信号模糊控制器进行优化，建立新的配时优化算法，仿真结果比Pappis方法性能提高了21%。2.4蚁群算法蚁群算法是一种模拟进化算法，它是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。闻育应用蚁群算法搜索各路口的最优信号灯相位序列，对算法复杂度作了理论分析，并通过仿真实验与单路口感应式信号控制技术进行比较，结果表明效果较好，总停车时间降低7.2%。闻育还提出一种基于改进蚁群算法的降阶滚动优化算法，基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解结构图，应用降阶方法将大规模区域分解为一系列子区域，仿真结果显示，区域滚动优化控制比感应式控制的总停车时间下降了8.2%。2.5粒子群算法粒子群优化算法是由 Eberhart 博士和 kennedy 博士于 1995 年提出，是基于对鸟群、鱼群捕食的行为模拟研究而来。同其他基于群智能(Swarm Intelligence)的随机优化算法相比，PSO 算法具有收敛速度快、设置参数少、程序实现异常简洁、具有深刻的智能背景等特点。瞿高峰以交叉口车辆平均延误和停车次数最小为目标，建立信号控制交叉口配时模型，运用粒子群优化算法求解该模型，结果表明比传统方法更优，车辆停车次数略有增加，通行能力略有下降，但停车延误时间大大下降低，由 23.97S 下降至 14.27S。这表明运用粒子群优化算法解决交叉口配时问题是有效和可行的。付绍昌，黄辉先提出在自适应粒子群算法中引入变异算子建立离散交通信号控制模型，以更新粒子群算法的个体极值点和全局极值点，仿真表明该混合算法可解决易陷入局部收敛的缺陷并能有效实现交通信号优化控制。傅惠等提出了基于粒子群优化的城市关联交叉口群信号控制策略，根据粒子群优化思想求解信号控制参数。仿真实验证实，基于粒子群优化的关联交叉口群信号控制策略有效。2.6多智能体技术智能体技术由Minsky在1986年首次提出，一般认为：智能体指驻留在某一环境下，能持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征的计算实体。随着车辆数和城市路网规模的增大，信号控制系统的复杂性增大，同时由于交通流在信息、控制方面固有的分布性，采用多智能体系统构建城市交通控制系统的计算环境已成为交通系统协调控制的热点。国外对智能体在交通中的应用早有报道，如 Burmeister 提出多智能体在交通运输中应用的思路，Roozemond 分析了智能体、神经网络和分布式人工智能在城市交通控制应用的前景和价值，Goldman提出了一个基于多智能体的增量互补学习的路口控制器。Choy 等采用一种复杂的模糊神经网络进化混合系统来构造分层分布式交通控制多智能体系统，各个智能体利用模糊系统的推理能力、神经网络的学习能力来进行实时决策。各层智能体的感知过程能通过在线强化学习进行调整。国内一些学者也对智能体在交通控制中的应用作了一些尝试性研究，马寿峰等提出了单个路口的基于 Q 学习的交通信号控制 Agent，并在此基上研究了基于对策论和社会规则的多智能体协调方法。陶志祥对基于 Agent 的分层递阶控制结构进行了概述。高海军以博弈论为基础，提出了交通控制 Agent之间的区域协调模型及算法。李瑞敏结合城市交通控制与诱导系统集成的特点，研究了基于多智能体系统的城市交通信号控制与动态诱导集成化的系统结构和两类相互作用的智能体模型结构。赵建有等提出了人、车、路、交通管理系统的交通系统 Agent 结构，并提出了路口 Agent区域控制中心Agent主控制中心 Agent 的三级交通控制结构。郭建钢、伍雄斌等提出了基于遗传算法和多智能体技术的交通系统协调控制的建模方法以及建模过程应注意的问题，并实例验证，得到可降低车均延误12%、缩短周期时长 27.2%的结论。刘虹秀等提出了基于多智能体的协调方法，该协调方式能适应实时变化的交通环境，克服传统协调方式通信费用高的缺点。3. 城市交通协调控制方式研究3.1城市交通协调控制方式的类型按照系统信息的和处理方式，城市交通控制系统的结构括集中式控制、递阶式控制、分布式控制三种。图3-1 集中式控制集中式控制系统在控制中心需要设置一台或多台数字计算机，对众多路口实行交通控制可以采用较高级的控制策略，例如方案选择式或方案生成式响应控制，见图3-1集中式控制结构有以下缺点：大量数据的集中处理及整个系统的集中控制，需要庞大的通信传输系统和巨大的存储容量，极大地影响了控制的实时性，并限制了集中控制的区域范围，且系统可靠性较差。递阶控制将整个控制系统分成若干级，每一级都承担不同的控制任务。一般来说，最下级完成战术控制任务，最上级完成战略控制任务。除了最上级外，每一级都有若干控制单元，同级控制单元间的信息交换必须通过上一级进行，见图3-2。在递阶式控制系统中，如果其中一个区域控制中心发生错误，其它区域仍能正常运行，相对于集中式控制来说，提高了系统的可靠性。但其实质是一种扩大了的集中式控制系统，其控制策略仍由控制中心统一制定。图3-2 递阶控制结构分布式控制通过数据的预处理和集中传输，能减少传输费用；由于系统不依赖于一个中心控制或集中的传输机构，系统具有较高的故障保护能力(系统的一部分故障不影响其他部分)，提高了系统的可靠性；能处理实时单元的容量较大(检测器路口信号机等)；控制方法和执行能力比较灵活。3.2基于多智能体的分布式协调控制系统多智能体系统是智能体(Agent)的集合，是当今人工智能的前沿学科，是分布式人工智能研究中的一个重要分支，将智能体技术与城市控制相结合，是解决城市交通智能控制与交通管理研究的方向。城市交通系统作为一个大的复杂系统，能够应用多智能体系统理论将其建造成小的、彼此相互通信及协调的、易于管理的系统。由于多智能体系统所具有的分布性、智能性、灵活性等特性，而且智能体之间可以进行协调和协作，这些特点充分符合了交通信号的分布式协调控制的要求。采取分布式的控制方式，在较低层次上由不同的控制实体Agent来完成对路口的控制，同时保证控制的实时性；在较高层次上形成多Agent系统，每一级控制Agent除了可与上一级进行信息交换外，也可与同级控制单元进行信息交换，通过Agent之间的协调实现更高级的控制目标，形成一个分布式的交通控制系统。因此，将多智能体技术与分布式结构相结合正是解决城市交通控制的一个可行策略。目前，各种分布式控制系统、嵌入式控制系统、基于知识控制系统不断发展，提高控制系统执行级的控制能力，充分发挥系统底层控制单元的控制功能，提高其知识性、智能性已成为当前主要的发展目标。各种专家系统、人工智能技术也不断应用到交通控制中，以提高路口的智能性。英国运输与道路研究所的研究成果表明：只要围绕每一个路口的小区域能够取得一个接近整体最小的 PI 值(性能指标)，那么整个路网范围的 PI 值也是接近“整体最小值”（相对于局部最小值）。根据该结论和目前控制技术发展趋势，基于Agent的城市交通信号控制系统应运而生。该系统可视为一个分布式决策控制系统，从结构上看是一个三层体系结构，每一个层次都代表不同的Agent，各Agent具有各自的功能、信息、目标和任务。它们之间通过消息传递和信息共享，相互协作，达到对交通的控制与管理。虽然该结构与分层式控制结构相似，但从控制原理上却截然不同，该系统将各路口的控制策略制定下放到路口级，每个路口Agent都是一个智能的知识系统，都可以制定相应的控制策略。同一层上的agent可以与其相邻的同类agent进行实时数据通讯，实时进行控制策略的调整，见图3-3。图3-3 基于 Agent 交通信号控制系统结构图中不同层次的Agent具有不同的功能分别如下： 中央Agent是整个系统的最高层，负责整个系统整体的管理、各区域Agent之间的监测工作，具有最高的决策权力，在该层上交通控制系统可与其它交通管理系统相互配合，进行整个城市的交通控制工作。 区域Agent是控制系统的中间层，负责本区域内各路口agent的监控和高层协调工作，也可对所控制区域的某几个路口进行强行的模式设置，以及对区域内紧急事件的处理工作，各区域控制中心之间可根据需要进行通讯，进行信息的交流合作和协调。路口Agent在交通网络中扮演着重要的角色，在路口各个方向的车流在此会聚，并形成车辆的分流、冲突等交通现象，在交通系统中交通的拥挤往往也主要发生在路口。因此，路口Agent是非常重要的一种Agent，它连接着各个路段Agent，是交通网络的中枢，负责各路口的信号控制，可与其相邻的路口进行实时的通讯联系，并根据本路口实时的交通流状况以及周围的交通情况实时自动地对交通信号进行调整，以使控制效果达到最优；同时，对本路口发生的异常情况能实时通知给其相连路口，并能根据需要完成控制中心下达的控制工作，是实现交通控制任务的主要承担者。4多路口协调由大量路口组成的道路网承担着城市交通的主要职能，大中城市的道路交通网通常包含数百甚至数干的路口，如此庞大复杂的交通网络必须通过交通信号控制车流的通行。与单路口的交通信号控制不同，多路口的交通网络存在路口之间交通流的相互影响，仅考虑单个路口的通行问题无法使整个网络达到最佳的通行状态。如何在保证每个路口交通基本畅通的前提下提高路口之间交通信号的协调以增加整个路网的通行能力是交通信号控制的关键。 “绿波带”控制是当前交通控制追求的一种理想状态，即通过调整公共信号周期和相临路口的相位差，使大多数车辆到达各个路口时都能遇到该行驶方向的绿灯相位。网络绿波带控制虽然考虑了路口之间的协调问题，但实现条件比较苛刻。首先，相邻路口之间的距离不能过大，一般应在800米以内；其次，由于所有路口采用相同的信号周期，因此，每个路口的交通流量应该相近；最后，区域内行驶的车辆应以特定的速度行驶其中第二个条件在多数城市的道路交通中是很难实现的。目前，协调方法分为两类：一类是将其他领域(如博弈论、经典力学理论等)研究多个实体的行为和技术应用于多智能体协调与合作；另一类则是从智能体的愿望、意图等心智状态出发研究多智能体之间的协调与合作。4.1基于黑板模型的协调控制各个路口控制智能体之间采用黑板模型训进行协调。承向军对黑板模型协调进行了分析，相邻的智能体都有共享的黑板，智能体将各自路口的车辆信息和在当前车辆数据下的中间控制方案记录到共享黑板上，每个智能体根据共享黑板的最新信息再制定新的中间方案，直到最新的中间方案与前一个中间方案相同，则该方案为下个周期的信号控制方案；或者最新的中间方案与前一个中间方案不同，但本信号周期的时间结束，则最新的中间方案就自动成为下一个周期的信号控制方案，这一过程的内在机理见图4-1。图4-1 Agent 之间的协调机制4.2基于博弈论的协调控制随着分布式问题求解方式和多智能体技术的发展，人们开始探讨交通信号的分布式控制问题，在交通控制系统中，路口相距很近,所有的路口Aegnt和区域Aegnt都有着共同的全局目标和自己的局部目标，即尽量使得整个交通畅通和使本路口交通畅通或本区域交通畅通。而路口Agent之间、路口Agent与区域Agent之间是相互影响、相互作用的。每个Agent的决策必然要受到另一些Agent策略选择的影响，Agent之间必然会发生一定程度的冲突。因此，如何协调多个Agent的行为，使多个Agent协同工作成为整体是多智能体系统的研究重点，其协调机制对多智能体系统的性能有很大的影响。采用博弈论的方法分析Agent之间的合作与冲突机理，建立区域协调模型来协调相互关系，实现博弈均衡，能很好的实现整体交通通畅这一全局目标。整个协调过程分为 2 个层次，首先是路口 Agent 与其相邻的路口 Agent 之间的协调；其次是是区域 Agent 与路口 Agent 之间的协调，整个协调过程见图4-2。图4-2 路口 Agent 协调过程5总结与展望5.1论文的总结目前信号交叉路口信号协调控制控制的研究，虽然取得了许多成果，但还有一定局限，在某些方向的研究尚不够深入。大部分采用确定性的分布而没有考虑其随机性，而在交通现象中随机性是一个非常重要的特性；就研究对象而言，大多数是以单独的交叉路口为研究对象，少数是以两个路口为研究对象；从研究相位来讲，大多数采用两相位；在智能化方面，采用智能算法优化来分析信号控制的不多。本文针对以上几方面的不足作了部分改进，进行了一些探索主要集中在以下几个方面：(1)建立了基于遗传算法的单路口Agent模型； (2)提出了多智能体的分布式协调控制结构，可以使控制系统模仿人类进行学习和智能决策，根据交通流环境以及评价信号值的变化对控制策略进行实时自适应的调整。本文构建“自下而上”的分布式控制系统，将控制权下放给路口级，相邻Agent之间是相对独立的，但也存在协作关系，可以更好的适应交通系统复杂性、实时性的特点，有利于今后智能交通系统的发展； (3)提出了基于博弈论的多路口协调控制算法；克服传统主干线协调控制算法难以满足三个前提条件的局限性； 5.2研究的展望交通拥挤首先反映在交叉口，如何赋予交叉口控制方式一些新的策略，使之能对于大量的交叉口进行行之有效的控制，最大限度地减少延误、提高其通行能力及交通安全，对解决我国目前城市交通问题有着非常现实的意义，也可为多路口协调控制的研究提供思路和方法。 基于多智能体的分布式交通信号协调控制系统最大的优势在于采用分布式的控制结构，通过相邻路口信号控制智能体之间的信息交流和协作行