资源描述：
《基于多智能体的城市道路交通控制系统及其协调优化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第36卷第1期吉林大学学报(工学版)Vol.36No.12006年1月JournalofJilinUniversity(EngineeringandTechnologyEdition)Jan.2006文章编号:1671-5497(2006)01-0113-06基于多智能体的城市道路交通控制系统及其协调优化于德新,杨兆升,王媛,孙建平(吉林大学交通学院,长春130022)摘要:在分析多智能体特性的基础上,提出了基于多智能体的城市道路交通控制系统,并采用遗传再励学习和博弈论方法进行优化控制和区域协调,最后
2、通过仿真分析说明了算法的有效性。关键词:交通运输系统工程;城市交通控制;多智能体;再励学习;博弈论;区域协调中图分类号:U491文献标识码:AUrbanRoadTrafficControlSystemandItsCoordinateOptimizationBasedonMulti2AgentSystemYuDe2xin,YangZhao2sheng,WangYuan,SunJian2ping(CollegeofTransportation,JilinUniversity,Changchun130022
3、,China)Abstract:Onthebasisofananalysisofmulti2agentsystembehavior,anurbanroadtrafficcontrolsystembasedonthemulti2agentsystemwasproposed,andoptimizationcontrolandarea2widecoordinationweredonebythegeneticreinforcementlearningandgametheory.Theavailabilityw
4、asverifiedthroughsimulations.Keywords:traffictransportationsystemengineering;urbantrafficcontrol;multi2agentsystem;reinforcementlearning;gametheory;area2widecoordination优化算法的有效性。0引言1控制系统结构框架现代智能化交通信号控制系统已应用人工智能和知识工程等先进的前沿科学技术取得了重要作者根据Agent的模型结构及分层递阶的结[1
5、-8]成果。目前,多智能体已被广泛用于智能机构体系特点建立了分层递阶的多智能体城市道路[9,10]器人、数据分析等领域,但使用多智能体构建控制系统,具体结构框架如图1所示。该控制系的城市道路交通控制系统忽略了对快速路的控统包含执行控制级、子区控制级及中央控制级制,同时未考虑交通控制系统的协调优化。为此,Agent,各级Agent除了进行同级间的协调外还可作者构建了基于多智能体的城市道路交通控制系以通过上一级协调。在执行级包括交叉口及匝道统,采用在励学习、博弈论对涵盖快速路的控制系Agent,兼顾了城市
6、道路体系的总体控制效果。统进行了区域协调优化,并通过仿真分析验证了收稿日期:2005206219.基金项目:国家自然科学基金资助项目(60474068);吉林大学“985工程”资助项目;教育部“973”预研项目.作者简介:于德新(1972-),男,讲师,博士研究生.研究方向:智能交通系统.E2mail:yudx@jlu.edu.cn·114·吉林大学学报(工学版)第36卷图1基于多智能体的城市道路交通控制系统结构框架图Fig.1Thearchitectureofurbanroadtrafficcont
7、rolsystemsbasedonmulti2agentsystem(2)控制器的观测状态:假定Bi能观测相邻2城市道路区域协调及全局优化信号灯的状态,定义Pj是相邻交叉口Cj的一个信号灯的状态,则Bi观测到的状态为:区域协调是指在交通中心的宏观调控作用Si=∑PjNj(1)j∈J下,根据不同的交通流量,最大限度地发挥路口之式中:N为状态数(N=2),J为相邻交叉口的集间互补的优势,均衡每个路口的交通流量,从而提合。高道路的通行能力。它要求路口之间(即包括城i(3)行动指令aj的评价:若用fk表示Ci
8、在市道路与快速路、城市道路与城市道路)的良好信号灯第k周期时的各方向交通流量总和,则第协作,然而路口之间是相互影响、相互作用的,因k周期时Bi行动指令aj的评价定义为:此为实现区域协调必然会引起路口之间出现一定ii程度的冲突。如何解决这些冲突是一个亟需解决b=fk-fk-1(2)的重要问题。如果b>0,则状态Si时的aj应得到再励,否则减弱。用这个准则训练控制器。2.1基于再励学习和遗传算法的交通控制区域协调优化(4)行动指令aj的再励学习:定义Pi(S
