【摘 要】近年來，將Agent技術(shù)應(yīng)用于交通運輸仿真領(lǐng)域的研究越來越多。本文主要對近幾年國內(nèi)外在基于Agent技術(shù)的交通運輸建模和仿真領(lǐng)域中較高水平的論文進行綜述。

【關(guān)鍵詞】交通運輸 基于Agent 仿真

一、引言

隨著交通運輸網(wǎng)絡(luò)的復雜度不斷增加，為了讓交通運輸系統(tǒng)更加高效地運作，不僅需要考慮宏觀的部分，還要更好地考慮微觀因素。一個交通運輸系統(tǒng)包含了很多自治的、相互作用的智能實體，將Agent或多Agent技術(shù)應(yīng)用于交通運輸中是非常有創(chuàng)造性的，當然，這也是非常有挑戰(zhàn)性的。

二、基于Agent的交通運輸仿真

（一）交通仿真的微觀方法

在交通流仿真中可以找出一些微觀方法。將結(jié)合車輛動力學和駕駛員決策的車輛跟馳模型運用于商業(yè)工具中，可以為基于驅(qū)動策略模型的各種工具提供支持，例如Gipps提出的模型。該模型與自動巡航控制算法很相似，每個模擬車輛具有理想速度以及與前車的合理距離等值。

另一種旨在重建交通流的微觀交通仿真是基于元胞自動機的?？臻g被切割為元胞，在一系列更新規(guī)則的指導下，元胞的狀態(tài)根據(jù)它們的相鄰元胞的狀態(tài)來更新。1992年，Nagel和Schreckenberg提出了著名的Nagel-Schreckenberg模型。在該模型中，元胞的狀態(tài)表示該元胞內(nèi)的車輛的存在和速度。排隊仿真是交通流仿真中的另一個有效的技術(shù)。排隊仿真根據(jù)車輛駕駛員單元在隊列中的位置來捕捉它停留在某個路線上的時間，從而抽象出在駕駛在某個線路上時的決策。

（二）基于Agent的交通需求仿真

傳統(tǒng)上來說，決定交通需求是所有交通仿真中的第一個階段。它解決了交通運輸基礎(chǔ)設(shè)施的需要，并將其作為基礎(chǔ)仿真輸入。交通需求計算的輸出是從起始地到目的地的一系列路徑以及出發(fā)時間。決定交通需求一般是基于人口數(shù)據(jù)、家庭和工作場所統(tǒng)計、汽車所有權(quán)等的數(shù)據(jù)驅(qū)動活動。然而，基于路線的方法在過去比較流行，而基于活動的方法現(xiàn)在變得越來越重要?；诨顒臃椒ㄓ砂l(fā)生在某個地點的活動組成。為了模擬地點的變化，將路線增加到總體規(guī)劃中。之后，根據(jù)連接兩個活動的各自的路線，就可以確定起始地、目的地以及出發(fā)時間。由于Agent和基于活動的方法能夠完美結(jié)合，模擬計劃好的活動和用Agent執(zhí)行活動可以讓交通系統(tǒng)的分析達到一個更詳細的層次。因此，越來越多學者研究基于Agent概念和實現(xiàn)的交通需求模型。Rindsfuser等提出一個能夠適應(yīng)關(guān)于外部事件的日常活動時間表的智能Agent模型。該模型首先為旅客的活動計劃表定義習慣日常程序。Auld and Mohammadian把活動產(chǎn)生與活動計劃分離，并且列入與活動和交通計劃相關(guān)的動態(tài)決策框架。該模型是建立在經(jīng)驗研究中的。與他們的研究相似，Sun等的研究提供了額外的與信息處理和決策不確定性有關(guān)的基礎(chǔ)知識。

（三）基于Agent的交通相關(guān)選擇仿真

基于Agent的第二類模型是交通相關(guān)選擇方面的模型。這些交通選擇可以在不同粒度的層次上做出。

1、博弈論路由選擇模型和信息

根據(jù)博弈論理論，如果不通過損害其他Agent的利益，就沒有一個Agent可以通過轉(zhuǎn)換路徑來提高收益或者降低成本。Chmura以及Klugl等在這方面進行了類似的研究。在抽象雙通道模型中，Machado和Bazzan研究了路徑選擇協(xié)同下的學習和信息分享問題。在該研究中，通過隨機布爾網(wǎng)絡(luò)將其他駕駛者的信息融合進每個Agent的決策中。

2、網(wǎng)絡(luò)學習、通信及重路由模型

Yamashita等的研究指出，增加駕駛者的信息分享可以減少交通時間，這不僅是對于配備了信息分享設(shè)備的駕駛者，對其他駕駛者也是有作用的。隨后，這種路由信息分享的思想被用于協(xié)作導航系統(tǒng)中。同時，Zhu等的研究表明了在公路網(wǎng)絡(luò)上的隨機行走中，基于Agent的方法結(jié)合路由信息交換可以在計算可回溯的情況下產(chǎn)生有效的結(jié)果。在Klugl等的研究中，為了產(chǎn)生現(xiàn)實世界交通網(wǎng)絡(luò)負載的平衡分布，模擬駕駛者在使用的網(wǎng)段上反復學習實際交通時間。Amarante等研究了對不同信息設(shè)置的駕駛者的重新計劃值問題。

（四）基于Agent的交通流仿真

最近幾年，交叉路口的移動行為是交通流仿真中的熱門領(lǐng)域。Espie等提出的ARCHISIM模型可以解決現(xiàn)實駕駛模型中的以Agent為中心的感知問題。在此基礎(chǔ)上之后的一些模型則關(guān)注與緊急車輛或者其他障礙等非標準情景的感知有關(guān)的現(xiàn)實環(huán)境表示問題。例如Ksontini等的研究。Waizman等使用3D模型對交通意外和行人安全改善方面進行研究。該模型對詳細Agent策略行為、駕駛者分析以及行人Agent的感知進行了分析。Luo等的研究運用細節(jié)感知模型對駕駛者變道的策略行為進行模擬仿真。Benenson等對于駕駛者在Tel Aviv的居民區(qū)尋找免費停車位的行為進行了仿真。Agent在網(wǎng)絡(luò)上移動來表示駕駛者的尋找行為，結(jié)果可能是找得到，也可能找不到停車位。擁有可擴展性的大規(guī)模仿真，也就是多層次仿真模型已經(jīng)成為交通流仿真發(fā)展的一大趨勢，例如，Navarro等對城市行人仿真提出了相應(yīng)模型，Strippgen等將圖像處理單元計算應(yīng)用到仿真中。

（五）交通仿真軟件

測試、交通信號的控制方法以及標準管理、收費政策、V2X通信等問題成為了交通流仿真的重要驅(qū)動因素。現(xiàn)在，只有很少的仿真軟件允許靈活地在不同組件操作。商業(yè)和非商業(yè)的微觀流仿真工具，例如VISSEM、PARAMICS、AIMSUN和SUMO等只能提供對實際控制器和仿真基本功能有限的訪問。Barcelo等在其研究中討論了交通仿真軟件測試臺所具備的必須元素。Timoteo等描述了為交通仿真軟件提供完全訪問的TraSMAPI基本功能。

三、總結(jié)

本文對基于Agent對交通運輸仿真對相關(guān)研究進行了總結(jié)。文中綜述的文獻主要關(guān)注交通運輸?shù)慕：头抡妫S著現(xiàn)實社會和經(jīng)濟變得越來越復雜，交通和運輸工程問題越來越需要有關(guān)信息技術(shù)的解決方案。直至目前，對交通運輸問題具有重要意義的便是基于自動化Agent和多Agent系統(tǒng)的仿真建模。

參考文獻：

[1]Barcelo J. Fundamentals of Traffic Simulation[J]. Springer.2010.

[2]Gipps，P. G. A behavioural car-following model for computer simulation[J]. Transportation Research PartB，1981（15），105–111.

[3]Nagel， K.，Schreckenberg， M. A cellular automaton model for freeway traffic[J]. Journal de Physique I 2，1992，2221–2229.