（交通运输规划与管理专业论文）基于多智能体的分布式交通信号协调控制研究.pdf

北京交通大学博十论文 摘要 城市交通系统是一个具有随机性的大规模动态系统。现有的集中式信号控制 方式不仅在处理海量数据、控制的可靠性和整体优化方面存在不足，而且实时控 制的效果不能令人满意。目前，包括模糊控制、神经网络控制、分层递阶控制、 集成控制和基于知识的控制等多个研究分支的智能化信号控制的研究已经引起 了有关专家、学者的广泛关注。特别是基于智能体的信号控制方法已经成为研究 热点之一，这方面的概念模型、单路口控制模型、干线控制方法和路网控制方法 都有相应的研究进展，但是，基于多智能体的分布式路网信号控制目前处于研究 的起步阶段，许多相关问题有待解决。 本文从单路口交通信号控制入手，将具有感知和反应特点的信号控制智能体 作为路口信号控制器，通过对到达车辆的模糊聚类处理形成对路口交通状态的定 量描述，根据交通控制规律和经验建立面向各种交通状态的信号控制规则集，以 总停车延迟时间作为交通控制的优化指标，采用遗传算法对信号控制规则进行编 码，在整个信号过程中使用不同的规则组合进行信号控制，淘汰控制指标较差的 控制方案，对信号控制规则集进行持续的改进。建立了一种具有学习能力的单路 口交通信号控制模型。为验证该模型的有效性，采用8 个不同的交通量对一个双 向4 车遭的信号控制十字路口进行了仿真实验。仿真结果表明，在相同条件下， 这种交通信号自学习控制方法的总停车延迟时间比定时控制方式平均减少 2 8 o ，比感应式控制方式平均减少1 5 1 。在自学习效果方面，随着时间的推移， 使用该方法产生的总停车延迟时间呈下降的趋势，经过不到1 0 0 代方案，控制效 果就基本趋于稳定，此时，总停车延迟时间比初始方案平均减少6 2 。 针对城市交通路网的实际情况，文中借鉴多智能体系统的概念和方法，建立 了基于多智能体的分布式交通信号协调控制系统( d t c m a s ) 。整个控制系统不设 控制中心，每个路口的信号控制由本地智能体相对独立地完成。同时，通过相邻 智能体间的信息交流及协作配合，提高相邻路口信号控制的整体效果。由于智能 体都包古知识库和推理机制，使用这种具有自主性、主动性、交互性的智能体控 制路口信号，不仅充分考虑了相关车队信息和周边路口的交通状况，兼顾到路网 交通控制整体优化的实现，而且大大降低了控制算法的复杂度。因此，对于大城 市、特大城市的大规模城市交通网，这种基于多智能体的分布式交通信号协调控 制系统，在实时控制效果方面具有相当的优势。 她豪交避大学辩圭论文 为了验诞基于多错能体的分布式交通信号协调控制系统的辩程性莘鞋有效性， 编制了捐虚瓣多黠霜交逶控涮擞鼹傍囊软 孛，蜜褒了对车辆的跟骢、分流、食瀛、 避路交叉鞋的避让、转弯、挨遴等行为麴模攘，劳果熠二维动蕊按本，全程动态 器示交遥控测串翡车辆行驶遵程。采掰该较徉，对一个由8 个瘸翻缀成靛交道两 分爨矧8 中不潮的交避爨进孪亍交递控制翡仿真寞验，跑较了嫠予多餐熊体静分布 式交通信号协调控翻与其袍控涮方法的控制效巢。钫真结采表鞠，在栩同的条件 下，这释分布式交通傣譬协灞羧籀方法豹慈停车延遴时间眈定时控辎方式平均减 少3 7 8 ，比感应式控锗l 方式平均减少1 7 8 。 专门构造了糟于形式纯擒述多智能俸系统的m + 语富，糟予建立鍪于多智髓 体的交通控制模型。该符号系统以集合论作为袭述框架，将z 语言的格式作为形 式仡摘遮的鏊奉形式，使用b d i 模型作为描述橱能体内部缭梅的参考模型，剥用 “演算的描述对蒙作为描述糟能体之间交互作用的组成部分，储鉴d m a r s 系统 中对甥懿钵内部推理过攘鲍攒述方式，在提蠛秘整台这揍形式化模趔的基础上， 增加对多智能体系统组织结构和环境特矩的描述，使之成为一种描述基于多锷能 体豹交邋信号控剁系绞缌织缀构、智魃髂之阙交互据鹰、警蕤髂内部缭援嚣琢辘 主要特征的通用化符母系统。m 符号豢统簏洼、系统、抽象蟪描述了d t e 淞s 模 裂，势霹l i 圭终菇该攘型遴一莎深扰帮扩展弱建摸王其。_ | 迦癸，它还为萁褪学者建 立分瘫式交邋售嚣控制模型提供了可数倦鉴的撰述工舆。 关键调：城枣交遥控糕，多智熊蒋系统，努毒式控粼，遴镥簿法，变j 蓬整麴镞臻傍粪 u 北京交通大学博士论文 第1 章概论 1 1 选题背景 当今，我国经济高速发展，城市化进程加快，车辆保有量迅速增加，城市交 通问题日益引起人们的关注。特别是在大中城市，交通堵塞现象时常发生，返不 仅影响城市的正常运转，也明显降低了人们口常的工作效率。寻找更有效地疏导 城市车辆、减少堵塞的交通控制方法是一项具有巨大现实意义的工作。 1 1 1 城市交通控制的特点 城市交通系统拥有大量车辆、路段、路口，车辆的产生地点、数景和行驶路 线具有随机性。对这样一个规模庞大、动态和具有高度不确定性的系统进行有效 的控制是一件十分复杂的工作。 城市交通控制的特点是与城市交通固有特性密不可分的，特别是大中城市交 通网的构成已经从平面向空间发展，立交桥、快速干道和交通枢纽构成城市交通 网的基j ；串= 立体架构，众多支路和辅路形成城市交通系统的网状脉络。交通控制措 施随着路网的发展而不断丰富，例如，单行、禁左、左转相位、路口行驶线、公 交专用道等，这些措施在现有道路条件下有效提高了路段或路口的通行能力。 大中城市交通系统内的路口和路段分布在广阔的地域内，控制系统必须对行 驶在路段和通过路口的车辆进行有效的实时控制，因此，城市交通控制系统需要 在控制算法的复杂度与控制效果之间找到一个满意的平衡点。也就是说，对实际 交通状况进行过多近似处理而建立的控制优化模型，虽然算法复杂度不会因为路 网规模的扩大而快速增加，但是控制效果往往不理想；为了提高控制效果，采_ e j 数学方法建立更接近于实际情况的路网整体优化模型，会由于路网规模的扩大而 使模型中的变量和约束方程数量急剧增加并导致算法复杂度呈指数上升，使得在 合理的时问内无法得出最优解，反而会降低控制效果。由此可见，城市交通系统 的巨大规模要求城市交通控制系统必须采用适当复杂度的控制算法模型。 其次，城市交通系统是一个动态系统，绝大多数时间里都有车辆行驶在道路 上，车辆的数量和位置随时会发生变化。针对城市交通系统的这个特点，为了实 现良好的控制效果，信号控制模型应充分考虑实时交通信息，并设置相应的车辆 检测装置，根据实时交通数据制定相应韵控制方案。 检测装置，根据实时交通数据制定相应的控制方案。 l 北京蛮迥本警帚士诏墨 囊霎然雾薹墓鬟羹羹錾羹羹蓁鋈羹蘩蓁 嵯潜摆i 缈引划霸蠡离格p6 羹子；粤孵磊m 曼蠹誊争斟管拳虿壁鸢h 鋈静 睦；穑措撞鳘鬲譬穗鲤罗蘸臻耐曜露靠。氨嚣引掣裂妻鞫鲫懿蜊蠹稚一蟛醵叫酣 鲤；粥馏吃喾兹凹妻少矧 萋妻强碡蜀嘣像情乍瘟型誊譬蠹誊鬈i 孽，l 鍪冀囊翮蠹薹霪鍪 豇札蓼i 琶| ! | 羹坊搪薹魁弼硎算绪堤供依据鹎肴而群黔蹦姜二醵墅替螺型蓬 孺谲崩倦埕& i 2 ；。4 ，每茬托瓤争蠹手j 疵蠹引掣般：布裂墨岔龉曙矬班掣堪滢； 础描堡蔷黑皂翟媸裂描誉必科疆瓤子娶舌掣匿酽蛩臻髫蛀副刮鼢争蠢翻；蔼筠 | 薹嚷鲤需。向：赣赫；形赢甏曩嶝惟曼蓬噶宝京甾镩吲羔譬礴湍滏， 瘥镰增掣耋哩点。需美若。捌割群笤嚣罗晕乐涔哗。； i “蕊- ，- 村并骢 誓墨履型 浮陋蹬缮冱；爿l 萋毗驰甜鲋秘飘繁，略拒顾定时摔。刚毙羹一g 氟静萃 衙釜彘若裂峁釜乏静；量垂强圆蒂鐾匿萋莹薪烈i ；藕崔喧焉赢浏浠淄譬诺湍罐 名翟甥溶堵；强攀萋海璜溜噶懦罐崖崔绉彰葬苌：“9 自秘鲥茸藏渺菇幽；套 产量誊剐薹戡；登羹髀明1 立誊晌袖；昭脯鲋乳爵箭蠹蕊刿托。翳薹“酏勤。 g y 钟翻羹蔫阻蚓鬻瀚譬勰；浑噬囊嘣嚣一丐两毪嚆建隅鬈蠹一? 萼 个方面疆：稚酥鼬插淤拍；醑葡靠棒茉章摩誊毪制悬掌垂夭j 即i i i 肾制的可靠 性不足集中控制是当前大中城市交通 控制的主要方式，中央控制室需要对所有信号控制路口的车辆数据进行存储 和分析处理，利用相应算法和模型计算出经过优化的各个信号机配时方案。采用 集中式控制方式，不仅需要专用线路将各个信号机、检测设备与中央控制室相连， 多变量和约束条件的模型的优化方案也相当困难。在这样一个庞大的系统中，任 瘫痪。jungu妒1等认为：scoot、scats、opac等信号控制系统由于采用集中 式控制，对于短时间内路网中交通流的突然变化很难迅速计算出最优配时方案。 scoot和scats采用分层的集中式控制方法，中央监控中心的计算机与区域控 制中心的计算机之间、区域控制中心的计算机与路口信号控制器之间通过租用的 电话线路传输数据。当交通网规模比较大时，这些数据的传输量相当巨大，一旦 区域控制中心的计算机与路口信号控制器之间的数据传输出现问题，相应区域控 x 北京交通大学博士论文 此可见，集中式控制在大规模交通网的控制方颢存在处理海量数据和可靠性的不 足。 ( 2 ) 实时控制的效果欠佳 城啦交通网是一个鲢时都发生状态变化的动态系绕，交通控划系绞应姥够根 据攀淀的变亿对控制方案进行捆应调整。姨不考虑净懿车滚媾援的定黪控铡爨考 虑车辆到达楼悬蜒感应式控测，只是满足了实瓣控涮瓣最基本器求。这些控制方 h 式对予车辆熬实对臻惑处理分攒过于篱单，特制是黠予车瀛的突然变纯在控翻方 案黪选择上缀难做爨耜瘫调整。铡鲡，蟊翁仍在使蟊jt r a n s y 彳信号羧制系统是 一种脱枫信号撬纯配时系统，它裱搽历史交遥数据和信号配时指标采用“稳山法” 计算最优配对。因而，当交通两的率流状况发生明短交他辩，其产生韵所谓最优 方案不能适应新的交通情况。臀者，该控翻方法对于实时酌交通变化也无法作出 及时的调整“1 ，难以实现有效的实时控削。 ( 3 ) 路网控制的整体优化方面存在明显缺陷 有效控制城市交通网的关键在于台理疏导备个路口的率流。由于路网是连蠛 的，相邻路口进出的车辆会彼此影响。每个路口的控制策略同时也会影响到邻近 路口的率流，并波及更远的路口。目前的交通控制方式主要通过两种途径达到疏 导车流的目的：一是简化一些条件。将众多路口的协调控制问题转化为糖确的数 学模型，通过求解找到熙有熬体优化效果的控制方案；另一办法就是预先设定一 些规则，在实际控制时辘入特定的按制信息，邋过檩应判螟和比较形成具体斡控 剁方案，以此达到整体优化的效果。但是，鼹者燕他过多，阕实际憾嚣馕差技大； 骺者则由于选择莲围毒鼹露报黢达裂满意鳇饯饯效果。尽管韪翦集中式交遗售号 控铡方式娃交逶网懿整体优耗为主要控制爨标，程一些学者仍然认为当翦蜘控制 方式在熬体控制妓暴方甏存在不是。h i d e 矗。砖l s h 逸a f a 嘲等发表文章褒示：瑷在广 泛应用鹣集中式交j 纛镶蟹控稍方式蠢法令交遥流平滑稻连续，困为太鬣静路口使 信号配辩计算童过太丽簿低了最优解产生的酉熊，辩于戳实时交通模型作为信号 鼯时依据的在线控翻方法，由予存在信号配时的时间要求，所戳在非常短的时间 内计算出复杂巨型交通网络最优信鼙配时豹可能性就更小，这就很难达到预期的 藏俸优化效果。c hr i s t j a n eb i e i e f e l d t 4 等也在公开发表的文章中表永：s c o o t 、 s c a t s 、u t o p i a 、1 a s so p a c 、b a l a n c e 等现有交通信号控制系统虽然以实 时和攘体优化为特点，但由于这些系统蒋遍采用分子区的多层控制方式，因此在 北京交通大学博士论文 交通网的整体控制效果方面有明显折扣，尤其是对于高峰小时等短时间内的大量 到达车流的控制效果不佳。 1 1 3 当前交通控制研究综述 1 1 3 1 现有交通控制系统的进一步完善 由英国开发的s c o o t 系统和澳大利亚开发的s c a t 系统是当今世界范围内 应用最广泛的两种城市交通控制系统。这两种自适应区域控制系统自从二十世纪 七十年代末、八十年代初投入实际应用以来，已历经多个版本，现在仍处于不断 的发展完善之中。咀s c a t 为例，控制规模增大，所控路口从3 5 0 0 多个增至6 2 0 0 多个；新增公交优先的功能；增加高速道路匝道控制等。在s c o o t 的4 2 版中， 增加了对汽车尾气的检测，并作为一项约束条件参与方案的选择；正在开展与车 辆自动定位系统( a v l ) 的整合研究；正在研究多种优先方式。 1 1 3 2 智能化控制的研究 城市交通的智能化控制研究目前引起人们的广泛关注，这个方向包含许多分 支，主要涉及对具体控制方法的研究和对整个控制系统的设计和构造。主要包括 模糊控制方法、神经网络控制方法、分层递阶控制、集成控制、基于知识的交通 控制等。 ( 1 ) 模糊控制 2 0 世纪8 0 年代s a s a k p 7 1 和c h e n 8 1 建立孤立匝道口的模糊控制模型，之后这 种新的交通控制概念开始引起人们注意。该方法运用模糊控制理论，将车辆在路 口的排队长度作为主要的控制参数，通过构造隶属度函数将车辆排队信息转化为 控制信号方案选择的命令，以此达到增加路口通行能力的目的。该方法不需要精 确的数学模型，减少了大规模的数学运算，而且对复杂多变的实际情况有一定的 适应性，目前此类方法的研究成果主要集中在孤立路口和干线控制方面1 9 。”。 陈洪等【”1 建立单路口两级模糊控制结构，将对信号控制影响较大的关键车流 的车辆到达数、绿灯延长时间定义为一级变量，由它们组成一级模糊控制器，将 非关键车流到达数、绿灯延长时间修正量作为二级变量，由它们组成二级模糊控 制器，信号由两个相位组成，根据检测器检测到的各个方向的车辆到达信息，确 定两个相位的关键车流和非关键车流。对两相位关键车流数据进行模糊化，通过 模糊控制规则的模糊判决得到有通行权的绿灯延长时间初值。对两相位非关键车 4 北京交通大学博l ：论文 流的数据进行模糊化，通过模糊控制规则的模糊判决得到绿灯延长时间的修正 值。两者相加得到最终的控制策略。该控制方法不需要对车流进行预测，适合交 通流随机变化显著的单路口的交通控制。仿真实验表明这种模糊控制方法优于其 他一些模糊控制方法。但是，该信号控制方法不具有学习能力。 d u s a nt e o d o r o v i c 等【1 2 1 提出的单路口模糊控制方法，将通过路口车辆的停车 次数与车辆延迟加权之和作为优化目标。其控制过程分成两个阶段：首先，把未 来一个时间段分成由若干很小的时间单位组成的序列，预测得到这个时问段内的 车辆到达情况，对每个很小的时间单位队o 、1 的方式编码，使用遗传算法得出 未来这个时间段内的最佳信号配时方案；然后，对该时间段的车辆到达情况按模 糊分类的标准进行分类，并将已经在第一阶段计算出的最优配时方案作为此种交 通状况下的信号控制方案，每个不同交通条件下的最优控制方案都成为最优方案 库中的各选方案。随着时间的推移，各种不同的交通状况相继出现后，最优方案 库中的备选方案将能够应对所有类型的交通状况。该控制方法实际上是通过遗传 算法得出特定交通条件下的最优配时方案，再使用模糊分类来选择方案。 陈森发【l6 1 采用模糊控制方式对交通干道进行控制，将信号周期、绿信比、相 位差作为控制变量，以到达路口的车辆数和停车线前排队的车辆数作为状态变 量，根据车辆数的多少，将到达车辆和排队车辆分为：没有、很少、少、中等、 务、很多等6 个级别。其优化目标是使车辆总延迟最小化，采用控制极和挤调级 的两级控制方式，每个控制级都包括模糊化、模糊规则、模糊判决三部分，控制 级类似于一个单路口的控制器，协调级针对本地路口信号状态和下游路口信号状 态的组合，产生2 l 条控制规则。文中对由两个路口组成的简单干道系统进行了 仿真实验，结果说明该方法优于单点感应式控制方式。 ( 2 ) 神经网络控制 神经网络控制方法与模糊控制在同一时期出现在交通控制的研究领域。二十 世纪8 0 年代，h o p f i e l d 将人工神经网络成功地应用于组合优化问题后，人们开始 利用神经网络的自适应性、学习能力和大规模平行计算能力来进行交通控制的尝 试，目前比较成功的神经网络控制模型大多是孤立路口的控制模型8 “1 。 徐冬玲等聆4 1 提出了采用神经网络实现单路口模糊控制的方法，该方法中的模 糊控制器原理与大多数模糊控制方法类似，由模糊化、模糊控制规则和模糊判决 三部分组成，它与一般模糊控制方法的区别在于：分别使用三个三层的神经网络 北京交通大学博士论文 束时，分别计算两路口余下的三个相位的隶属度函数值，寻找隶属度函数值最大 的作为下一个相位，根据第一步的方法确定是否延长本相位：第三步，当第四相 位结束后，开始下一个周期，同时计算隶属度函数，该值足检测到的车辆数的一 个函数；最后，中间路段车辆数作为一个重要的协调指标，如果中间路段某一方 向车辆数很大( 大于某一阀值) ，则在对它产生影响的路口选择对车辆数影响较 小的相位。仿真实验的结果说明，该方法控制效果优于传统的感应式控制方法。 但是，该方法比较依赖相邻路口的特殊位置关系，如果向干线协调控制推广则需 要作出较大的改进。 ( 4 ) 集成控制 大型交通网的控制涉及多种检测装置、信号控制器、通信线路、多种道路类 型等，系统集成的成功与否关系到控制系统实施后的控制效果，大型交通控制系 统的集成因此成为一个研究方向。现代城市交通控制包括区域交通控制和高速公 路交通控制，以往大多数交通控制研究不是强调高速公路匝道控制器的优化设 计，就是以区域交通信号的配时优化为主，很少考虑两者的协调问题。对集成控 制系统的研究是针对上述漏洞的弥补，该系统包扩典型的区域交通系统和高速公 路系统以及两者的接口部分【3 “”】。 ( 5 ) 基于知识的控制 基于知识的信号控制方法随着人工智能的快速发展应运而生，目前处于研究 的起步阶段，主要针对交通控制中的车辆堵塞等特殊交通状况构造基于知识的决 策支持系统( 3 4 3 ”。知识和推理是智能的重要标志，随着交通控制智能化程度的日 益提高，采用不同类型、不同用途的基于知识的信号控制措施是发展趋势。 淡晓洁等提出一种基于知识的城市交通拥挤疏导决策支持系统，该系统由 拥挤检测、拥挤属性数据库、路网空间数据库、拥挤程度的图形显示、特殊交通 组织服务预案库、疏导策略库、规则库、模型库、推理机、人机接口等部分组成。 其中知识库系统由三个子知识库构成，分别是：特殊交通组织服务预案库，以框 架形式存放描述性知识；疏导策略库，存储对各种疏导策略的描述，采用一阶谓 词逻辑形式；规则库，这是知识库的主要组成部分，使用产生式知识表示法，推 理表达式用模糊产生式规则来表示。目前该系统的原型已经研制完成，正在苏南 某“畅通工程”试点城市的交通指挥中心试运行。 f i l i p p ol o g j 等”1 建立了一个当城市快速路和干道突发交通堵塞时为交通指 7 北京交通大学博上论文 挥中心提供实时决策支持的知识库系统，系统中包括交通问题特征库、当前交通 问题监测器、交通问题反应模块、交通事件检测装置、口j 变交通信息显示装置等。 该系统首先根据交通检测器检测到的交通流数据从存储的各种交通特征库中寻 找到与之对应的描述，再从交通问题反应模块中寻找相应的应对措施，最后，将 找到的措施、集成控制方案和对问题的描述一起提供给交通指挥者。仿真结果表 明，采用这个基于知识库的决策支持系统后，实例中交通区域的平均每车延迟时 间有所下降。由于这个系统中的交通分配模型采用静态分配方式，利用历史o d 数据对交通网进行配流工作，因此在交通流的实时分配的精确性方面存在缺陷。 1 1 3 3 智能运输系统的研究 智能运输系统( i t s ) 是当今交通领域的研究热点之一【“。4 “，是一个对现有交 通体系进行全面提升的发展框架和一系列新技术的集成。它的发展方向是综合运 用先进的信息通信、自动控制、网络和交通工程等技术，改善交通运输系统的运 行状况，减少事故、降低污染，提高效率、增加安全性，建立一个安全、快捷、 舒适、环保的综合运输体系。它包括交通信号控制系统、交通信息服务系统、先 进的公共交通系统、自动车辆驾驶系统、自动收费系统等。城市交通信号控制系 统是智能运输系统的一个子系统，智能化的交通控制系统是智能运输系统中必不 可少的组成部分。在众多智能化控制技术中，基于多智能体的控制方法具有适应 性、分布式等特点，笔者认为在城市交通智能化控制方面有着良好的应用前景。 1 1 3 4 基于智能体的控制方法 以智能体为结构单元、使用分布式问题求解方法的多智能体( m u l t i - a g e n t ) 技术，是近十年来出现的对于解决分布式复杂巨系统问题具有广阔前景的方法体 系4 “”l 。由于城市交通控制系统需要对规模庞大、关系复杂、分布式的交通系统 进行控制，将多智能体技术应用于交通控制系统对于该领域的研究工作者而言具 有强大的吸引力。大量的研究论文主要集中在应用多智能体技术的城市交通控制 设想和建议、基于多智能体技术的城市交通控制系统的概念模型、应用多智能体 技术控制单个路口的算法模型等方面 目前，应用多智能体技术建立智能化的城市交通控制系统的概念模型分为两 大类：一是采用分层递阶控制体系，二是采用分布式控制体系。前者是将单个路 l 由路口智能体来负责具体控制，若干路口再由一个区域智能体控制，所有区域 8 北京交通大学博上论文 制体系的概念模型和验证此方法的基本条件，但没有提供算法模型和实例。 j e f f e r vla d l e r 等6 哪构建的基于多智能体的交通管理和诱导系统，将分层递 阶交通控制与车辆诱导系统集成起来，设置总体管理智能体、区域管理智能体、 路 j 管理智能体，公交车辆、出租、私人车辆的驾驶者可以通过多种信息发布渠 道获得关于路况的实时信息，同时，驾驶者还可以将自己的道路选择情况反馈给 交通控制网，路口信号控制智能体的车辆数据来源既包括车辆检测器检测到的车 流信息，还包含车辆驾驶者的反馈信息，这样，路网的交通控制管理是一个双向 的信息交流和互动的过程。目前该系统尚处于概念模型的阶段。 j o h nf r a n c e f 6 7 l 等建立了基于多智能体的分层递阶交通控制模型，控制系统由 本地智能体( l 1 1 a ) 、协调智能体( c t a ) 、交通信息智能体( i t a ) 组成，如果区域过大， 还可以设置一个全局控制智能体( g t a ) 。每个路口由一个本地智能体控制，一个 子区中的所有本地智能体由一个协调智能体管理，全局智能体负责监控全部协调 智能体。本地智能体按照本地路i _ _ = i 的控制指标最优指定配时方案，并将该方案发 送给管理它的协调智能体，协调智能体根据该本地智能体所控制的路口及其相邻 路口的情况得出此路口对于全局虽优的信号配时方案，如果此方案与本地路口提 交的最优方案有较大的差别，协调智能体必须在这两个方案之间找到一个折中的 方案，并将折中方案发送给本地智能体，以此方案作为实施的信号配时方案。为 了计算某个路口相对于全局的最优配时方案，协调智能体会向交通信息智能体询 问，并得到所需的该路口及相邻路口的信息。仿真实例是一个由6 个十字路口组 成的类似“日”字型的交通网，上下行各两个车道，一个为左转车道，另一个为 直行和右转车道。对发生交通事故和高峰时间两种情况进行了仿真实验，结果表 明，在交通事故发生后( 障碍车辆离开) 的较短时间内交通能基本恢复正常，在 车流高峰过后比较短的时间内交通便能趋于畅通。 1 2 研究目的与意义 我国大中城市具有规模庞大的交通网络和数目众多的机动车保有量，由于前 面提到的现有交通信号控制方式的局限性，车辆堵塞现象时常发生，明显降低了 路网的使用效率，增加了人们出行的时间成本。本文旨在研究新的交通信号控制 方式，即在对城市路网交通特点和现有交通信号控制方式进行分析的基础上，通 过借鉴人工智能领域最新的研究成果，建立基于多智能体的分布式交通信号协调 控制系统和算法模型，并采取计算机仿真实验的方式验证这种分布式交通信号控 北京交通大学博士论立 制方式的可行性和有效性。在理论方面，针对大规模城市路网的交通信号控制， 提出不同于集中式控制和孤立路l 控制的分布式交通信号协调控制方式，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，同时，相邻路l 丁的信号控制智能体之间具有多种形式的交互作用以实现信号 控制的整体优化效果。这种基于多智能体的分布式交通信号协调控制方式还充分 注意到使用知识和运用推理，在路口信号控制智能体的控制过程中采用了知识库 和非单调演绎推理，对进一步完善智能交通控制理论进行了有益的尝试。在实际 应用方面，通过建立交通信号控制微观仿真模型和编制相应的计算机软件，对提 出的分布式交通信号协调控制方法进行了仿真实验，并与定时控制和感应式控制 方式进行了比较，模拟实验的结果说明这种分布式交通信号控制方法优于传统的 信号控制方式，为实际应用这种分布式的信号控制方式提供了理论依据和初步的 实验根据。 1 3 本文研究内容 本文分为七章和一个附件。 第l 章通过介绍城市道路交通的特点和现有交通控制方式的不足之处，导引 出改进当前城市交通信号控制方法、建立更有效的控制方式的理论意义和实用价 值，并对当前交通控制的研究进行了综述，对近二十年来在交通控制领域特另0 是 智能交通控制方面的研究方向、研究热点、研究成果进行了系统的回顾，使人们 对目前交通控制研究的现状有一个比较全面的了解，并明确城市道路交通控制的 几个有重要价值的研究方向。 第2 章介绍作者在单路口智能控制模型方面的创新性工作。单路口交通控制 是城市道路网信号控制系统的控制单元，虽然单路口是交通网的局部，但对单路 口控制的研究是解决路网整体控制问题的基础。这里引入智能体的概念，采用信 号控制智能体完成单路口的信号控制。通过对到达车辆数的模糊聚类和交通信号 显示状态的量化描述，形成对路口交通状态的定量描述。根据交通控制规律和经 验建立信号控制规则集，应用遗传算法对控制规则集进行编码，在信号控制过程 中，淘汰控制效果指标较差的若干方案，持续对交通信号控制规则集进行改进， 最终形成具有自学习能力的单路口交通信号控制模型。 第3 章在单路口智能控制模型的基础上，通过仿真实例验证模型的可行性和 有效性。专门开发了用于模拟实验的单路口道路交通控制微观仿真软件，该软件 1 2 北京交通大学博士论文 由车辆微观走行模块、定时信号控制模块、感应式信号控制模块、基于智能体的 交通信号自学习控制模块、动态显示模块、数据库等主要部分组成。仿真实验表 明，这种交通信号自学习控制方法可以通过机器学习在控制过程中自动改进控制 规则集，提高控制效果。实验结果表明，基于智能体的交通信号自学习控制方法 的控制效果优于定时控制和感应控制方式。 第4 章专门构造了形式化描述多智能体系统的符号系统( m u _ a g e n t f o r m a l i z e dn o t a t j o ns y s t e m ，简称m + ) 一m + ，用于建立基于多智能体的分布式交 通信号控制模型。m + 以集合论为表述框架，将z 语言的格式作为形式化描述的 基本形式，使用b d i 模型作为描述智能体内部结构的参考模型，利用7 c 演算的描 述对象作为描述智能体之间交互作用的组成部分，借鉴d m a r s 系统中对智能体 内部推理过程的描述方式，在提炼和整合这些形式化模型的基础上，增加对多智 能体系统组织结构和环境特征的描述，使之成为一种描述基于多智能体的分布式 交通信号控制系统组织结构、智能体之间交互作用、智能体内部结构和环境主要 特征的通用化符号系统。 第5 章阐述了本文提出的基于多智能体的交通信号分布式协调控制系统。对 该系统的结构、各个组成部分的功能、系统的主要特点进行了详细的叙述，模型 的核心部分使用m + 语言进行了形式化的描述。特别对分布式控制与传统的集中 式控制的区别和分布式协调控制达到整体优化的途径进行了论述。同时，还讨论 了信号控制过程中所用知识库的构成和知识的表示形式，建立了对关联性知识、 过程性知识和关联规则的m 语言描述方法。详细说明了非单调演绎推理机制在 信号决策过程中的运作方式。本章还描述了这种分布式交通信号控制系统中路口 信号控制智能体之间的交互作用方式和内容。 第6 章是基于多智能体的交通信号分布式协调控制理论模型的应用实例。专 门开发了用于仿真实验的多路口交通控制微观仿真软件。通过对一个由8 个路| j 构成的交通网进行信号控制模拟，验证了基于多智能体的分布式协调控制体系的 可行性和有效性。仿真结果表明，在相同的交通条件下，基于多智能体的分布式 交通信号协调控制方法的比定时控制平均减少3 7 8 的总停车延迟时间，比感应 式控制平均减少1 7 8 的总停车延迟时间。 第7 章简要评价和总结了本文提出的单路口交通信号自学习控制方法、基于 多智能体的交通信号分布式协调控制系统和道路交通控制微观仿真软件，并提出 北京交谶太学博士论文 了令艏对上述研究工作的改谶方向。 殴牛魁挺9个交遥控剁微观铸囊软孛#关键模块麴滤程鬻秘2个交遴控铡徽鼹仿寞软件动恣照示效果及界耐图。 北京交通大学博十论文 第2 章单路口交通信号自学习控制模型 单个路 _ | 是交通网中最基本的结点，单路口的交通信号控制是路网控制的基 础。通过对单路口交通信号控制的研究，可以发现城市交通控制中的一些基本规 律，有助于寻找对整个路网的交通信号进行有效控制的新方法。 2 1 智能体的基本特征 智能体( a g e n t ) 的概念出现于二十世纪七十年代的人工智能中，八十年代后期 得到迅速发展 4 1 。4 ”。随着计算机网络、面向对象方法、分布并行处理技术的发展， 智能体的概念和方法不仅成为人工智能和计算机领域十分活跃的研究内容，而且 引起工业、军事、教育、交通等其他众多领域的广泛关注和应用研究。 智能体具有自主性、交互性、主动性和反应性等基本特征。它拥有一定的计 算资源和行为控制机制，可以在没有外界赢接操纵的情况下，根据内部状态和对 外部环境信息的感知，做出决定并控制自身的行为；能够与其它智能体进行多种 形式的交互，可以同其它智能体进行有效的合作；能够对承诺采取主动行动，致 力于实现目标；可以感知所处的环境，并对鲋乳爵箭蠹蕊刿托。翳薹“酏勤。 g y 钟翻羹蔫阻蚓鬻瀚譬勰；浑噬囊嘣嚣一丐两毪嚆建隅鬈蠹一? 萼 个方面疆，稚酥鼬插淤拍；醑葡靠棒茉章摩誊毪制悬掌垂夭j 即i 壶= 肾制的可靠性不足 集中控制是当前大中城市交通控制的主要方式，中央控制室需要对所有信号 控制路口的车辆数据进行存储和分析处理，利用相应算法和模型计算出经过优化 的各个信号机配时方案。采用集中式控制方式，不仅需要专用线路将各个信号机、 检测设备与中央控制室相连，投资费用相当可观，而且中央控制室的计算机要在 足够短的时间内计算出包含众多变量和约束条件的模型的优化方案也相当困难。 在这样一个庞大的系统中，任何一个环节出现差错都会导致控制系统出现偏差或 者错误，甚至造成整个系统的瘫痪。j u n g u 妒1 等认为：s c o o t 、s c a t s 、o p a c 等信号控制系统由于采用集中式控制，对于短时间内路网中交通流的突然变化很 难迅速计算出最优配时方案。s c o o t 和s c a t s 采用分层的集中式控制方法，中 央监控中心的计算机与区域控制中心的计算机之间、区域控制中心的计算机与路 口信号控制器之间通过租用的电话线路传输数据。当交通网规模比较大时，这些 数据的传输量相当巨大，一旦区域控制中心的计算机与路口信号控制器之间的数 据传输出现问题，相应区域控 北京交通大学博士论文 2 2 单路口信号控制智能体的控制结构 单路u 的信号控制由一个控制智能体来完成，该智能体采用改进的反应模 型，它由感知系统、信号控制规则集、信号控制行为系统等三个主要部分组成( 见 图2 1 ) 。 圈2 1 单路l j 信号控制智能体结构示意图 信号控制智能体的感知系统通过检测装置获得车辆到达信息，并从内部获得 当前信号显示状态信息。信号控制规则集存储针对各种车辆到达情况的信号控制 规则，这些规则是信号控制决策的依据。信号控制行为系统包括信号控制智能体 可能采取的所有行为，这些行为直接作用于信号，维持或改变当前的信号显示状 态。信号控制智能体根据感知系统获得的车辆到达数据和信号显示状态信息，从 信号控制规则集中选取与之对应的控制规则，经过判断从信号控制行为系统中选 出当前应采取的行动并执行。 2 3 单路口交通状态的描述 2 3 1 模糊聚类的基本方法 模糊集合论最初是由美国加州大学的l a z a d e h 于1 9 6 5 年提出的”，用于 处理人类日常推理中固有的模糊性和不精确性。由于该理论很好地抽象了人类思 维中的模糊特性，它被广泛应用于人工智能的各个分支，成为众多智能技术的组 成部分。 聚类分析原属于数理统计多元分析的一支，但由于现实的分类往往伴随着模 糊性，在多数场合，一组事物是否形成一个类群、一个事物是否属于一个类群， 都不是泾渭分明的，丽是有一个程度问题。因此，用模糊数学的语言和方法来描 1 6 憩京交逶犬学鞲圭论文 述和解决聚类问题更为自然和方便。和传统的统计识别方法一样，模糊聚类分析 方法氇涉及到识潮对象# 之润熬焱离戆否“正确”溺薰豹翊蘧。搂耧识剐豹算法 可叙述为；假设有n 个模糊集a 1 ，a 。( 代表n 种类型) ，当一个识别算法作 蠲予薅象”辩，靛产生隶簇痘” l ( ) ，( i = l ，n ) ，表示对象“瘸子对象a 静程 度。 谖裂葵法一般分三令步骤： ( 1 ) 特征抽取：从对躲“中摁取与识别有关的诸特征，并测出“在备特征上 懿具俸数掇，将h 转讫为模式p ( “) = 掘，编) 。 ( 2 ) 建立隶属函数：建立一个明确的算法产生隶属函数“( “) ，( i ；i 。，n ) 。 # 耩于a 豹隶震凌溉# 依羧予骗，编。 ( 3 ) 识别判断；按某种归属原则对进行判断，指出它应归属于哪一类。 2 3 2 信号驻示获态豹搐述 为了镥4 定信号控制规则，需要用尽量少但不会 l 起歧义的信息对信号盼显示 状态进行描述。倍跨显示可以是红灯、绿灯和黄灯中的任意一种溯色，如策共设 置m 个相位，则偿号的显楚 状态必须包括所有相位的信号颜色信感。由于在m 个 相位中，任何时剡都至多熙有一个相位是绿灯显示，其余捆位为筑灯或黄灯，因 此，通过棚位之闻躲这种获系可以楚化对傣号显示状态的撼述。 设第相位的信号显示状态为 fo ，当第熏耀位必绿灯时 帆= l ，当第嘲位为红灯时 扣1 ，2 ，m ( 2 1 ) l2 ，当第女相位为黄灯时 则任意时刻各相位的信号摄示满足以下关系： 令五= 芑耋麓i 鬻 治。， 刘宥以l ( 2 3 式( 2 2 ) 、( 2 3 ) 描述了任懑豺麦l 至多有一个相位静穑号显示为绿灯。 为方便起见，路口信母显示状态可以袭述为 旷扣静= o 时 淼，当乏= l 时 1 7 ( 2 4 ) 北京交通大学博士论文 2 3 3 车辆到达状态的模糊聚类描述 传统感应式信号控制方式通过检测当前绿灯相位所控路段的车辆到达情况 柬确定是否延长绿灯时间。如果在距离路l i 端线一定距离内有车辆到达，则将当 前绿灯相位延长一段时间，反之则结束当前相位的绿灯时间。传统感应式信号控 制方式在判断是否延长当前绿灯相位的绿灯时问时，仅考察当前绿灯相位所控车 道进路的车辆到达情况，而不考虑其他相位所控制的路段进路车辆到达状况，这 样会出现一些明显不合理的控制决策。 路口交通信号控制的系统目标是减少车辆通过路口产生的总停车延迟时间， 如果在判断是否延长当前绿灯相位时间时，综合考察当前绿灯相位控制路段进路 的车辆和其他相位控制路段进路的车辆到达情况，理论上应优于传统感应式控制 方式。 本文提出的交通信号自学习控制方法中，信号控制智能体通过设置在与路口 相连的各个车道的车辆检测装置来检测车辆的到达情况，每个车道在路口端线和 距离端线一定距离处各设置一个线圈检测器，每个线圈检测装置可以累计通过此 线圈的车辆数，任意时刻在两个检测装置之间的车辆数可由两个检测器得到的数 据相减产生。车辆检测装置及相关设备构成了信号控制智能体的感知系统。每一 个信号相位设置基础绿灯时间和最大绿灯时间，当绿灯时间大于基础绿灯时间且 小于最大绿灯时间时，根据车辆到达状况和相应控制规则，每隔秒钟判断一 次是否延长当前相位的绿灯时间。尽管可以用备个相位的车辆到达数组成的多维 向量作为路口的车辆到达状况进行描述，但是，一方面由于信号控制决策对于车 辆数目的灵敏度不是很高，另一方面以车辆数作为描述量将使路口交通状态的数 量过大，导致信号控制决策速度的降低，所以，有必要对各个相位所控制车道在 距离路u 端线一定距离内的车辆数进行模糊聚类。 为保证算法的精确度，并使方案空间有足够的规模，模糊聚类的级别数不能 过少，建议犬于6 。另外，如果模糊聚类的级别数过多，会使规则数量庞大，导 致优化控制方案时的迭代次数迅速增加而降低信号控制决策的效率，因此，模糊 聚类的级别数应在一定范围内，建议不大于1 2 。 到达车辆数模糊聚类分为q ( q 为自然数，且6 q 1 2 ) 个级别，用z 。( w = 1 ， 2 ，q ) 表示第w 个级别的具体内容( 例如：没有、极少、少、多等) ，则任意 车辆数n ( n 为自然数) 对于所有级别z 。的隶属度可以描述为 1 8 北京交通大学博士论文 删2 砉等w 2 jw ( 2 5 ) 式中 “，隶属度，取值范围属二f 0 ，1 】区间，表示车辆数n 对于类别z w 的 寨f | 霉程覆。 车辆到达数的模糊聚类隶聪度函数的取值方法采_ i ；| 图2 1 的方式，图2 1 中豹n 。；。是撵经意稳像中在裣涮器翡稔测范醚内挠够裣滔翼的最大车辆数。 隶属瘦 0 图2 1 模糊聚类隶属度函数取值示意图 n 。车辆数 设第k 个相位控制甑( 括l ，2 ，m ) 条率道，第k 个相位的第g 祭车道距 璃爨“端线一定距离内的车辆数为n t g ( k = l ，2 ，m ；扩l ，2 ，g ) ，则第女个 相位所控制的率道在距离路口端线一定距离内的车辆总数为 麓= 壤，g ( 扣 ，2 ，氆) ( 2 6 避一步m “( u ”帆，。) = “帅 ( v l ，2 ，q ) ( 2 7 ) r = l 予最，在信芍控镛牵，对第女个耨稼所羟镧靛车遁梭褥到躺车辆数避行模糊 聚类处理，对应于模糊聚类函数z 倒j ，由式( 2 5 ) 得到相应的模糊聚类结果为 z w z ，( 2 8 ) 相应地，第| i 相位车辆到达状态“可以表述为 s 严z 僻= z ，( 女= l ，2 ，m ，v = l ，2 + ，q ) ( 2 9 ) 2 3 4 单路口交避状态的描述 在对信号状态和车辆到达状态进行描述的熬础上，可以对信号控制智能体感 翘到豹黪弱交逶状态避镗接述。褥莛号鼹琴戮态帮车辆羽这牧淼缀台为鼹强熬交 通状态，表述为： 尹t 聋s 妒s ，s ? + ，s m ) l 警 托京交穗丈学博七论文 受其扁发，人们致力于对生物各种生存特性的机理研究和行为模拟，为人工照适 应系统的设计和开发掇供了广阔的前景。遗传算法( g e n e t i ca 1 9 0 r i t h m s ，简称 g a ) 就是对这种生物彳亍为的抽象和数字化。遗传算法使褥各糖人工系统具有优良 的自适应能力和优仡能力。遗传算法所借鉴的生物譬基础就是生物的遗传和进 化。 遗传算法怒模拟生物在自然环境中的遗传和进化过程而澎成的一种自遣鹿全 局优化概率搜索算法。它最早由美国密执安大学的h o l l a n d 教授提出，起源予6 0 年代对自然和人工自适应系统的研究“”。2 0 世纪7 0 年代d ej o n g 基于遗传舞法 的思想在计算机上进行 x 北京交通大学博士论立 它所对应的表现型x 将达到或接近于问题的最优解r 。 生物的进化过程主要是通过染色体之间的交叉和染色体的变异来完成的。与 此相对应，遗传算法中最优解的搜索过程也模仿生物的这个进化过程”2 。”7 】，使 用遗传算子作用于群体p ( t ) 中，从而得到新一代群体p ( t + 1 ) 。具体操作步骤如 下： ( 1 ) 选择：根据所有个体的适应度，按照一定的规则或方法，从第t 代群 体p ( t ) 中选择出一些优良的个体遗传到种群s ( t ) 中。 ( 2 ) 交配：将种群s ( t ) 中的所有个体随机搭配成对( 避免相同的个体配成 一对) ，对每一对个体，咀某个概率交换它们之间的基因，形成一个新的群体 p ( t + 1 ) + 。 ( 3 )变异：对新的群体p ( t 十1 ) + 中的每个个体，以一定的概率( 变异率) 改变一个或多个基因的值为其他的等位基因，由此形成的群体就是p ( t + 1 ) 。 2 5 2 基于遗传算法的交通信号自学习控制过程 为了使信号控制效果能够在实际控制的过程中不断地改善，将可变规则集与 遗传算法相结台，根据历史控制效果改进可变规则集。由可变规则集中的规则数 量和信号控制决策变量的取值范围可知，可变规则集方案空间的规模为2 “。 与传统的遗传算法应用不同，这里是将遗传算法作为信号控制决策的一部分 始终伴随着信号控制过程，进行实时的信号控制进化，而不仅仅是计算最优控制 方案。这种实时的信号控制进化过程可以表述为： ( 1 ) 生成q 个( q 取1 5 至2 5 间的整数) 初始规则集，其中可变规则集中的 d 值随机产生，每个规则集作为一个独立的信号控制决策方案，这样形成一个包 含q 个方案的初始信号控制方案群体( 每个信号控制方案可以视为群体中的一个 个体) 。每个方案进行t 时间( t 大于5 分钟) 的信号控制，并记录每个方案的车 辆到达总数、总停车延迟等指标。 ( 2 ) q 个方案都顺序进行了t 时间的信号控制后，按照平均每车延迟时间( 平 均每车停车延迟= 总停车延迟车辆到达总数) 的大小，将0 个方案从小到大排序 ( 第h 个方案的序号为 ) 。每个方案的适应度民由式( 2 一1 9 ) 计算可得， f = q j + 1 ( 2 1 9 ) 每个方案的遗传概率g 由式2 2 0 计算可得， ! ! 塞奎望盔兰竖主堡兰 函数值( “m 。) 见表3 1 。 隶属魔 0 l258l l1 41 72 02 32 6 2 3车辆数 闰3 3