基于多智能体系统的动态路径选择算法研究

动态路径选择算法是城市交通流诱导系统的核心理论之一，一直受到国内外研究学者的普遍关注。本文给出了一种基于多智能体系统的动态路径选择新方法，阐述该方法的主要思想，借助交通模拟软件——PABAMICS建立一个基于多智能体的交通诱导系统，并实现对一个简单路网的诱导管理。仿真结果显示：该方法具有实时性强和鲁棒性好的特点，说明多智能体系统在实际交通诱导应用中具有可行性。     

交通信号区域协调优化的多智能体博弈模型

本文以多智能体技术和博弈论为基础,对交通信号的区域协调模型进行了研究。文章首先对多智能体交通控制系统做了简单的介绍,然后应用博弈论的相关知识建立了Agent之间的协调模型并给出协调算法,在此基础上对一个简单的交通网络进行仿真,仿真结果表明本文所建立的区域协调模型的有效性。     

电控空气悬架多智能体博弈控制系统研究

为协调互联状态控制与车身高度控制之间的耦合关系,结合多智能体理论和博弈论思想搭建电控空气悬架多智能体博弈控制系统。首先建立与试验样车相匹配的整车模型,验证模型准确性,在此基础上,搭建由信息采集智能体、车身高度控制智能体、互联状态控制智能体和博弈智能体构成的多智能体博弈控制系统。在单一工况下验证系统学习行为的有效性,在混合工况下验证系统控制效果。结果表明,在该系统的控制下,直线行驶时,驾驶员位置处的总加权加速度均方根值降低了7.77%,侧倾因子降低了17.87%;转弯工况下,通过牺牲部分行驶平顺性,改善了车辆操纵稳定性;在混合工况下,车辆整体性能有大幅度提升。     

基于多智能体的智能交通控制结构模型

介绍了多智能体在智能交通控制中的应用,给出了多智能体的控制模型以及应用于交通控制中的结构框架模型。同时,本文还给出了该结构模型中各个Agent在系统中的功能。     

基于混沌神经网络的最优路径选择算法

研究车载交通流诱导系统的最优路径选择问题。采用广义路阻的定义,考虑了驾驶员在路径选择中的不同要求,并借助一种具有暂态混沌和时变增益的神经网络(NNTCTG),针对最优路径选择问题设计了神经网络结构,构造了能量函数,提出了一种能够满足不同出行者偏好的最优路径选择算法。所提出的算法具有很多优良特性,即暂态混沌特性和平稳收敛性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。仿真结果表明,NNTCTG求解指定起讫点对之间的最优路径问题时,总能收敛到全局最优,同时具有更高的搜索效率。     

基于多智能体系统的城市交通控制与诱导集成化研究

首先分析城市交通信号控制与动态诱导系统集成的特点及多智能体系统的原理,在此基础上提出基于多智能体系统的城市交通信号控制与交通诱导集成系统的体系结构以及两类相互作用的智能体模型结构：交通信号控制智能体模型及动态交通诱导智能体模型,以交通信号控制智能体模型为主,分析其内在结构和作用机制,最后分析总结了未来研究展望。     

基于多智能体技术的交通管理系统的研究

提出了基于多智能体技术的交通管理系统，将交通管理系统与目前人工智能领域的研究热点问题－多智能体技术相结合，即通过多个智能体有机构成多智能体系统，利用各个智能体之间的协商与合作来辅助实现智能化的交通管理系统，从而提高交通管理部门的管理效率，降低由于交通带来的环境污染，论述了多智能体系统的原理，基于多智能体技术的交通管理系统的结构框架及其优势。     

上海市高速公路网多路径条件下驾驶员路径选择研究

为解决上海市联网收费系统中的多义性路径问题,采用陈述偏好调查法（SP）对路网中涉及多义性径的主要大流量OD对之间驾驶员路径选择进行调查,分析影响驾驶员路径选择的因素,总结上海市高速公路网中驾驶员路径选择特征和规律。研究结果发现,在常态交通条件下,运输总费用因素对驾驶员路径选择最为敏感,而特定交通事件（如道路维修或设置指路标志等）将对车辆路径选择产生根本性的影响。本研究可为高速公路网多义性路径问题研究提供新的思路和方法。     

车辆识别中的博弈特征选择研究

针对特征识别判断中出现的冲突和特征过多所造成的特征维数灾难问题,采用博弈论的方法对车辆特征空间进行搜索,找到一组对车辆类型识别的最佳特征子集。在多特征组成的特征空间中把具有存在冗余关系的特征定义为博弈过程中的同一个局中人,具有互补关系的特征定义为不同的局中人,用互信息构造支付值函数,使支付值函数能够表现局中人之间的可信度冲突关系。支付值函数的大小和局中人采用对策的分类能力大小相关,分类可信度高的对策支付值大,分类可信度弱的对策支付值小。在车辆识别应用中,车辆的5个特征所组成的特征空间中,把具有冗余与关系的特征分成两个局中人,构造出支付函数,在赢得矩阵中求出均衡解,得出均衡解所对应的{车长、后轮距}是特征空间的一组最佳特征子集。     

基于定向树搜索的博弈配流模型

通过将交通路网中路径搜索的定向式启发策略与深度优先的树搜索算法相结合,提出了一种有效路径的定向树搜索算法。该算法利用节点坐标划定有效搜索区,使搜索范围缩小。在具体的求解过程中一是利用已求出的节点位势确定下一步搜索的邻接节点范围,二是利用一个简单的节点估价函数确定进一步要选择的节点。通过给每一个节点一个搜索标记号来记录搜索树的分杈情况,可以顺利的实现有效路径的连续搜索,并结合博弈理论建立了新的交通流分配模型,给出了博弈配流的步骤。新模型合理反映了交通路网中出行者的出行路径决策行为,提供了唯一的路径流量解,因此便于在交通网络的灵敏度分析和优化设计中应用。最后,用一个简单算例说明了该方法的有效性。     

基于分时路网模型的车辆导航动态自适应寻路算法

以交通流连续特性为基础,建立了分时动态交通路网模型,分析了分时路网“先进先出”的特性,并提出了一种高效的动态自适应最优路径规划算法,可应用于车辆实时动态导航系统。     

智能交通系统中动态路径诱导算法分析

对智能交通中动态路径诱导算法进行较为系统的综述。首先,从微观和宏观角度对动态诱导系统中需要用到的交通参数模型进行分析和比较,并列举几种交通参数模型;然后,对一些经典路网寻优算法进行分析,并引用一些专家学者的研究成果;最后,对动态路径诱导算法的未来发展方向进行探讨。     

基于用户路径选择博弈的Braess诡异存在性分析

运用效用理论和博弈论分别提出了静态条件和动态条件下用户出行路径选择需求。同时,选取了经典的Braess诡异现象作为案例,对代表性的出行个体在路网中的路径选择过程进行分析,得出了子博弈精炼纳什均衡下的路网分配结果,验证了Braess诡异现象的存在性。     

车路协同环境下重叠线路公交车速诱导策略

为了防止公交车辆在线路重叠运行区间产生公交串车,在站点附近形成交通瓶颈,提出一种采用车速诱导策略来调整公交运行状态的动态调度模型.采用车路协同环境下的公交运营调度方式,结合各线路独自运行时的乘客需求和车辆车头时距规律,在避免重叠区站点公交串车的前提下,实现了各线路车辆最大程度地维持各自独立运行时车头时距的优化目标.提出...     

城市快速路网络交通路由诱导方法设计与案例分析

为了达到均衡城市快速路网交通负荷,提高交通运行效率的目的,该文介绍了一种模型预测路由控制方法。其控制任务被描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题,通过在未来较长的时段内求解每一个控制周期的最优问题来实现反馈控制。案例分析结果表明,模型预测路由控制方法能够考虑时变的交通状态,取得良好的控制效果,可为先进的交通管理系统规划设计提供依据。     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

城市交通控制与诱导系统协同研究

从子系统功能整合的角度研究城市交通控制与诱导系统协同问题,指出两系统协同的内容主要包括:信息协同,策略协同和协同实施。描述了系统协同的数据结构,提出信息协同组织流程,对交通控制系统与诱导系统的策略协同进行研究,给出两系统的策略协同模型,以multi-agent技术为依托,建立了城市交通控制与诱导系统协同实施的体系框架,并通过仿真分析说明算法的有效性。为城市交通控制与诱导系统协同的最终实现提供理论指导和方法依据。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。