[摘要]以协助应急车辆通行为目的，从交叉口信号优先控制与路径诱导两方面进行统一考虑，建立了基于多智能体系统（Muhi-Agent System，MAS）的应急车辆路径诱导策略。应用相位智能体和管理智能体实现应急车辆在交叉口的信号优先权，在路段上提出了车载智能体和路段智能体，与交叉口两智能体相协同，并以改进的Dijkstra算法为决策算法，共同完成应急车辆路径诱导过程。最后通过Stadogo軟件并借助Matlab完成了对应急车辆诱导过程的验证。仿真结果证明了该方法的有效性。
　　[关键词]应急车辆；信号优先；路径诱导；多智能体系统
　　1引言
　　近些年来由于自然灾害和人为因素而导致的突发事件频繁发生，为尽可能降低这些突发事件带来的人身财产损失，应急车辆如何更安全、高效地到达灾难现场是各国应急部门共同关注的问题。目前国内外学者就应急车辆在交叉口的信号优先权设置及路径诱导两方面都取得了一定的成果。Kwon等先运用Diikstra算法优化了应急车辆的出行路线，再对已选路线上所经过的交叉口信号进行优化设置；Yang等翻针对某一区域发生的突发事件提出了应急车辆调度的建议，并建立了路线优化的模型；Yuan针对应急物流建立了一个以时间最短为目标的路径优化模型，该模型考虑了应急车辆通行时间与灾害扩散程度之间的关系；wang等提出了在车路协同的环境下应急车辆信号优先系统的设计和实现；钟源在假设路径最短的前提条件下，结合多智能体协调技术，应用多级模糊决策算法，对应急车辆的信号优先控制问题进行了研究；刘帆通过对应急物流车辆在路径优化中所需考虑的主要因素进行归纳分析后，以行驶成本和安全违背成本最小为目标，建立了路径优化模型，并运用遗传算法对该模型进行求解。从国内外的研究现状来看，应急车辆的相关研究一般都是侧重于某一方面，如应急车辆检测手段、应急车辆信号优先控制策略、路径优化等，并未在寻求合理的信号优先控制前提下对应急车辆出行路线建立完善的诱导体系。本文试图通过对解决交通问题有一定优越性的多智能體技术来对基于交叉口信号优先控制的应急车辆路径诱导策略进行研究。