基于Multi-agent协商的出行信息个性化服务策略

为了满足个体出行者的信息服务需求、均衡分配路网系统交通量,采用效用理论和multi-agent建模技术,将驾驶员、信息发布单元以及路网管理者分别作为不同的Agent建立模型,提出了基于multi-agent协商的个性化信息服务策略,期望通过Agent之间的协商实现个体出行者与路网管理者之间的利益均衡.应用Starlogo仿真技术,针对5种路网饱和度和6种服务供应-接受比例组合成的30种服务供给模式,分析了该信息服务策略对出行个体和整体路网的影响.仿真结果表明:协商服务最佳适用路况的流量饱和度为0.95,最佳的服务供应比例为60%.     

基于累积自学习机制的驾驶员路径选择博弈模型

为弥补已有驾驶员路径选择博弈模型将驾驶员视为完全理性的不足,探求无诱导信息情况 下路网交通流临界状态,将驾驶员视为有限理性,其依赖累积时间感受收益做出下一次的路径选 择策略,并以驾驶员的行程时间感受作为决策收益建立了基于累积自学习机制的无诱导信息驾驶 员路径选择博弈模型。利用该模型,分析了驾驶员路径选择行为对路网交通流的影响,并通过仿 真验证得出了不同初始状态下的模型博弈平衡结果。仿真结果表明：博弈平衡状态与路网车流总 量及初始流量分配比例密切相关。当路网车流总量小于或接近路网总通行能力时,不发布诱导信 息,路网的交通流分布达到稳定平衡,路网通行能力利用率较高;当路网车流总量远大于路网总 通行能力时,不发布诱导信息,路网交通流分布会形成峰谷平衡,不能有效利用路网通行能力, 应采取相应的交通管理措施。     

横向互联空气悬架多智能体减振器系统博弈控制

为进一步改善横向互联空气悬架车辆的行驶平顺性和操纵稳定性, 基于多智能体理论和合作博弈Shapley值原理构建多智能体减振器控制系统; 多智能体减振器控制系统由信息发布智能体、平顺性智能体、操稳性智能体和博弈协调智能体组成, 其中信息发布智能体从环境中获取车辆状态信息, 根据下层智能体的信息需求传递信息, 平顺性智能体接收悬架动行程及其变化率信息, 根据平顺性控制要求, 输出自身的阻尼系数意图, 操稳性智能体接收当前互联状态信息触发对应的推理模块, 根据车身侧倾角信息求解需求的阻尼系数, 其中推理模块是通过对遗传算法优化出的阻尼系数进行模糊神经网络自学习形成的, 博弈协调智能体接收平顺性智能体与操稳性智能体的阻尼意图, 根据自身的合作博弈规则, 对阻尼意图进行修正, 输出全局最优阻尼系数; 在不同互联状态、不同激励条件下进行空气悬架静、动态特性试验研究, 并将试验结果与仿真结果进行对比, 验证仿真模型的准确性; 在混合工况下, 利用整车仿真模型验证多智能体减振器控制系统的可行性和有效性。研究结果表明: 和传统减振器阻尼控制系统相比, 多智能体减振器控制系统能有效地使簧载质量加速度均方根值降低14.95%, 悬架动行程均方根值降低10.64%, 车身侧倾角均方根值降低12.33%。提出的多智能体减振器控制系统改善了车辆行驶平顺性和乘坐舒适性, 并且能够抑制车身的侧倾, 提高整车的操纵稳定性。      

基于累积自学习机制的诱导信息条件下驾驶员路径选择

将驾驶员视为有限理性,并以驾驶员的行程时间感受作为决策收益,建立基于累积自学习机制的诱导信息条件下的驾驶员路径选择模型。通过仿真验证得出不同初始状态下的模型博弈平衡结果。仿真结果表明:诱导信息的发布并不是一直有效的,它与路网的车流总量以及初始流量的分配密切相关。     

面向驾驶员行为研究的基础理论——多源信息融合算法综述

驾驶员行为的研究是智能运输系统,特别是其先进的车辆控制系统仿真、研智能车辆领域中基于多源信息融合的驾驶员行为研究较为罕见.因此应从人机控制观点出发,应用模糊逻辑、非参数统计等理论以及智能协同技术,对驾驶员任务集聚、协同反应过程,特别是多源信息融合、人机协同效能在不同路网环境中的实现等建模关键理论与方法进行研究,建立驾驶员微观协同仿真模型.这是智能化交通控制与管理系统开发和实现的关键技术,对提高交通系统管理效率、缓解拥挤,减少污染和能源消耗,培育未来新产业,具有十分重要的理论价值和现实意义.     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。      

基于强化学习理论的车辆路径选择过程研究

为了有效缓解交通拥堵,研究驾驶员路径选择过程中的学习机制,建立了基于强化学习理论的交通诱导模型,利用MATLAB仿真驾驶员路径选择过程,并对比分析基于无诱导信息条件下驾驶员路径选择过程,仿真表明:发布诱导信息比不发布诱导信息效果好,诱导信息发布的有效性得到验证;管理者应将诱导信息的可信度提高至50%~60%,诱导信息能被充分利用,且不会导致拥堵漂移,路网流量均衡分布,能够有效缓解交通拥堵。     

无信号交叉口交通冲突分析

为了研究无信号交叉口冲突车辆间驾驶员的决策行为,从博弈角度出发,根据影响驾驶员决策行为的性格因素,以及不同策略之间相对的势因素,通过时间细化,建立基于重复博弈下影响驾驶员决策行为的效用函数。通过驾驶员在交叉行进过程中的决策行为,分析不同驾驶员决策行为组合的效用,确定博弈过程中存在Nash均衡,得到动态博弈中驾驶员的最优决策。例证表明:冲动型的驾驶员在各决策时间段内更愿意选择加速抢先策略;温和型的驾驶员在各决策时间段内偏好于加速抢先策略或保持匀速策略;谨慎型的驾驶员在各决策时间段内偏好于选择保持匀速策略或减速礼让策略。     

����FIPA������ͣ�����񻷾��о�

为了给驾驶员提供优质的停车服务、保证停车场的良性供需平衡,本文提出了一个由汽车、停车场和停车信息服务中心组成的智能停车服务环境。基于分布控制的思想,城市被分为若干停车区域,每个区域的停车信息服务中心都是基于FIPA规范和多Agent系统架构实现,并采用了移动Agent、消息队列、Agent容器和Agent执行环境对FIPA规范进行了扩展,充分利用了FIPA良好的交互性和移动Agent的灵活性;无需驾驶员和停车场的干预,多Agent可自动完成停车场查询、停车价格协商、停车位预定、路径导航等功能。此外,还将以时间为驱动的竞价机制引入到系统中,指导分别代表汽车和停车场的Agent进行停车价格的协商。协商算法的仿真结果表明：延长协商的规定时间会增加协商次数,降低协商算法的收敛速度。     

无诱导信息条件下基于有限理性模糊博弈的车辆路径选择

以模糊数学为工具、行为强化理论为基础,建立有限理性模糊博弈的无诱导信息车辆路径选择模型,通过Matlab仿真得出不同初始状态下的博弈平衡结果。结果表明:初始路网交通量的分配比例对路网的平衡状态无显著影响,且当路网交通总量接近路网的通行能力时,博弈结果会达到稳定平衡,当交通量远大于路网通行能力时,博弈结果则呈现峰谷平衡。     

多源信息刺激下驾驶员综合认知拓扑结构研究

根据多传感器信息融合和人类对多源信息综合处理过程之间的相似性,充分考虑驾驶员心理-物理因素及其对驾驶行为多变性和不确定性的制约,研究多源信息刺激下驾驶员任务集聚的心理-物理综合认知拓扑结构和认知活动链,探讨各驾驶行为模式的决策机制、车辆运行模式的运行机制和驾驶员协同反应机理,可为微观交通流仿真和智能车辆的研究提供理论依据,为智能运输系统的建立提供分析工具.     

信号交叉口驾驶员行为博弈分析

为了研究车辆通过信号交叉口时的驾驶员决策行为,从博弈角度出发,根据影响驾驶员决策行为的性格因素,以及不同策略之间的势因素,通过时间细化,建立基于重复博弈下影响驾驶员决策行为的效用函数。通过驾驶员在行进过程中的决策行为,分析驾驶员获得的效用,得到动态博弈中驾驶员的最优决策。同时通过实例验证模型的可行性。例证表明:第一,对于冲动型的驾驶员在决策初始时刻最可能选择减速策略;第二,温和型的驾驶员选择加速或减速策略;第三,谨慎型的驾驶员选择减速策略。     

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.     

智能网联环境交通流波动消除理论与方法综述

分析近年来智能网联环境下交通流波动消除策略的研究进展，根据模型构建的技术手段将其分为三类：跟驰模型稳定性解析控制、交通流波动传播轨迹控制、强化学习驾驶行为优化控制。回顾各类策略的研究现状与模型机理，对比讨论各类控制策略的优势与不足，并从技术背景、研究场景、算法流程和应用理论方面提出智能网联环境下交通流波动消除策略的未来深化研究方向，包括考虑多车道道路环境、交通流微观机理、车辆冲突博弈的复杂情境，考虑宏微观智能网联车控制与交通流主动控制的融合优化，考虑数据缺陷、系统不确定和环境扰动下系统可扩展性和鲁棒性提升，以期为了解交通流波动消除研究进展、提升智能网联环境下交通流波动控制效果提供参考。     

基于动态交通诱导信息的驾驶员刺激-反应模型

针对城市道路交通信息发布时产生的信息震荡问题,以消除信息震荡、帮助驾驶员选择最优路径为目的,结合驾驶员的出行行为分析了交通诱导信息对驾驶员选择行为的影响,将交通信息发布变化量作为刺激量、路段交通负荷度变化量作为反应量,构造了基于动态交通诱导信息策略的驾驶员刺激-反应模型,通过仿真算例确定了交通信息发布的动态区间。研究表明:该方法能够有效减少交通信息震荡,对改善城市路网的使用效益具有较强的实用性。     

多智能体协作动态路况信息服务系统研究

交通信息服务系统中的动态路况信息服务是研究的热点和难点课题.现有的动态路况信息发布方式受众面广,如果路网中的大部分参与者都利用接收到的路况信息实时规划出行路线,则势必对全局交通系统造成较大的扰动,在避开现有交通拥堵点的同时形成新的拥堵点.文中基于GIS空间数据模型和多智能体的理论方法,研究了一种多智能体协作动态路况信息服务技术,通过增强信息提供者和出行者之间的交互和协作,提供实时性更强的诱导路径.阐述了系统结构、路网模型和多智能体模型,设计开发了实验原型系统,并得出了初步结论.     

�յ������¼�ʻԱ·��ѡ����Ϊ���ݻ����ķ���

交通诱导是交通管理者、驾驶员等交通参与者之间的一个博弈过程，在这个过程中，每个驾驶员根据所拥有的信息修正自己的行为策略以提高盈利，从而构成交通又到演化中的宏观结构与驾驶员的微观行为之间互相影响的自组织现象。本文应用演化博弈论对交通诱导演化过程进行了分析，建立了诱导条件下驾驶员选择行为的演化模型，并对其进行分析以求为建立实用的诱导策略提供理论支持。     

完全信息供应链的协调机制

供应链内部成员冲突的根源来自联盟利润的分配．如果不存在有效的协调机制．长期稳定的合作关系是很难建立和维持的．文中研究了供应链中具有完全信息时的协调机制．当双方具有对称讨价还价能力时。带有订货费用的讨价还价可以协调系统；当讨价能力不同。基于“最优行动博弈”的协商可以使系统达到协调．     

���ټ�ʻ��Ϊ���ݻ�����

为遏制超速驾驶,通过分析驾驶员超速的心理博弈过程,建立了交通管理者和驾驶员策略选择的决策博弈模型,应用演化博弈论分析了交通管理者检查与不检查、驾驶员超速与不超速各自2种策略选择的时间演化过程. 根据雅可比矩阵的局部稳定性对可能的演化稳定状态进行了分析,由于交通管理者和驾驶员选择不同的策略会有不同的收益,因此,演化稳定状态会有鞍点、稳定点、不稳定点等几种情况. 分析结果表明：政府部门要加强对交通管理者尽职的奖励与失职的惩罚,敦促交通管理者严格检查;同时,针对个体差异对超速的驾驶员进行严厉处罚,这样就会在一定程度上遏制超速驾驶,提高交通安全.     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统，但驾驶员仍需对驾驶环境进行监测，若发生紧急事件或驾驶环境超出系统运行设计域等情况，驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现，驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态，从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷，降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号，提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响，探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control, ToC) 的管理问题。在复杂道路交通下，驾驶员需要更多时间恢复对环境的感知，且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中，为防止过渡区出现集中的ToC，可以制定相应交通管理措施，以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点，讨论网联环境下人-机交互系统设计以及ToC形式。 单个的交互方式有其自身的优、缺点，多种类型相结合的交互形式能形成优势互补，及时地将接 管信息传递给驾驶员，并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高，网联信息需要更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。同时，利用驾驶员状态识别技术实时监测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响，结合接管时的驾驶环境，遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用，逐步改进现有人-机交互系统的设计和性能，对过渡区域ToC的管理问题展开深入研究。