文/王 冰 周慶忠 林世崗 李必鑫

引言

隨著經(jīng)濟的快速發(fā)展，汽車數(shù)量逐年猛增，交通擁堵問題也與日俱增，最新數(shù)據(jù)顯示，我國部分特大型、大型城市擁堵延時指數(shù)均在2以上，因為交通擁堵，公眾出行需花費非擁堵狀態(tài)下2倍以上的時間到達目的地[1]。交通擁堵問題已經(jīng)開始制約城市經(jīng)濟的可持續(xù)發(fā)展。

交通擁堵的產(chǎn)生主要有六個根本原因：道路通行能力的局限性、交通信號燈配時設(shè)計不合理、交通事件、道路施工、惡劣天氣、特殊事件。其中前兩個原因?qū)?dǎo)致常發(fā)性交通擁堵，其余的原因?qū)?dǎo)致偶發(fā)性交通擁堵。偶發(fā)性交通擁堵發(fā)生在時間和空間上的不可預(yù)知性也極大增加了擁堵預(yù)防和疏導(dǎo)的難度[2]。如果疏導(dǎo)不及時就會很快由點擁堵擴散為線擁堵，甚至蔓延成面擁堵。

對偶發(fā)性交通擁堵進行疏導(dǎo)，傳統(tǒng)方法是人工處置法，即現(xiàn)場執(zhí)勤警察臨時控制擁堵上下游路口的交通，然后現(xiàn)場尋找關(guān)鍵沖突點，進而疏導(dǎo)擁堵[2]。這種采用交警現(xiàn)場執(zhí)勤疏導(dǎo)擁堵的方法，權(quán)威性高，效果顯著。但也存在不足之處：

（1）交警接到疏導(dǎo)指令后，需要進行現(xiàn)場信息收集，人工收集信息的效率較低，遠不及衛(wèi)星、GPS、傳感器等信息收集范圍廣，速度快。

（2）交警對擁堵的疏導(dǎo)主要依靠指揮指令的發(fā)布，采用手勢發(fā)布指令影響范圍小，控制車輛有限，對擁堵疏導(dǎo)的掌控全局性不高。

（3）對于較大規(guī)模的擁堵，往往需要多個交警同時疏導(dǎo)，交警之間的協(xié)調(diào)和信息共享程度較低。

（4）交警信息收集范圍有限，很難根據(jù)新的情況及時調(diào)整疏導(dǎo)策略，靈活性不高。

總之，傳統(tǒng)應(yīng)對偶發(fā)性交通擁堵采用人工疏導(dǎo)方法存在成本高、效率低，不能適應(yīng)目前城市交通擁堵頻繁發(fā)生，影響范圍巨大的現(xiàn)實狀況。

借助計算機技術(shù)、傳感器技術(shù)、GPS技術(shù)以及通信技術(shù)的力量，人類正在致力于解決交通擁堵問題。智能交通運輸系統(tǒng)是目前世界交通運輸領(lǐng)域的前沿領(lǐng)域，已成為世界各國極力投注資源推動的重點之一。車路協(xié)同系統(tǒng)作為智能交通運輸系統(tǒng)的重要子系統(tǒng)，它基于無線通信、傳感探測等技術(shù)獲取車輛和道路信息，通過車車、車路通信進行交互和共享，實現(xiàn)車輛和基礎(chǔ)設(shè)施之間智能協(xié)同與配合，達到緩解交通擁堵的目標，也備受國內(nèi)外科研人員關(guān)注，是世界交通發(fā)達國家的研究、發(fā)展與應(yīng)用熱點[3]。就目前而言多數(shù)的車路協(xié)同系統(tǒng)聚焦于交通安全[4]、快捷支付[5]、車輛引導(dǎo)等宏觀層面的研究，而對于擁堵狀態(tài)下車車如何協(xié)調(diào)移動，自主地疏導(dǎo)擁堵這種微觀層面的研究較少。

1.問題建模

對于常發(fā)性擁堵，屬于交通資源不能滿足交通需求，這樣的擁堵問題需要通過頂層設(shè)計，拓展交通容量、抑制交通需求來進行解決，屬于宏觀層面問題，這里不作探討。本課題主要針對因不可預(yù)料原因造成的偶發(fā)性交通擁堵進行研究。

但是，每次擁堵時，車輛、道路、交規(guī)等條件都有所不同，因此不能統(tǒng)一建模求解。且偶發(fā)性擁堵具有很大的不確定性，擁堵狀況隨著車輛的增加和移動隨時都在發(fā)生變化。因此迫切需要一種能夠?qū)崟r感知問題空間變化并快速做出反應(yīng)的技術(shù)和方法來解決這一問題。多智能體系統(tǒng)（m u lti～agent）在解決擁堵疏導(dǎo)問題中具有得天獨厚的優(yōu)勢。多智能體系統(tǒng)是多個智能體組成的集合、它的目的是將大而復(fù)雜的系統(tǒng)建設(shè)成小的、彼此相互通信和協(xié)調(diào)的，易于管理的系統(tǒng)。它通過Agen t的合作來完成任務(wù)的求解。

2.車輛自主疏導(dǎo)agent模型結(jié)構(gòu)設(shè)計

車輛自助疏導(dǎo)系統(tǒng)agent模型由五個層次構(gòu)成，如圖1所示。

第一層是數(shù)據(jù)網(wǎng)絡(luò)基礎(chǔ)層，包括通信模塊、數(shù)據(jù)庫模塊、信息采集模塊和信息輸入模塊。

通信模塊由GSM通信系統(tǒng)、ad～hoc自組織網(wǎng)絡(luò)模塊等構(gòu)成，負責(zé)為在堵車輛之間提供通信服務(wù)，當(dāng)車輛距離滿足自組織網(wǎng)絡(luò)的距離要求，即可自行組成一個多agent網(wǎng)絡(luò)。

數(shù)據(jù)庫模塊記載車輛疏導(dǎo)的必須數(shù)據(jù)，如車輛屬性（長度、車型等信息）。

信息采集模塊由多種傳感器構(gòu)成，用來采集在堵車輛自身，及周邊的環(huán)境信息，如速度、車輛周邊物體距離、道路寬度、溫度等信息。

圖1 在堵車輛自主疏導(dǎo)agent模型

導(dǎo)航模塊有GIS、GPS、GSM系統(tǒng)構(gòu)成用來提供車輛位移、位置信息。

第二層是信息共享與融合層，包括信息共享模塊和信息融合模塊。

單一在堵車輛依靠傳感器、導(dǎo)航系統(tǒng)提供的環(huán)境信息雖然真實，但一葉障目不見泰山，對于整個擁堵局面的描述，單一在堵車輛無能為力。數(shù)據(jù)共享模塊能夠把每一在堵車輛所獲得的局部信息進行共享，使得在堵車輛都有機會獲得擁堵全局信息。數(shù)據(jù)的簡單共享和堆砌并不能直觀、明確地描述整個擁堵狀況，數(shù)據(jù)融合模塊將每一在堵車輛提供的信息進行融合，從而獲得全局性擁堵信息。

第三層是擁堵建模與求解層。包括擁堵建模模塊和擁堵求解模塊。

獲得全局性擁堵信息后，擁堵建模模塊針對這些信息進行抽象，建立擁堵魔方模型。模型求解模塊對該模型進行求解，并將該抽象解還原回擁堵實際情況，給出擁堵疏導(dǎo)方案。

第四層是擁堵方案顯示層，擁堵方案通過車內(nèi)顯示屏顯示出每一步的車輛移動距離和等待順序。

第五層是車輛操控層，即駕駛員，通過前面四層的服務(wù)，相當(dāng)于為一輛在堵車輛配備了一名交通擁堵疏導(dǎo)警察，而且警察之間通過agent通信和協(xié)商系統(tǒng)保持目標、步調(diào)高度一致。避免了在堵車輛移動的盲目性，保障了最短時間疏通擁堵。

3.自主疏導(dǎo)過程設(shè)計

（1）搜集全局性擁堵信息。在擁堵狀態(tài)下，在堵車輛的移動（轉(zhuǎn)向、掉頭、變道等）策略通常都是隨意和盲目的，其原因在于在堵車輛不能獲得全局性的擁堵信息，于是往往僅有的疏通路徑也被在堵車輛見縫扎針般地堵上，造成死鎖，加大了擁堵疏導(dǎo)時間。因此自主疏導(dǎo)系統(tǒng)需要為每一輛車提供全局性的擁堵信息。

自主疏導(dǎo)系統(tǒng)中，全局性的擁堵信息來自兩個階段：第一階段，每一輛在堵車輛通過車載傳感系統(tǒng)，搜集本車周邊的道路和車輛信息，然后通過共享網(wǎng)絡(luò)廣播給所有在堵車輛；第二階段，每一輛在堵車輛都接受其他在堵車輛廣播的擁堵信息，然后結(jié)合自身搜集的擁堵信息，建立整個擁堵路段的全局性擁堵信息。

（2）根據(jù)全局擁堵。信息，明確每一輛車的初始位置和目標位置，然后建立當(dāng)前擁堵問題的魔方問題模型。

（3）因為魔方問題求解并不復(fù)雜，不需要多agent分布式求解，因此隨機指定其中某一在堵車輛agent對其求解，并將模型解結(jié)合全局擁堵模型，確定在堵車輛的移動策略和移動順序。

（4）發(fā)布在堵車輛移動策略和移動順序，每輛在堵車輛接到移動策略和移動順序后將該信息逐步提供給駕駛員，并監(jiān)督其執(zhí)行情況。

（5）執(zhí)行移動策略，并檢測策略執(zhí)行情況和執(zhí)行步驟，一旦擁堵狀態(tài)和環(huán)境發(fā)生變化，則重新循環(huán)執(zhí)行過程[1]。

4.總結(jié)

交通擁堵問題，車輛、道路等問題都會隨著車輛移動的盲目性變得瞬息萬變，且逐步趨于復(fù)雜，多agent系統(tǒng)在應(yīng)對此類問題能夠利用遠超人類的計算速度做到應(yīng)對擁堵問題隨機應(yīng)變，與駕駛員配合在一起，相當(dāng)于為每一輛車配備了目標一致、配合默契交通警察，為大幅度提高交通指揮和擁堵疏導(dǎo)效率提供了一個有效途徑。

[1]華龍網(wǎng).全國最堵10座城市排名，重慶擁堵延時排第四[EB/OL].2014[2014～8～23].news.cbg.cn/2014/0821/462115_2.shtm l.

[2]金治富.道路交通秩序管理務(wù)實指南[M].第一版.北京：中國人民公安大學(xué)出版社，2013：288～294.

[3]陳超，呂植勇等.國內(nèi)外車路協(xié)同系統(tǒng)發(fā)展現(xiàn)狀綜述[J].交通信息與安全，2011，第29卷(1)：102～103.

[4]吳濤.車路協(xié)同智能路側(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D].山東：山東理工大學(xué)，2012.

[5]李睿.基于車路協(xié)同的城市交叉口交通安全與警模型的研究[D].蘭州：蘭州交通大學(xué)，2013.

[6]起點下載.魔方求解軟件V 2.2.7.6中文綠色版[EB/OL].2014[2014～8～23].www.cncrk.com/downinfo/56509.htm l.