多智能体在城市交通系统中应用现状综述

　　摘 要： 多智能体威廉希尔官方网站 通过各自治智能体间的通讯、协调、合作来表达实际的复杂系统，特别适用于城市交通系统的建模。在分析了多智能体威廉希尔官方网站 和城市交通系统特性的基础上，对多智能体在城市交通管理系统、出行信息系统和公交系统中的应用现状进行了综合论述，对各个领域最具代表性的应用进行了介绍和分析。研究认为，多智能体威廉希尔官方网站 为城市交通问题提供了良好的解决方案，在具体应用中需要对交通环境和实体进行准确的建模，缓解通信需求、降低运算量及低协调复杂度、增强应用系统的稳定性和安全性。最后指出了多智能体威廉希尔官方网站 在城市交通系统应用中的发展趋势。

　　1 引言

　　Agent 是运行于动态环境中的具有较高自制能力的实体，具有自主性、分布性、协调性和一定学习、推理能力。多智能体系统通过Agent 间的通讯、合作、协调和控制表达系统功能及行为特性。城市交通系统是自然的、分布的、复杂的、动态的、规模庞大的系统，采用多Agent 威廉希尔官方网站 建模城市交通系统可为交通决策者和使用者提供良好的解决方案。从二十世纪80 年代末，就有学者将多Agent 威廉希尔官方网站 引入到城市交通系统的建模中，利用其协作、存储、智能性和自治性为使用者提供在线决策支持、实时交通控制，或利用其对客观世界的准确描述进行交通系统运行仿真，发现交通系统中的问题、规律或验证新的理论和算法。本文从ITS 框架中的先进的交通管理系统（ATMS）、先进的出行者信息系统（ATIS）、先进的公交系统（APTS）三个方面对Agent 威廉希尔官方网站 在城市交通系统中的应用现状展开论述，最后指出多Agent 威廉希尔官方网站 在城市交通系统的应用中需解决的问题以及发展趋势。

　　2 多Agent在ATMS中的应用

　　在ATMS 中，多Agent 威廉希尔官方网站 主要用于提供实时的决策支持并进行适当的管理控制。根据Agent 慎思型和反应型两种模型结构，建构基于Agent 的城市交通管理系统也有两种思路：分层递阶式和完全分布式。

　　2.1 分层递阶式结构

　　分层递阶式结构的每一级都由功能、结构类似的Agent 组成，同级Agent 间可相互协调，上级Agent可作为对应下级Agent 的协调单元，下级Agent 向所属上级Agent 传输局部系统环境和系统控制的反馈信息，为上级Agent 提供决策依据。最早的分层递阶式系统就是KITS 和TRYS.

　　KITS 产生于在1992-1994 年间，将交通领域知识分解成与路网拓扑结构相匹配的单元集合，提供专门的推理机制进行交通决策和管理。如图1 所示，底层的Agent 通过协作完成交通监控和管理任务，Actor 是直接和问题区域对应的交通评价和管理单元，Supervisor 负责全局路况分析、解释以及合成全局行动方案。KITS 的成功表明：基于知识的模型可以和多Agent 威廉希尔官方网站 相集合来提高城市交通系统的监控和管理能力。

　　图 1 KITS 架构图

　　TRYS 是在1991-1994 年间建立的实时自适应的交通管理决策系统。如图2 所示，TRYS 的结构与KITS 相似，通过Agent 访问实时采集的路况数据，并由Agent 内部的知识库和推理引擎对数据进行分析处理，coordinator 负责协调各Agent的工作以形成全局解决方案。与KITS 不同的是，TRYS 中的问题区域由独立的、功能强大的Agent负责监督。

　　图 2 TRYS 架构图。

　　翟高寿和Choy根据递阶控制结构理论及城市交通系统的结构特征，提出了四层的分层递阶式结构，分别是：决策层（城市交通控制决策系统）、战略控制层（若干区域协调控制系统）、战术控制层（若干路口控制系统）、执行层（检测器、信号控制器和信号灯等）。

　　该结构的协调控制策略在TRYS 基础上进一步下放到了路口级，建立了路口Agent，每个路口成了一个智能的知识系统，可及时根据路口交通状况进行控制策略的实时部署与调整，更好地适应了交通系统动态性、实时性强的特点，对突发性交通流的变化有很好的适应和调节能力。

　　2.2 完全分布式结构

　　在完全分布式结构的系统中，Agent 凭借自身的知识和智能与相邻区域Agent 协调共同完成路口的管制。最初的应用就是西班牙的TRYSA2 系统，如图3 所示。TRYSA2 Agent 有一个控制计划集，每个计划都被赋予了能够减轻交通压力的效用值。系统可通过评估相关Agent 的计划效用值合成系统最优的解决方案。Oliveira 、承向军、杨兆升等学者也先后提出了以路口Agent 为基本控制单元的完全分布式控制结构，系统中的Agent 都具备了一定的存储、匹配和智能计算功能，可依靠良好的协调算法实现多Agent 之间的协调与合作以达到整体优化和控制的目的。

　　图 3 TRYSA2 架构图。