论文部分内容阅读
摘要：智能体计算机技术在解决分布式复杂巨系统在动态环境中的不确定问题时具有显著的优势，交通运输系统分布于动态变化的交通网络环境的建模描述是智能体技术应用的一个重要领域。本文将简要介绍智能体技术及其发展现状，在此基础上从控制系统架构、控制方法以及控制建模仿真三个方面对智能体技术在城市交通信号控制系统中的应用进行探讨研究。
关键词：智能体技术;城市交通信号控制;建模;仿真
前言：
当前阶段，智能体技术在交通运输系统中得到了广泛的应用，涉及到了交通控制管理、系统建模仿真、拥堵管理以及决策支持等多个方面[1]。城市交通信号控制系统具有明显的分布式特征，面对复杂多变的交通网络环境，必须采用智能体技术才能有效的满足分布式交通信号自适应控制的需求，因为智能体可以基于目标和环境的要求自主完成规划，实现对交通的自动化控制。
1.智能体技术简述
智能体技术是将系统分解为多个存在关联的智能体，通过协作实期望的全局目标，是分布式复杂巨系统的内涵式解决方法之一[2]。智能体技术针对问题通常具有以下三个方面的特征：其一，在逻辑和物理上呈现出分散状态。其二，子系统处于不确定的动态环境中。其三，各个子系统之间存在信息交互需求。目前，智能体技术已经被广泛应用于网络管理、信息管理、生产制造、交通运输等诸多领域。结合智能体技术目前发展情况来看，依旧存在一些问题有待解决，例如现阶段智能体技术还无法有效的支持大规模分布式动态系统的应用，多智能体系统通常采用系统动态—动作空间的形式完成行为表达，其系统学习参数将会随准状态变量维数呈现指数级增长，这将会对多智能体系统拓展的实时性带来较大的影响。因此，在技术发展的过程中，人们应该加强对多智能体系统可拓展性的研究。再如，现有的多智能体应用系统一般采用功能固定的静态智能体，智能体之间的协同多采用邻近简单交互、集中分层式以及分散网络式三种结构。受到静态智能体特性的影响，即在系统运行时才会执行系统功能，虽然多智能体系统相较于传统控制系统具有较强的自适应能力和协作能力，但在动态环境中，对不确定问题的处理能力却存在局限性。
2.智能体技术在城市交通信号控制系统中的应用研究
2.1基于智能体技术搭建交通控制系统架构和平台
以往采用的城市交通控制模型无法满足复杂交通网络环境下大规模交通数据通信传输和控制策略动态优化的需求，系统自适应能力较差，且所需的维护成本较高[3]。而多智能体系统则能够有效的适应复杂交通条件下的控制。多智能体系统包含的智能体可以分为静态智能体和移动智能体两种，智能体模块处于智能体网络系统的各个节点上。目前，智能体技术被广泛应用于全息交通数据环境下交通运输系统的优化方面，一些学者已经基于该技术完成了交通控制管理系统架构和平台的搭建，其中比较具有代表性的研究成果包括由西班牙马德里理工大学Hernandez研究出的InTRYS和TRYSA两个系统、美国加利福尼亚大学Chen提出的Mobile—C系统、美国亚利桑那大学中国科学院Wang提出的aDAPTS系统以及荷兰代尔夫特理工大学Katwijk提出的TBMCS系统等。
基于智能体技术的控制系统架构主要有分层式、网络式以及混合式三种形式，其中分层式是将系统分解为多个子系统，网络式结构则包含了许多完全分散的智能体，混合式则是兼具以上两种形式的特征。Hernandez研究出的InTRYS和TRYSA两个系统即是其在对比分析了分层式和网络式两种结构后提出的针对城市交通网络管理的多智能体系统，前者采用的是分层式结构，后者采用的是网络分散式结构，相较而言，后者在同步性、拓展性上有优于前者，但在处理复杂度较高的协调任务时，前者則更具优势。
Chen则是提出了一种由移动智能体构成的多智能系统，相较于传统的由静态智能体构成的分布式智能体系统，Mobile—C在大范围交通控制和管理方面具有更加优越的灵活性和自适应性，非常适用于交通的管理和检查。而且移动智能体还具有静态智能体不具备的功能，可以在系统之间进行转移，这样可以有效的减小网络复杂，同时还能够支持断开控制、动态生成组件等功能。
2.2基于智能体技术的交通信号控制
首先，在交叉口信号控制方面，传统控制系统的自学能力较差，且对交通模型精度的依赖性较强，为了解决这些问题，许多学者开始研究基于智能体的交通信号自适应协调控制方法。其中比较具有代表性的研究成果有荷兰代尔夫特理工大学Roozemond提出的IDTMIS系统，这是一种基于智能体技术的城市交叉口控制系统，Roozemond根据城市交叉口主动控制和实时控制两个方面的需求开发了精细的控制模型和算法，搭建了由信号智能体、路段智能体、管理智能体共同组成的系统架构，通过路段智能体获得路段的交通数据，而信号智能体则能够根据实时规则推理并制定控制方案，从而良好的使用路口交通环境的变动。
在交通集成控制和管理方面，以往的研究成果有Wang开发出的基于aDCS系统的架构和运行机制，将该系统架构和运行机制于网络化机器人控制系统结合起来，开发出了一种能够应用于交通运输系统的分布式自适应管理平台（aDAPTS）。在有就是有德国慕尼黑大学Logi等提出的CARTESIUS系统，该系统主要应用于高速公路走廊交通拥堵的集成管理，采用两个相互协同并能够提供决策支持的智能体对连续交通数据、事件检测数据以及控制设备状态参数进行动态检测，在此基础上同通过一定的融合分析和逻辑推理，制定相应的优化控制方案，实现对交通拥堵情况的有效解决。
2.3基于多智能体的交通控制建模和仿真
当前阶段，多智能体技术在城市交通信号控制建模和仿真中已经得到了广泛的应用。面对复杂多变的交通网络环境，多智能体系统通常是采用直观方法，从个体层面对各个自治实体进行描述，以此完成交通系统的建模和仿真，其涉及到的领域包括信号控制、交通集成管理、交叉口安全、行人流量预测等多个方面。比较具有代表性的应用研究有Zhang等提出的多智能体交通仿真框架，具体是采用智能体技术对主要交通实体进行建模。再如，英国爱丁堡大学的Li等提出了一种基于三层智能体模型的交通协调调度和控制系统（COTSCS），它主要由高层的“城市交通全局智能体”、中层的“控制智能体”以及低层的“底层智能体”构成，三者分别负责监控城市所有区域交通智能体、底层智能体通信协调、个体交通实体运行模拟等工作。Fischer K、Chaib-Draa B等提出了一种多智能体仿真工具AGENDA，对多智能体应用系统开发中的一些关键技术，如任务分配、协同规划、任务分解等进行了分析。Meignan等提出了一种能够对公交网络进行评估的多智能体仿真工具，具备公交网络可视化静态评估和公交运行控制两项主要功能，可以基于特定的环境约束，对公共汽车、常规道路交通等智能体模型进行移动和交互。
初次之外，随着智能体技术研究的深入，一大批多智能体交通仿真软件也涌现出来，其中包括德国宇航中心在2000年开发的城市移动行仿真器（SUMO）、德国柏林工业大学和苏黎世联邦理工大学在2006年联合开发的多智能体交通仿真工具（MATSIM）等。
结语：
综上所述，将智能体技术应用于城市交通信号控制系统中，可以有效的应对新时期交通调度控制、交叉口交通安全、交通管理和路径引导等多个领域，实现对全局路网的有效控制。
参考文献
[1]张磊. 多智能体技术在交通系统中的应用研究[J]. 山西建筑，2016，42（18）：256-258.
（作者单位：浙江易时科技股份有限公司）
关键词：智能体技术;城市交通信号控制;建模;仿真
前言：
当前阶段，智能体技术在交通运输系统中得到了广泛的应用，涉及到了交通控制管理、系统建模仿真、拥堵管理以及决策支持等多个方面[1]。城市交通信号控制系统具有明显的分布式特征，面对复杂多变的交通网络环境，必须采用智能体技术才能有效的满足分布式交通信号自适应控制的需求，因为智能体可以基于目标和环境的要求自主完成规划，实现对交通的自动化控制。
1.智能体技术简述
智能体技术是将系统分解为多个存在关联的智能体，通过协作实期望的全局目标，是分布式复杂巨系统的内涵式解决方法之一[2]。智能体技术针对问题通常具有以下三个方面的特征：其一，在逻辑和物理上呈现出分散状态。其二，子系统处于不确定的动态环境中。其三，各个子系统之间存在信息交互需求。目前，智能体技术已经被广泛应用于网络管理、信息管理、生产制造、交通运输等诸多领域。结合智能体技术目前发展情况来看，依旧存在一些问题有待解决，例如现阶段智能体技术还无法有效的支持大规模分布式动态系统的应用，多智能体系统通常采用系统动态—动作空间的形式完成行为表达，其系统学习参数将会随准状态变量维数呈现指数级增长，这将会对多智能体系统拓展的实时性带来较大的影响。因此，在技术发展的过程中，人们应该加强对多智能体系统可拓展性的研究。再如，现有的多智能体应用系统一般采用功能固定的静态智能体，智能体之间的协同多采用邻近简单交互、集中分层式以及分散网络式三种结构。受到静态智能体特性的影响，即在系统运行时才会执行系统功能，虽然多智能体系统相较于传统控制系统具有较强的自适应能力和协作能力，但在动态环境中，对不确定问题的处理能力却存在局限性。
2.智能体技术在城市交通信号控制系统中的应用研究
2.1基于智能体技术搭建交通控制系统架构和平台
以往采用的城市交通控制模型无法满足复杂交通网络环境下大规模交通数据通信传输和控制策略动态优化的需求，系统自适应能力较差，且所需的维护成本较高[3]。而多智能体系统则能够有效的适应复杂交通条件下的控制。多智能体系统包含的智能体可以分为静态智能体和移动智能体两种，智能体模块处于智能体网络系统的各个节点上。目前，智能体技术被广泛应用于全息交通数据环境下交通运输系统的优化方面，一些学者已经基于该技术完成了交通控制管理系统架构和平台的搭建，其中比较具有代表性的研究成果包括由西班牙马德里理工大学Hernandez研究出的InTRYS和TRYSA两个系统、美国加利福尼亚大学Chen提出的Mobile—C系统、美国亚利桑那大学中国科学院Wang提出的aDAPTS系统以及荷兰代尔夫特理工大学Katwijk提出的TBMCS系统等。
基于智能体技术的控制系统架构主要有分层式、网络式以及混合式三种形式，其中分层式是将系统分解为多个子系统，网络式结构则包含了许多完全分散的智能体，混合式则是兼具以上两种形式的特征。Hernandez研究出的InTRYS和TRYSA两个系统即是其在对比分析了分层式和网络式两种结构后提出的针对城市交通网络管理的多智能体系统，前者采用的是分层式结构，后者采用的是网络分散式结构，相较而言，后者在同步性、拓展性上有优于前者，但在处理复杂度较高的协调任务时，前者則更具优势。
Chen则是提出了一种由移动智能体构成的多智能系统，相较于传统的由静态智能体构成的分布式智能体系统，Mobile—C在大范围交通控制和管理方面具有更加优越的灵活性和自适应性，非常适用于交通的管理和检查。而且移动智能体还具有静态智能体不具备的功能，可以在系统之间进行转移，这样可以有效的减小网络复杂，同时还能够支持断开控制、动态生成组件等功能。
2.2基于智能体技术的交通信号控制
首先，在交叉口信号控制方面，传统控制系统的自学能力较差，且对交通模型精度的依赖性较强，为了解决这些问题，许多学者开始研究基于智能体的交通信号自适应协调控制方法。其中比较具有代表性的研究成果有荷兰代尔夫特理工大学Roozemond提出的IDTMIS系统，这是一种基于智能体技术的城市交叉口控制系统，Roozemond根据城市交叉口主动控制和实时控制两个方面的需求开发了精细的控制模型和算法，搭建了由信号智能体、路段智能体、管理智能体共同组成的系统架构，通过路段智能体获得路段的交通数据，而信号智能体则能够根据实时规则推理并制定控制方案，从而良好的使用路口交通环境的变动。
在交通集成控制和管理方面，以往的研究成果有Wang开发出的基于aDCS系统的架构和运行机制，将该系统架构和运行机制于网络化机器人控制系统结合起来，开发出了一种能够应用于交通运输系统的分布式自适应管理平台（aDAPTS）。在有就是有德国慕尼黑大学Logi等提出的CARTESIUS系统，该系统主要应用于高速公路走廊交通拥堵的集成管理，采用两个相互协同并能够提供决策支持的智能体对连续交通数据、事件检测数据以及控制设备状态参数进行动态检测，在此基础上同通过一定的融合分析和逻辑推理，制定相应的优化控制方案，实现对交通拥堵情况的有效解决。
2.3基于多智能体的交通控制建模和仿真
当前阶段，多智能体技术在城市交通信号控制建模和仿真中已经得到了广泛的应用。面对复杂多变的交通网络环境，多智能体系统通常是采用直观方法，从个体层面对各个自治实体进行描述，以此完成交通系统的建模和仿真，其涉及到的领域包括信号控制、交通集成管理、交叉口安全、行人流量预测等多个方面。比较具有代表性的应用研究有Zhang等提出的多智能体交通仿真框架，具体是采用智能体技术对主要交通实体进行建模。再如，英国爱丁堡大学的Li等提出了一种基于三层智能体模型的交通协调调度和控制系统（COTSCS），它主要由高层的“城市交通全局智能体”、中层的“控制智能体”以及低层的“底层智能体”构成，三者分别负责监控城市所有区域交通智能体、底层智能体通信协调、个体交通实体运行模拟等工作。Fischer K、Chaib-Draa B等提出了一种多智能体仿真工具AGENDA，对多智能体应用系统开发中的一些关键技术，如任务分配、协同规划、任务分解等进行了分析。Meignan等提出了一种能够对公交网络进行评估的多智能体仿真工具，具备公交网络可视化静态评估和公交运行控制两项主要功能，可以基于特定的环境约束，对公共汽车、常规道路交通等智能体模型进行移动和交互。
初次之外，随着智能体技术研究的深入，一大批多智能体交通仿真软件也涌现出来，其中包括德国宇航中心在2000年开发的城市移动行仿真器（SUMO）、德国柏林工业大学和苏黎世联邦理工大学在2006年联合开发的多智能体交通仿真工具（MATSIM）等。
结语：
综上所述，将智能体技术应用于城市交通信号控制系统中，可以有效的应对新时期交通调度控制、交叉口交通安全、交通管理和路径引导等多个领域，实现对全局路网的有效控制。
参考文献
[1]张磊. 多智能体技术在交通系统中的应用研究[J]. 山西建筑，2016，42（18）：256-258.
（作者单位：浙江易时科技股份有限公司）