基于多智能体的城市交通控制系统研究

论文摘要

城市交通控制是提高城市交通运行效率的重要途径之一,也是城市交通现代化、智能化的重要标志。先进的城市交通信号控制系统对改善交通状况,充分利用现有道路的通行能力起着非常重要的作用。Agent技术是当前分布式人工智能的研究热点,交通系统是一个分布式、非线性、时变的随机系统,本文把Agent技术应用于城市交通控制系统中。首先,在简要介绍城市交通控制系统的现状及控制方法、概述多Agent系统技术的基础上提出了基于Multi-Agent和递阶集散的城市交通控制系统的体系结构。该系统分为三层:交叉口Agent、子区Agent、中央Agent,将控制策略的制定权下放到路口级,各交叉口Agent根据所获取的实时交通信息,并通过相互协调进行交通系统的控制,提高了路口的智能决策能力,从而使控制系统可更加灵活地适应交通系统复杂多变的特点,为实现交通系统的实时智能控制提供了可能。其次,在提出城市交通控制体系结构的基础上,重点研究了基于Nash均衡的城市交通控制协调算法、交通子区的动态划分的相关理论;并且详述了整个系统的控制策略和子区的控制策略。将博弈论应用到城市交通控制系统的研究中,研究了交叉口Agent之间协调的实现。最后,研究了城市交通控制系统协调的前提与关键技术—Agent短时交通量预测。采用遗传算法优化的RBF神经网络对短时交通量进行预测,证明了GA-RBF神经网络预测的有效性和可行性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 城市交通控制发展的历史背景
• 1.2 国内外的发展现状
• 1.2.1 国外城市交通控制的现状
• 1.2.2 国内城市交通控制的现状
• 1.3 城市交通控制的目的和任务
• 1.3.1 城市交通控制的目的
• 1.3.2 城市交通控制的任务
• 1.4 城市交通控制的类型
• 1.5 研究意义
• 1.6 研究的主要内容
• 第二章 Agent的基本理论及其在交通控制系统中的应用
• 2.1 Agent原理和技术
• 2.1.1 Agent的特点
• 2.1.2 Agent的结构模型
• 2.2 Multi-Agent系统
• 2.3 城市交通控制系统采用Multi—Agent技术的可行性与优越性
• 2.4 本章小结
• 第三章 基于博弈论的Agent协调机制研究
• 3.1 博弈论及其在交通中的应用
• 3.1.1 博弈论基础
• 3.1.2 博弈论思想在交通中的应用
• 3.2 基于Nash均衡的交通控制协调算法
• 3.2.1 路口自主式信号控制算法
• 3.2.2 路口间协调控制算法
• 3.2.3 系统协调控制算法
• 3.3 本章小结
• 第四章 基于Multi-Agent和"递阶集散"的城市交通控制系统
• 4.1 Agent的构建
• 4.1.1 交叉口Agent的组成结构
• 4.1.2 子区Agent的组成结构
• 4.1.3 中央Agent的组成结构
• 4.2 基于Agent的"递阶集散"协调实施模式
• 4.2.1 "递阶集散"的含义及适用性
• 4.2.2 递阶集散层次结构
• 4.2.3 "递阶集散"的实现
• 4.3 交通子区的动态划分
• 4.3.1 动态子区的定义
• 4.3.2 子区划分的原则
• 4.3.3 子区划分的方法
• 4.4 交通控制系统区域协调
• 4.4.1 系统整体控制方案
• 4.4.2 Agent之间通讯的设计与实现
• 4.4.3 交叉口Agent间协调实现
• 4.5 本章小结
• 第五章 Agent的短时交通量预测
• 5.1 遗传算法的基本原理
• 5.2 GA-RBF神经网络的设计和应用
• 5.2.1 遗传算法对RBF神经网络的优化
• 5.2.2 GA-RBF算法的实现步骤
• 5.2.3 GA-RBF神经网络在Matlab中的实现
• 5.3 算例及预测结果分析
• 5.4 本章小结
• 结论
• 总结
• 展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢