Agent在城市交通系統(tǒng)中的應(yīng)用
作者：
時(shí)間：2012-10-31
來(lái)源：網(wǎng)絡(luò)
收藏
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
Joachim將出行者建模成Agent,基于兩條平行路徑的路網(wǎng)分析了ATIS 環(huán)境中的出行者路徑選擇行為，研究指出出行信息的特性很大程度上影響了ATIS的潛在收益。趙凜在Joachim 的基礎(chǔ)上，通過(guò)對(duì)系統(tǒng)中的微觀行為建立基于Agent 的仿真模型來(lái)觀察系統(tǒng)"涌現(xiàn)"出來(lái)的宏觀特征。仿真結(jié)果顯示ATIS對(duì)通勤者出行前的出行規(guī)劃有一定影響，隨著交通量的增加，交通系統(tǒng)的不確定性也隨之增加，ATIS 系統(tǒng)收益會(huì)有所提高。
3.3 相關(guān)應(yīng)用研究
Zargayouna提出了一種基于Agent 的出行者信息服務(wù)中心架構(gòu)，通過(guò)實(shí)例化大量的交通實(shí)體，建立了基于環(huán)境的服務(wù)、信息資源和出行者主動(dòng)交互支持模型，允許實(shí)體間建立各自感興趣的交互。
Wahle提出了一個(gè)基于多Agent 的實(shí)時(shí)交通流在線仿真和預(yù)測(cè)框架，通過(guò)歷史數(shù)據(jù)的啟發(fā)結(jié)合當(dāng)前動(dòng)態(tài)數(shù)據(jù)可提供對(duì)路徑選擇行為和交通走向的短期預(yù)測(cè)。王健采用數(shù)據(jù)挖掘中的決策樹(shù)方法獲取出行者信息需求，使用Agent 技術(shù)建立了基于移動(dòng)終端的信息服務(wù)網(wǎng)絡(luò)框架。Chou構(gòu)建了基于多Agent的停車(chē)導(dǎo)航協(xié)商網(wǎng)絡(luò)，將汽車(chē)、停車(chē)場(chǎng)和導(dǎo)航系統(tǒng)建模成Agent,通過(guò)各Agent 的協(xié)作為駕駛員選擇價(jià)格和路線最優(yōu)的停車(chē)場(chǎng)。
4 多Agent在APTS中的應(yīng)用
4.1 基于多Agent 的公交運(yùn)行狀態(tài)檢測(cè)
公交運(yùn)行狀態(tài)檢測(cè)對(duì)于確保公交系統(tǒng)的正點(diǎn)到站、運(yùn)行具有重要的意義。采用AVM 系統(tǒng)獲取公交運(yùn)行數(shù)據(jù)進(jìn)行擾動(dòng)（延遲和超行）檢測(cè)缺乏對(duì)全局路況的總覽而且穩(wěn)定性差，很難提供基于時(shí)空二維的路況進(jìn)展?fàn)顟B(tài)。因此，F(xiàn)lavien提出了采用多Agent 技術(shù)診斷公交擾動(dòng)以及檢測(cè)定位數(shù)據(jù)傳輸?shù)倪B貫性。公交車(chē)和站點(diǎn)被建模成Agent,站點(diǎn)Agent 備有公交運(yùn)行時(shí)間表，負(fù)責(zé)計(jì)算公交到站后的調(diào)度；公交車(chē)Agent負(fù)責(zé)向STOP Agent 報(bào)告路網(wǎng)實(shí)際狀態(tài)，供STOPAgent 將車(chē)輛到達(dá)的理論時(shí)間和當(dāng)前實(shí)際時(shí)間相比較以檢測(cè)公交擾動(dòng)。在此基礎(chǔ)上，他們又對(duì)擾動(dòng)的整個(gè)生命周期進(jìn)行了動(dòng)態(tài)建模，把擾動(dòng)模型融合到多Agent 決策支持系統(tǒng)中，研究了擾動(dòng)對(duì)路網(wǎng)活動(dòng)的影響。模型包括三個(gè)信息區(qū)域：后繼區(qū)域（延遲公交車(chē)后繼站點(diǎn)），關(guān)鍵區(qū)域（延遲公交車(chē)所在的站點(diǎn)），先前區(qū)域（延遲公交車(chē)的前驅(qū)站點(diǎn)）。如圖4 所示，最底層的STOP Agent 接收BUS Agent 傳來(lái)的信息，中間層的STOPAREA Agent 負(fù)責(zé)從STOP Agent 中收集信息合成交通評(píng)價(jià)、客流信息、路況進(jìn)展系數(shù)等，頂層的INCIDENT Agent 形成綜合的實(shí)時(shí)調(diào)度決策。
圖4 基于分級(jí)多Agent 公交擾動(dòng)檢測(cè)框架圖。
4.2 基于多Agent 的公交系統(tǒng)運(yùn)行仿真
公交系統(tǒng)的運(yùn)行仿真可用于調(diào)整公交調(diào)度、評(píng)價(jià)公交路網(wǎng)結(jié)構(gòu)以及制定策略。David采用多Agent仿真方法描述了公交系統(tǒng)運(yùn)行，將公交車(chē)和出行者建模成Agent,所有的模型都結(jié)合了公交操作、出行者行為和道路交通負(fù)載。文中使用了多項(xiàng)logit 模型配備交通需求，評(píng)價(jià)了步行、汽車(chē)、公交模式的效用，并基于效用模型制定了出行者的出行路線和交通行為。仿真主要關(guān)注了公交乘客載荷和乘客等待時(shí)間。
仿真結(jié)果表明，通過(guò)將公交車(chē)和出行者建模成Agent,可方便地模擬公交車(chē)在運(yùn)行過(guò)程中可能出現(xiàn)的各種狀況（飽和、不足），為特殊事件（事故、阻塞）的發(fā)生制定有效的調(diào)度策略。
5 結(jié)論與展望
ITS 的將來(lái)會(huì)被各式智能、自治的Agent 布滿(mǎn)整個(gè)交通系統(tǒng)中，通過(guò)互聯(lián)網(wǎng)、無(wú)線網(wǎng)絡(luò)或自組織網(wǎng)絡(luò)連接，不斷采集信息做出智能決策，最終使交通系統(tǒng)獲得徹底的智能。要使Agent 發(fā)揮更大的作用，還需要在實(shí)際應(yīng)用中充分考慮城市交通系統(tǒng)及其內(nèi)含實(shí)體的特點(diǎn)（出行方式特征、交通規(guī)則、路網(wǎng)結(jié)構(gòu)、出行心里），緩解通信需求、降低運(yùn)算量及協(xié)調(diào)復(fù)雜度、優(yōu)化系統(tǒng)組織結(jié)構(gòu)、增強(qiáng)系統(tǒng)的穩(wěn)定性和安全性。多Agent 今后在城市交通系統(tǒng)中的研究方向應(yīng)主要集中在以下幾方面：
（1） 多個(gè)Agent 系統(tǒng)的信息融合，如在交通管理系統(tǒng)、出行信息系統(tǒng)、導(dǎo)航系統(tǒng)、停車(chē)系統(tǒng)間共享信息，通過(guò)協(xié)調(diào)多系統(tǒng)的工作，提高路網(wǎng)運(yùn)行效率和出行信息服務(wù)質(zhì)量；
（2） 針對(duì)城市交通系統(tǒng)存在的問(wèn)題，研究面向特定應(yīng)用領(lǐng)域的多Agent 系統(tǒng)結(jié)構(gòu)、協(xié)調(diào)算法和組織優(yōu)化技術(shù)，形成規(guī)范的技術(shù)體系，包括通信環(huán)境、建模方法、評(píng)價(jià)方法等；
（3） 將更多Agent 新技術(shù)引入到城市交通系統(tǒng)設(shè)計(jì)當(dāng)中，如移動(dòng)Agent、Agent 規(guī)范、Agent 體系結(jié)構(gòu)、Agent 通信和語(yǔ)言、Agent 組織與聯(lián)盟、Agent學(xué)習(xí)與規(guī)劃、Agent 協(xié)商與協(xié)調(diào)等方向上的新技術(shù)；
（4） Agent 技術(shù)理論研究在城市交通中的應(yīng)用已形成一定的規(guī)模，如何更高效地發(fā)揮Agent 的特性使之與城市交通更緊密的結(jié)合與適應(yīng)將會(huì)成為新的研究熱點(diǎn)；
（5） Agent 的廣泛應(yīng)用會(huì)把更多的人工智能、系統(tǒng)工程、控制理論、優(yōu)化算法和分布式計(jì)算技術(shù)引入到實(shí)際的交通問(wèn)題解決中來(lái)，為Agent 的具體應(yīng)用提供更多的新思路。
評(píng)論