基于多智能体的城市交通仿真研究

1引言

交通仿真是20世纪60年代以来,随着计算机技术的进步而发展起来的采用计算机数字模型来反映复杂道路交通现象的交通分析技术和方法。从试验角度看,道路交通仿真是再现交通流时间和空间变化的模拟技术，交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用。利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涄现”出整体系统的复杂性行为。多主体模型基本思路是：由于人类社会是由大量的个体构成的复杂系统，因而在计算机中建立每个经济实体的个体模型，这样的计算机中模型被称为Agent；然后让这些Agent遵循一定的简单规则相互作用；然后通过观察这群Agent整体作用的涌现性找到人工社会的规律，并用这些规律解释和理解人类社会中的宏观现象[1]。

文中以Traffic Grid模型为基础，仿真研究了交通系统从而得出停着的车辆数量，平均等待时间等曲线，为城市规划和决策者提供了数据。

2多主体建模

主体（Agent，也有人译为智能体、代理）和多主体系统（Multi-Agent System,MAS）是随着分布式人工智能的研究而兴起的。“主体（Agent）”一词一般用来描述自包含的（self-contained）、能感知环境并能在一定程度上控制自身行为的计算实体[2]。人工智能学者Minsky在1986年出版的著作《思维的社会》（The Society of Mind）[3]中提出了Agent，认为社会中的某些个体经过协商之后可以求得问题的解，这些个体就是Agent。Agent至少应具备以下几方面的关键属性：①自主性：Agent具有属于其自身的计算资源和局部于自身行为控制的机制，能在无外界直接操纵的情况下，根据其内部状态和感知到的（外部）环境信息，决定和控制自身的行为。②交互性：能与其他Agent进行多种形式的交互，能有效地与其他Agent协同工作。③反应性：能感知所处的环境，并对相关事件做出适时反应。④主动性：能遵循承诺采取主动行动，表现出面向目标的行为。⑤推理和规划能力：Agent具有学习知识和经验及进行相关的推理和智能计算的能力。

多Agent系统（MAS）由多个自主或半自主的智能体组成，每个Agent或者履行自己的职责，或者与其他Agent通信获取信息互相协作完成整个问题的求解。与单Agent相比，MAS有如下特点：①社会性：Agent处于由多个Agent构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。②自制性：在多Agent系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。③协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。

3仿真模型

3.1 总体结构

道路交通系统包含很多相互关联的实体，主要有道路（分为路段和交叉口）、信号控制设施、车辆、驾驶员、行人等。这些实体有的具有一定程度的自制性和智能性，如驾驶员、行人等，有的是被动的受其他实体的影响，如路段等。多主体技术能够对交通系统中的各要素进行建模[4]，如交叉口、信号灯、交通控制中心等，对这些要素进行简化，建立多主体概念模型。主要Agent有交通路网Agent、车辆Agent、信号灯Agent，其中交通路网Agent参考1979年Herman等[5]提出的二流模型（Two-fluid Model）,该模型认为交通流有运行车辆与停止的车辆组成。

路网描述：交通路网是道路交通系统的基础设施，承载着车辆的运行。交通路网具有复杂的拓扑结构和集合特征，如果过于复杂则计算负载过重，故分为路段、路网、交叉口三次层管理，路网Agent负责存储维护整个交通路网的拓扑关系，为交通实体提供路网信息。路段Agent负责本路段的描述，交叉口Agent包含信号灯对象实现各入口车道交通流的时间分离，一个路段一个车道。

信号灯结构：信号灯是重要的交通控制设施，它实现对交叉口不同流向的车辆进行时间分离，减少车辆之间可能的冲突，改善交通安全，提高交叉口流通效率。信号灯控制从本质上看，是一个典型的复杂适应系统，国内外相关学者对信号灯控制已做出大量研究，也产生许多控制方案，但都有相应的局限性，也普遍存在着鲁棒性差、不易扩展、计算复杂等缺点[5]，本模型从计算简单出发统一管理信号灯，一次初始化好时间间隔。

3.2参数设置

设置部分如图1。

各个控件表示的物理意义如表1

3.3初始化环境

环境是由37×37的网格组成的，通过设置sliders ：grid-size-x=3，grid-size-y=4初始化一个4行3列的道路，其中两条道路交叉处有红色和绿色的瓦片分别代表红灯和绿灯，其中汽车数目通过设置slider：num-cars=54，点击Setup按钮即形成道路图，如图2。

图2 三行四列的道路图

3.4相关规则

3.4.1环境规则

初始时车辆数目（ num-cars ）一定要小于路（如图2中白色的表示道路）的数量，如果超出则提示警告信息。

如果无人参与此系统则设置 current-auto? 为 off ，有则设置 on ，并且通过 current-phase 选择一个交通灯为控制的交通灯。

此系统如果没有交通灯的参与则设置 power? 为 off ，反之则设置为 on 。

3.4.2运行规则

每一个时间步，车子按照当前速度向前行驶，如果当前速度小于限制速度（ speed-limit ）并且它们前方没有车子，那么它们加速（ speed-up ）行驶，如果前面的车辆速度小于自己的车速，那么当前车子要调整自己车速和前面的车速一致（ slow-down ），遇到红灯或者停着的车辆，当前车辆要停止。

4案例分析及结果

4.1 案例一

目前，以城市交通为背景，研究诸如拥堵的形式、传播、消散、交通流在路网中的优化分布、车辆动态路径选择、特殊车辆控制等问题时，无信号灯交叉口车辆通行情况的准确性表征都是不可缺少的重要一环[6]。按照上述模型运行，当在没有信号灯也没有人参与的情况下（power?设置为off），道路为4行3列，车辆数目为140时的运行结果如图3

当在有信号灯没有人参与的情况下（power?设置为on），道路为4行3列，车辆数目为140时的运行结果如图4

4.2 案例二

按照上述模型运行，当在道路为4行3列，车辆数目为54时我们得出停着的车辆数量柱状图如图5，车辆平均速度柱状图如图6，平均等待时间柱状图如图7：

图5 停着的车辆数量

4.3 分析及结果

由案例一可知，在有信号灯参与交通管理下交通却快速崩溃了（图3 ticks=3164，图4 ticks=665，ticks是时间步，随着时间延续而增长），导致这种结果有多个因素，如信号灯控制不合理、车辆数目过大超过了道路的承载能力等。

有案例二可知，车辆平均速度与停着的车辆数量有一定的关系，正如二流模型中认为的路网宏观层面的平均行驶速度与路网上车辆的比重的幂运算成线性关系[7].

限于篇幅，文中只给了两个案例，有参数设置可以看出要得到高效的交通模拟数据需要大量的实验和多种组合，我们还可以得出有人参与交通管理的情况下交叉口的流通效率会提高，当有流动车辆进入交通道路或者离开交通道路会对上述结论产生何种影响等许多对实践有指导意义的结论。

结论

文中从基于多Agent建模的角度出发，借助Netlogo软件平台，利用了“Traffic Grid模型”，模拟了不同组合的参数对交通系统产生不同的影响，获取了车辆平均等待时间、停止的车辆等随时间变化的曲线，但是由于此模型比较简单，模拟的范围小、没有采用实际路网等因素，有待更好的改善。

多主体模型以并行的方式模拟非线性因果的社会系统，使人们更好地理解社会现象，发现现象背后的机制，从而做出预测和辅助决策。多主体建模目前还未形成成熟的体系，因而也没有一套完整而成形的理论，但可以预言，随着多主体思想的普及理论方法的完善，基于多主体建模和仿真会越来越多地应用于社会生活研究中。