基于Multi-agent的道路交通流控制模型

结合近年来出现的人工智能新技术，提出基于Ｍulti-agent的道路交通流控制模型，从而实现一种灵活的agent自主控制算法，并进一步提出Ｍulti-agent协商策略的设想，实验证明，该agent自主控制算法柔性结合多个交通状态量，较好地平衡了道路交叉口各向交通流，具有较强的优化度和扩展能力。     

���ܼ�ɢ�ͳ��н�ͨ����Ϣ�������巽�����

城市交通流信息集成是ITS（智能交通系统)的重要组成部分，起着衔接和融合各个交通业务系统的泛平台性支撑作用。博康集团公司联合清华大学共同提出的“智能集散型城市交通流信息集成总体方案”深入研究了交通流信息的功能需求和相关集成技术定位，依托基于MAS(多智能体系统)技术的智能集散型交通信息平台，从信息的采集、处理、发布各个层面提供了全方位的交通流信息集成解决思路。本方案技术领先，实用性强，在深圳市已获成功应用，全国推广态势良好。     

基于Multi-agent的交通流优化模型

交通流的优化模型是城市交通控制和管理问题中十分重要的研究课题。利用合理的道路优化控制策略，可以提高道路通行能力和车辆平均速度，改善城市交通状况。本文将人工智能的新技术，用于城市道路交通流控制模型中，通过灵活的agent自主控制算法和Multi-agent协商策略，构造交通流的优化模型，从而解决车辆阻塞和交通疏导问题。这种新的优化模型和相应控制算法的应用，可以有效解决城市交通路口的车辆阻塞问题，提高交通路口的车辆通行能力。