人工智能技术在交通控制领域的应用ppt课件

有最高的决策权力,对整个系统的交通运行状况进行评估,根据各方面
的汇总信息,进行推理、规划和决策,实现所有区域控制系统间的协作,
以追求总体控制效果最优,完成交通控制系统的管理。
协调层 控制系统的中间层,由区域协调Agent 构成,负责本区域内各
路口的监测维护工作,对所控制区域的某几个路口进行强行模式设置,
人工智能技术在交通控制领域 的应用--安朝辉
基于目前交通问题及交通系统发展的现状,近年来人 们开始借鉴新的理论和技术研究交叉口的交通控制技术， 介绍了城市智能交通系统的发展概况与趋势,对当前的 研究成果进行了详尽的分析和阐述, 这些研究对于提高 城市交通控制系统的控制效果具有现实意义。
1
交通信号控制是依据路网交通流数据,对交通信号进 行初始化配时和控制,同时根据实时交通流状况,实时 调整配时方案,实现交通控制的优化。交通控制从被控 区域的最小延误时间出发,获得最佳的配时方案,是系 统化最优的思想。为获得整个路口交通效益的最大,可 采用两种方法:一是采用数学模型对交叉口各个方向 的车辆到达作准确的预测,根据运筹学和最优化理论确 定各个方向的绿灯时间;二是采用智能控制的方法对 交叉口进行控制。由于城市交通系统具有随机性、模 糊性、不确定性等特点,很难对其建立数学模型。计算 机的出现和广泛应用促成了人工智能研究热潮的掀起, 针对传统交通控制系统的固有缺陷和局限性,许多学者 把人工智能的实用技术相继推出并应用到交通控制领 域。
6
在这两个项目研究成果的基础上,Quadstone 公司于1993 年和1994年与英 国工商部合作完成了PARAMICS 向商业化软件的初步转型。PARAMICS 为交 通工程师和研究人员提供了一个崭新的计算工具来理解、模拟和分析实际 的道路交通状况。PARAMICS 具有实时动态的三维可视化用户界面,对单一 车辆进行微观处理的能力,多用户并行计算支持,以及功能强大的应用程序 接口。PARAMICS 能够适应各种规模的路网,从单节点到全国规模的路网, 能支持100 万个节点,400 万个路段,32 000 个区域。PARAMICS 由5 个主 要工具模块组成,分别是Mod2eller , Processor , Analyser , Programmer 和Monitor , 其中Modeller 是整个系统的核心,
3
城市交通网路区域协调
区域协调是指在交通中心的宏观调控作用下,根据不同的 交通流量,最大限度地发挥路口之间互补的优势,均衡每个路口 的交通流量,从而提高道路的通行能力。他要求路口之间(即包 括城市道路与快速路、城市道路与城市道路) 的良好协作,然 而路口之间是相互影响、相互作用的,因此为实现区域协调必 然会引起路口之间出现一定程度的冲突。如何解决这些冲突是 一个亟需解决的重要问题。路网协调控制可以采用上述人工智 能的基础研究方法,近年来Agent 技术开始应用于交通控制领 域。基于Multi2Agent 的城市交通网络智能决策系统研究通过 应用Agent 技术,实现了交通网络系统理论方法,专家的知识经 验和计算机之间的相互结合。系统的知识存储于各个Agent 中, 以便于知识的利用与获取,该系统具有良好的可扩展性。基于 Agent 的智能交通控制系统建模的首要任务是将交通控制系统 的各功能模块转化成有独立功能的Agent ,
2 交通控制系统的仿真工具 为了判别人工智能方法的合理性、有效性,需要仿真软件来进行验证。目 前有两类验证方法, 一种是通过Matlab 、C 语言编制仿真程序,另一种是通 过专用的交通仿真工具进行验证。交通仿真软件使用灵活、能够更加直观地 模拟交通控制现场。现介绍北京工业大学智能交通中心采用的微观交通仿真 软件PARAMICS ,该仿真软件功能强大、使用方便灵活。PARAMICS( PARAllel MICroscopic Simulator) 意为并行微观仿真软件[ 4 ] 。PARAMICS 源于欧 洲共同体Drive2I 计划下属的IMAURO 项目,以及爱丁堡并行计算 中心和英国交通部合作的LINK2TIO 项目。
4
并根据各个Agent 所完成的功能不同,分别建立各个Agent的功能结构, 然后让这些Agent 之间进行交互和协调,共同完成系统任务。图1 是一 种较为通用的结构。
图1 基于Agent 的智能交通控制系统体系结构
智能交通控制系统递阶控制结构各层的功能如下:
组织层 控制系统的最高层,由智能交通控制系统决策Agent 构成,具
以及负责对区域内紧急事件的处理工作,各区域协调Agent 之间还可根
据需要进行信息协调Agent 构成,负责本区域内各路口 的监测维护工作,对所控制区域的某几个路口进行强行模式设置,以及负责对 区域内紧急事件的处理工作,各区域协调Agent 之间还可根据需要进行信息 的交流及合作。 控制层 控制系统的最底层,主要由路口Agent 、路段Agent 构成, 此外, 还包括交通灯Agent 、车辆Agent等,是实现交通控制任务的主要承担者。路 口Agent 具有关于本路口以及其所连接路段的信息,各个方向的交通流在此 会聚,并形成车辆的分流、冲突等交通现象,交通的拥挤往往也主要发生在路 口,因此,路口Agent 非常重要,他可将本路口的交通信息实时通知给其相邻 路口或区域控制中心,并能根据需要完成控制中心下达的控制工作。路段 Agent 用以实时统计各条路段的具体交通信息,通过传感器可了解车辆的数 量和当前的运行位置以及路段当前的拥挤情况。一个实际交通系统和各交通 元素Agent 之间的交互是非常频繁和复杂的,交通元素Agent 的结构、功能 以及他们之间的交互关系,需要根据系统的具体要求进行详细的分析和设计。
2
交通控制领域中人工智能 基础研究方法
交通控制领域中人工智能基础研究方法有模糊控制、遗传算法、神 经网络,另外还有蚁群算法、粒子群优化算法等。模糊系统 模糊逻辑是 一种处理不确定性、非线性等问题的有力工具,特别适用于表示模糊及定 性知识,与人类思维的某些特征相一致,故嵌入到推理技术中具有良好 效果。模糊控制能有效处理模糊信息,但是产生的规则比 较粗糙,没有自学习能力。遗传算法 遗传学通过运用仿生原理实现了在 解空间的快速搜索,广泛用于解决大规模组合优化问题。在解决实时交通 控制系统中的模型及计算问题时,可以通过遗传算法进行全局搜索和确定 公共周期,也可以利用遗传算法来解决面控系统中各交叉路口信号控制方 案的最优协作问题,有效避免可能由此引起的交通方案组合爆炸后果。神 经网络 人工神经网络擅长于解决非线性数学模型问题,并具有自适应、 自组织和学习功能,广泛应用于模式识别、数据分析与处理等方面,其显 著特点是具有学习功能。