基于multi-agent的交通拥堵自主疏导系统设计

DISCUSSION AND RESEARCH探讨与研究
引言
随着经济的快速发展，汽车数量逐年猛增，交通拥堵问题也与日俱增，最新数据显示，我国部分特大型、大型城市拥堵延时指数均在2以上，因为交通拥堵，公众出行需花费非拥堵状态下2倍以上的时间到达目的地[1]。

交通拥堵问题已经开始制约城市经济的可持续发展。

交通拥堵的产生主要有六个根本原因：道路通行能力的局限性、交通信号灯配时设计不合理、交通事件、道路施工、恶劣天气、特殊事件。

其中前两个原因将导致常发性交通拥堵，其余的原因将导致偶发性交通拥堵。

偶发性交通拥堵发生在时间和空间上的不可预知性也极大增加了拥堵预防和疏导的难度[2]。

如果疏导不及时就会很快由点拥堵扩散为线拥堵，甚至蔓延成面拥堵。

对偶发性交通拥堵进行疏导，传统方法是人工处置法，即现场执勤警察临时控制拥堵上下游路口的交通，然后现场寻找关键冲突点，进而疏导拥堵[2]。

这种采用交警现场执勤疏导拥堵的方法，权威性高，效果显著。

但也存在不足之处：
（1）交警接到疏导指令后，需要进行现场信息收集，人工收集信息的效率较低，远不及卫星、GPS、传感器等信息收集范围广，速度快。

（2）交警对拥堵的疏导主要依靠指挥指令的发布，采用手势发布指令影响范围小，控制车辆有限，对拥堵疏导的掌控全局性不高。

（3）对于较大规模的拥堵，往往需要多个交警同时疏导，交警之间的协调和信息共享程度较低。

（4）交警信息收集范围有限，很难根据新的情况及时调整疏导策略，灵活性不高。

总之，传统应对偶发性交通拥堵采用人工疏导方法存在成本高、效率低，不能适应目前城市交通拥堵频繁发生，影响范围巨大的现实状况。

借助计算机技术、传感器技术、GPS技术以及通信技术的力
基于multi~agent的
交通拥堵自主疏导系统设计
文/王 冰 周庆忠 林世岗 李必鑫
摘 要：本文针对在车辆拥堵疏导中，人为疏导拥堵成本高、灵活性差，疏导时间长，效率低
的问题，对拥堵问题进行抽象建模，提出了基于多agent系统的交通拥堵车辆自主疏导系统的构想，
设计了单agent系统结构模型，并研究分析了多agent系统在解决拥堵问题时的合作机制和疏导步骤，
为解决城市交通拥堵问题提供了一种思路。

关键词：multi~agent；交通拥堵；自主疏导；系统设计
Copyright©博看网 . All Rights Reserved.
中国储运网 119
China storage & transport magazine 2014.11
120
探讨与研究 DISCUSSION AND RESEARCH
量，人类正在致力于解决交通拥堵问题。

智能交通运输系统是目前世界交通运输领域的前沿领域，已成为世界各国极力投注资源推动的重点之一。

车路协同系统作为智能交通运输系统的重要子系统，它基于无线通信、传感探测等技术获取车辆和道路信息，通过车车、车路通信进行交互和共享，实现车辆和基础设施之间智能协同与配合，达到缓解交通拥堵的目标，也备受国内外科研人员关注，是世界交通发达国家的研究、发展与应用热点[3]。

就目前而言多数的车路协同系统聚焦于交通安全[4]、快捷支付[5]、车辆引导等宏观层面的研究，而对于拥堵状态下车车如何协调移
动，自主地疏导拥堵这种微观层面的研究较少。

1.问题建模
对于常发性拥堵，属于交通资源不能满足交通需求，这样的拥堵问题需要通过顶层设计，拓展交通容量、抑制交通需求来进行解决，属于宏观层面问题，这里不作探讨。

本课题主要针对因不可预料原因造成的偶发性交通拥堵进行研究。

假定某次拥堵中，每辆在堵车辆，都有一个初始位置i P ，同时也有一个目标位置'
i P ，由此所有在堵的n 辆车构成了一个从初
始状态（12,,n P P P ）到目标状态（'''
12,,,n P P P ）的最短时间移动策略求解问题。

对该问题的求解可采用魔方求解算法[6]。

但是，每次拥堵时，车辆、道路、交规等条件都有所不同，因此不能统一建模求解。

且偶发性拥堵具有很大的不确定性，拥堵状况随着车辆的增加和移动随时都在发生变化。

因此迫切需要一种能够实时感知问题空间变化并快速做出反应的技术和方法来解决这一问题。

多智能体系统（multi~agent）在解决拥堵疏导问题中具有得天独厚的优势。

多智能体系统是多个智能体组成的集合、它的目的是将大而复杂的系统建设成小的、彼此相互通信和协调的，易于管理的系统。

它通过Agent的合作来完成任务的求解。

2.车辆自主疏导agent模型结构设计
车辆自助疏导系统agent模型由五个层次构成，如图1所示。

第一层是数据网络基础层，包括通信模块、数据库模块、信息采集模块和信息输入模块。

通信模块由GSM通信系统、ad~hoc自组织网络模块等构成，负责为在堵车辆之间提供通信服务，当车辆距离满足自组织网络的距离要求，即可自行组成一个多agent网络。

数据库模块记载车辆疏导的必须数据，如车辆属性（长度、车型等信息）。

信息采集模块由多种传感器构成，用来采集在堵车辆自身，及周边的环境信息，如速度、车辆周边物体距离、道路宽度、温度等信息。

导航模块有GIS、GPS、GSM系统构成用来提供车辆位移、位置信息。

第二层是信息共享与融合层，包括信息共享模块和信息融合模块。

单一在堵车辆依靠传感器、导航系统提供的环境信息虽然真实，但一叶障目不见泰山，对于整个拥堵局面的描述，单一在堵车辆无能为力。

数据共享模块能够把每一在堵车辆所获得的局部信息进行共享，使得在堵车辆都有机会获得拥堵全局信息。

数据的简单共享和堆砌并不能直观、明确地描述整个拥堵状况，数据融合模块将每一在堵车辆提供的信息进行融合，从而获得全局性拥堵信息。

第三层是拥堵建模与求解层。

包括拥堵建模模块和拥堵求解模块。

获得全局性拥堵信息后，拥堵建模模块针对这些信息进行抽象，建立拥堵魔方模型。

模型求解模块对该模型进行求解，并将该抽象解还原回拥堵实际情况，给出拥堵疏导方案。

第四层是拥堵方案显示层，拥堵方案通过车内显示屏显示出每一步的车辆移动距离和等待顺序。

第五层是车辆操控层，即驾驶员，通过前面四层的服务，相当于为一辆在堵车辆配备了一名交通拥堵疏导警察，而且警察之间通过agent通信和协商系统保持目标、步调高度一致。

避免了在堵车辆移动的盲目性，保障了最短时间疏通拥堵。

3.自主疏导过程设计
（1）搜集全局性拥堵信息。

在拥堵状态下，在堵车辆的移动（转向、掉头、变道等）策略通常都是随意和盲目的，其原因
图1 在堵车辆自主疏导agent模型
Copyright©博看网 . All Rights Reserved.。