基于多智能体的城市交通流控制原型系统

对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路, 并研究了该系统的基本框架和实现途径及方法, 同时探讨了该系统中各个交通智能体的结构以及它们的协调合作关系, 为基于多智能体的智能城市交通流控制系统的最终实现提供了理论指导和方法依据。     

基于多智能体技术的高速公路监控系统研究

高速公路监控系统是一个开放的、智能的、分布式复杂的信息处理系统。通过剖析智能体和多智能体系统．提出基于多智能体技术的高速公路监控系统体系框架，并对其构成进行分析，探奇各类智能体的功能和结构。设计一个通用智能体模板，可为高速公路监控系统软件实现智能化探索一条新的途径，从而为系统的最终实现奠定基础。     

基于多智能体系统的单元城市交通需求特性研究

我国大城市交通、环境问题日益突出,探讨城市形态对减少交通需求的影响是一个重要课题。论述单元城市的概念,并基于多智能体系统构建自下而上的城市微观模拟系统,结合竞租理论、经济地理学、交通规划理论等学科的成果,定量研究单中心城市与单元城市在交通效率、碳排放上的区别。结果表明,对于超过一定规模的城市,单元城市在减少交通需求、节能减排上有更好的表现。模型除用于研究理想城市形态对交通、碳排放量的影响外,还可用于研究与评价实际城市规划中不同城市形态方案的交通需求。     

基于RUP的多智能体交通控制计算建模分析

根据多Agent的智能行为协调,给出多Agent的分层递阶交通信号控制系统模型。通过Rational统一过程的OOA／D分析,设计和实现以多Agent计算为框架的软件仿真系统。通过实例仿真和实验结果证明该方法实现多Agent道路交通信号控制的可行性。     

基于多智能体的有限时间一致性迭代学习控制

针对多智能体系统的迭代学习一致性控制问题,提出一种基于有限时间算法的控制策略.首先引入虚拟领导者,利用有限时间算法处理前次迭代时各智能体与虚拟领导者间的跟踪误差,以提高误差收敛速率;在此基础上构造一种新的有限时间迭代学习律,改进后的学习律使系统误差收敛所需迭代次数显著减少;然后利用应用图论、李亚普洛夫稳定性理论证明了该学习律在有限时间内的稳定性,基于范数理论得到了学习律的收敛条件;最后通过Matlab数值仿真结果验证了本文方法的有效性.     

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。     

多智能体技术在交通控制中的机理研究

文章以多智能体技术为核心,结合信号控制系统的特殊要求,建立了基于多智能体技术的城市交通信号控制系统的框架,并着重探讨了智能体的组成和内部运行机制.     

基于多智能体的停车选择行为仿真研究

城市中心区停车供需矛盾日益突出,研究停车选择行为并评价停车管理手段具有重要意义．基于前景理论建立驾驶员停车选择行为,构造战略层智能体及战术层智能体,利用多智能体仿真软件Starlogo对停车选择行为进行仿真实验,通过设定不同的情景评价停车管理政策和措施的效果．仿真实验的结果表明在调查区域内调整停车费率可以优化停车系统的资源利用水平,而通过设置路内停车场可以进一步缓解停车供需矛盾．     

一种基于分布式网络多智能体的匝道协同控制方法

针对高速公路与城市快速路交汇区域(路网结合部)拥堵日益严重的现状,综合考虑异构交通网络的通行能力与转换需求,基于多智能体和局部感应控制思想,对路网结合部匝道控制模式进行分析,建立单点CPSO-RBF-PID 匝道控制模型、关联主线多匝道一致性协同方法和不同主线间匝道竞争性协同方法.在此基础上,将路网结合部进行网络拓扑,建立基于分布式网络多智能体的匝道协同控制方法.并选取相应路网结合部对所建模型进行验证,结果证明,该模型具有良好的控制效果,能够起到有效地稳定路网结合部交通流密度,缓解结合部区域交通拥堵的作用.     

多智能体系统中一致性卡尔曼滤波的研究进展

从多智能体系统中一致性问题的基本概念、算法收敛性和性能分析出发,总结了基于一致性方法的分布式卡尔曼滤波的研究进展.从基于局部通讯的滤波器构造方法、信息加权和滤波器参数优化等方面对研究现状进行了评述.最后,讨论了信息损失、量化一致性和随机异步算法等前沿问题,以期促进相关研究.     

基于多源异构信息融合的智能汽车目标检测算法

针对智能汽车单一传感器环境感知的局限性,提出一种基于GPS、双目深度相机、16线激光雷达等多源信息融合的环境感知算法,解决单一传感器环境感知的局限性问题.算法在GPS时间同步基础上,将单一传感器标定后的数据作为改进联合标定算法输入,求解多源传感器最优空间变换矩阵.使用SVM分割点云及欧式聚类提取点云信息的几何特征,获取障碍物的位置信息;利用空间变换矩阵将障碍物点云信息变换到图像坐标系,并将3D点云映射为2D点云信息;融合基于深度学习算法求解的图像中障碍物位置信息与类别信息,实现目标检测.经KITT1数据集及实车测试验证,该算法准确率在78.13％～85.56％之间,每帧数据检测平均耗时0.16～0.19 s,在光照变化、目标遮挡环境下均能有效的进行目标检测,具有较好的工程应用前景.     

基于多智能体的城市交通区域协调控制方法

在分析城市道路交通信号控制特点的基础上,提出了基于多智能体的城市道路区域协调控制方法.在单路口Agent中引入加强学习方法,实现交通信号实时在线调整;在由多交叉口构成的区域路网中,以车辆平均延误为目标,通过多路口Agent之间的协调机制,实现城市交通区域信号控制的智能协调和全局优化,提高整个区域交通的效率,减少车辆的延误.通过仿真实验,与定时控制和感应控制相比,该方法使车辆的平均延误明显减小.     

考虑博弈的多智能体强化学习分布式信号控制

交通需求的不均衡和波动会增加分布式信号控制优化的难度. 由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响. 本文融入博弈论的混合策略纳什均衡概念,改进IA-MARL的决策过程,提出考虑博弈的多智能体强化学习(G-MARL)框架. 在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中,分别对基于IA-MARL 和GMARL 的分布式控制方法进行数值模拟,获取单位行程时间和单位车均延误曲线. 结果显示,与IA-MARL相比,G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%. 证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.     

基于多智能体技术的城市交通控制系统的探讨

提出了一种新的基于多智能体技术的城市交通控制系统框架，并在该系统中的智能体模型中引入了学习机制，初步建立了一个具有专家系统的特点，可以不断进化的分布式城市交通智能控制系统。     

基于多智能体的虚拟企业协同生产计划模型

针对虚拟企业生产计划的特点,采用多智能体对虚拟企业功能实体和物理实体进行封装,提出了一种基于多智能体的虚拟企业协同生产计划系统模型。该模型总体上分为资源规划、全局生产计划和企业内详细生产计划三层,具有混合式多智能体结构、多层计划相辅相成、逐步细化与可重构性等特点,能有效地支持虚拟企业的协同生产计划。     

多智能体遗传算法优化神经网络权值研究

采用多智能体遗传算法来优化神经网络权值,经过神经网络自身的训练来进一步提高精度,结果表明,本算法能以较快的收敛速度获得较高的训练精度。     

基于多体系统动力学的受电弓参数优化

结合受电弓开发设计过程,借助有限元软件ANSYS和多体系统动力学软件SIMPACK,建立弓网刚柔耦合仿真平台.通过耦合仿真平台对受电弓参数进行了深入分析,比较了在同一速度下,不同的受电弓参数对弓网接触力的影响,进而对受电弓参数进行优化,得出最佳参数,并把参数反馈到受电弓的机械设计过程中.同时借助于多体系统动力学技术,建立弓网耦合仿真平台,在受电弓设计开发早期对受电弓参数进行了优化,而且研究的成果得到了实践中的验证,取得了有益的研究成果.     

基于Q-Learning的智能体训练

针对机器人足球比赛的多智能体环境下智能体的训练问题,提出了一种将模糊控制与Q-Learning相结合的学习方法,并在学习过程中自动调节回报函数以获得最优策略,此方法的有效性在中型组的仿真平台上得到了验证,并取得了较好效果,还可将它改进应用于其他多智体环境。     

基于柔性多体动力学的地铁车辆半主动控制

为了对地铁车辆的运行性能实现更准确的评估和更有效的优化,借助有限元理论和子结构理论建立了车体和转向架构架等关键零部件的柔性动力学模型;基于天棚半主动控制算法和柔性多体动力学理论,建立了考虑半主动控制悬挂的地铁车辆刚柔耦合动力学模型;考虑轨道随机不平顺的影响,研究了半主动控制悬挂以及结构柔性对地铁车辆运行稳定性和乘坐舒适性的影响。研究结果表明：相对于传统的悬挂装置,天棚半主动控制极大降低了车辆的振动加速度,并使其变化趋势更加平缓,对车辆的低频振动有明显的抑制作用;采用本文的研究参数,天棚半主动控制在直线段可使车辆的垂向Sperling指标和垂向振动加速度均方根(RMS)分别降低26.8%和7.5%,使车体横向Sperling指标和横向振动加速度RMS分别降低8.8%和4.9%,而在曲线段,天棚半主动控制可使车辆垂向Sperling指标和垂向振动加速度RMS分别降低25.1%和5.7%,使横向Sperling指标和横向振动加速度RMS分别降低15.6%和8.3%,车辆的乘坐舒适性和运行稳定性大幅提升;考虑结构柔性时,车辆的垂向Sperling指标和垂向振动加速度RMS相比于未考虑结构柔性时分别增大了4.3%和6.8%,横向Sperling指标和横向振动加速度RMS分别增大了3.0%和3.4%。可见,车体和构架的结构柔性对车辆的动态特性有较大影响,在对车辆运行稳定性和乘坐舒适性进行计算和评估时不可忽略。