孫 劍

（北京地鐵通號分公司，北京 100082）

我國城市化和汽車化進(jìn)程加速，導(dǎo)致交通擁堵、交通事故、環(huán)境污染和能源短缺等問題日趨嚴(yán)重。在地鐵軌道交通體系中，需要對各種信號進(jìn)行控制，以保障列車安全、高效地行駛[1]。地鐵軌道交通信號智能控制是利用先進(jìn)的信息技術(shù)手段對地鐵列車進(jìn)行精細(xì)化運(yùn)行控制和調(diào)度，以提高地鐵運(yùn)行效率、安全性和服務(wù)質(zhì)量[2]。其目標(biāo)是通過合理地調(diào)整地鐵軌道交通信號來優(yōu)化交通流量分配、緩解交通擁堵、提高交通運(yùn)行效率、降低發(fā)生交通事故的概率以及提高交通安全性[3]。

為了進(jìn)一步實(shí)現(xiàn)對地鐵軌道交通信號的智能化控制，該文結(jié)合多Agent技術(shù)對地鐵軌道交通信號智能控制方法進(jìn)行研究。Agent技術(shù)可以對交通流量、路況以及車速等數(shù)據(jù)進(jìn)行實(shí)時監(jiān)測和分析，快速響應(yīng)交通狀況的變化。該技術(shù)還可以根據(jù)不同環(huán)境和條件進(jìn)行自我調(diào)整和優(yōu)化，以適應(yīng)不同的交通流量和路況，從而提高控制效率和精度。該技術(shù)具有快速響應(yīng)和實(shí)時處理的特點(diǎn)，可以實(shí)現(xiàn)對地鐵軌道交通信號控制的實(shí)時監(jiān)測和控制功能，從而提高運(yùn)行效率和安全性[4]。

1 設(shè)置地鐵軌道交通信號控制器

在地鐵軌道交通信號智能控制中，需要根據(jù)列車的位置、速度和狀態(tài)等信息實(shí)時監(jiān)測路段的情況，以便控制信號機(jī)的開關(guān)。同時，還需要設(shè)置適當(dāng)?shù)男盘栭g距和信號燈顏色等參數(shù)，以保障列車行駛的安全性和高效性。

在地鐵軌道交通中，信號控制器通常被安裝在信號機(jī)箱內(nèi)（該機(jī)箱通常被安裝在路軌附近或者站臺的下方）。信號控制器的安裝位置需要考慮信號控制器與信號機(jī)之間的距離、信號控制器所需的電力和通信設(shè)施等因素。信號控制器會分布在軌道線路的各個關(guān)鍵位置，例如車站、隧道入口以及信號區(qū)間等位置（這些位置通常是列車行駛的關(guān)鍵節(jié)點(diǎn)）。交通信號控制器示意圖如圖1所示。

圖1 交通信號控制器示意圖

在控制器中，各個模塊的基本功能如下：1）感知模塊。感知模塊負(fù)責(zé)獲取并監(jiān)測列車的實(shí)時位置、速度和狀態(tài)等關(guān)鍵信息，并將其傳輸給控制模塊進(jìn)行處理和分析。2）控制模塊?？刂颇K是信號控制器的核心部分，會根據(jù)實(shí)時的列車位置和路段情況計算最優(yōu)的信號控制方案，并給信號機(jī)發(fā)送控制命令。3）通信模塊。通信模塊負(fù)責(zé)與其他設(shè)備或者控制中心進(jìn)行通信，以實(shí)現(xiàn)信息交換和下發(fā)控制命令等功能，確保實(shí)時共享和協(xié)調(diào)數(shù)據(jù)。4）存儲模塊。存儲模塊可以存儲歷史數(shù)據(jù)和控制參數(shù)等信息，以便后續(xù)的分析和優(yōu)化[5]。該模塊會持久存儲感知模塊獲取的數(shù)據(jù)、控制模塊計算的控制方案和其他相關(guān)信息。

由于地鐵軌道交通流的動態(tài)時變性較強(qiáng)且具有一定的隨機(jī)性和不確定性，因此應(yīng)用的控制器不僅需要具備對狀態(tài)的識別功能，而且需要具備自尋優(yōu)的控制策略和對外界環(huán)境的適應(yīng)能力[6]?？刂破髟趹?yīng)用過程中需要不斷學(xué)習(xí)，其實(shí)現(xiàn)過程如下：假設(shè)決策時間步長為k，地鐵軌道交通環(huán)境狀態(tài)為sk。通常情況下，地鐵軌道交通狀態(tài)包括的交通信息為綠燈已經(jīng)持續(xù)的時間Tr、綠燈相位的交通流量F以及各個紅燈相位當(dāng)中排隊長度最大值L。根據(jù)上述假設(shè)，確定地鐵軌道交通環(huán)境的狀態(tài)集合如公式（1）所示。

式中：Trk為決策時間步長k下交通信息為綠燈已經(jīng)持續(xù)的時間；Fk為決策時間步長k下綠燈相位的交通流量；Lk為決策時間步長k下各個紅燈相位當(dāng)中排隊長度最大值。

再假設(shè)控制器針對狀態(tài)sk所選擇的行為為ak，ak的設(shè)定分為2 種：1）將通行權(quán)切換為下一個相位。2）保持當(dāng)前的相位通行權(quán)到下一個時刻。為了防止某個階段發(fā)生意外或者某個階段的通行權(quán)限無限擴(kuò)大，該文提出了一種基于經(jīng)驗的方法，針對各個階段分別設(shè)定最短的綠燈時間和最長的綠燈時間。在控制器學(xué)習(xí)的過程中，懲罰函數(shù)是修改策略的基礎(chǔ)條件，懲罰函數(shù)的選擇如公式（2）所示。

式中：r（s，a）為控制器的懲罰函數(shù)；Pr和Pg為2 個權(quán)重因子；La為等待時間的警戒值；Lr為等待時間的最大值；Lg為等待時間。

在控制器學(xué)習(xí)的過程中，每個Agent 會根據(jù)當(dāng)前的環(huán)境狀態(tài)和感知的信息選擇最優(yōu)的行為來控制信號機(jī)?？刂破鲗W(xué)習(xí)過程中的策略更新依賴于獎勵和懲罰信號，通過與環(huán)境的交互不斷調(diào)整和優(yōu)化控制策略。這樣，控制器可以逐漸學(xué)習(xí)最優(yōu)的控制策略，以縮短車輛等待時間、提高交通效率。

2 基于Agent技術(shù)的地鐵軌道交通信號控制算法計算

在完成對地鐵軌道交通信號控制器的設(shè)置工作后，結(jié)合Agent技術(shù)對地鐵軌道交通信號控制算法進(jìn)行計算。在地鐵軌道交通系統(tǒng)中，信號控制算法的計算至關(guān)重要，控制算法的設(shè)計和優(yōu)化直接影響地鐵運(yùn)行的安全性、效率和乘客的出行體驗。對控制算法進(jìn)行計算，可以實(shí)現(xiàn)智能化的信號控制功能，達(dá)到提高交通系統(tǒng)運(yùn)行效率、緩解交通擁堵以及優(yōu)化列車行進(jìn)速度和間隔的目標(biāo)。對控制算法進(jìn)行計算還可以幫助確定最優(yōu)的信號控制策略。通過分析和建模地鐵軌道交通系統(tǒng)的特點(diǎn)和需求，結(jié)合實(shí)時的交通數(shù)據(jù)和列車狀態(tài)信息，可以利用計算方法來推導(dǎo)最佳的信號控制方案。這些方案可以基于多Agent技術(shù)使各個信號機(jī)之間相互協(xié)調(diào)、協(xié)同工作，以最大程度地提高交通系統(tǒng)的整體效能。

首先，需要對車輛的信號狀態(tài)進(jìn)行描述，假設(shè)第k個相位的信號所顯示的狀態(tài)為ψk，針對不同狀態(tài)設(shè)置不同的ψk取值，如公式（3）所示。

當(dāng)?shù)趉相位為綠燈時，ψk取值為0；當(dāng)?shù)趉相位為紅燈時，ψk取值為1；當(dāng)?shù)趉相位為黃燈時，ψk取值為2。

其次，將信號顯示狀態(tài)與車輛到達(dá)時的狀態(tài)組合并將其作為交通狀態(tài)，如公式（4）所示。

式中：pi為地鐵軌道交通狀態(tài)；si為狀態(tài)類別，i=ψ，1，2，…，m。

在該基礎(chǔ)上，提出了一種基于經(jīng)驗的方法，并將其與實(shí)際情況相結(jié)合，具有很強(qiáng)的主觀性。結(jié)合實(shí)際情況，進(jìn)一步提出了地鐵軌道交通交通信號控制規(guī)則體系[7]。針對不同的地鐵軌道交通狀況，應(yīng)該生成n個相應(yīng)的規(guī)則。綜上所述，該文提出了一種基于時間序列的地鐵軌道交通信號控制方法。為了在控制過程中實(shí)現(xiàn)對停車延遲的統(tǒng)計功能，假設(shè)考察的時間由Γ個長度為Δs的時間段所構(gòu)成，在第i個時間段中，Δs內(nèi)一直處于靜止?fàn)顟B(tài)的車輛為Csi，從靜止?fàn)顟B(tài)轉(zhuǎn)變?yōu)樾旭偁顟B(tài)的車輛為Cmi，從行駛狀態(tài)轉(zhuǎn)變?yōu)殪o止?fàn)顟B(tài)的車輛為Cni，那么在Δs內(nèi)總停車延遲Ti如公式（5）所示。

其中，Csi、Cmi和Cni的取值均為自然數(shù)。

對地鐵軌道交通信號的控制目標(biāo)是通過調(diào)整信號盡可能地縮短停車延誤和等待延誤的時間，屬于延誤最小化問題，因此，確定地鐵軌道交通信號控制算法函數(shù)如公式（6）所示。

式中：minT為延誤最小化目標(biāo)函數(shù)值。

在控制的過程中，每間隔Δs的時間就需要對地鐵軌道交通狀態(tài)進(jìn)行1 次判定。根據(jù)狀態(tài)和相應(yīng)的控制規(guī)則采取控制行為。在地鐵軌道交通信號控制算法中，引入強(qiáng)化學(xué)習(xí)，Agent 可以感知其環(huán)境的不同狀態(tài)，并且可以執(zhí)行不同的動作。Agent 學(xué)習(xí)尋優(yōu)的過程可以通過馬爾科夫決策過程最優(yōu)策略問題描述，Agent 獲得的狀態(tài)轉(zhuǎn)換評價值即為回報值。當(dāng)回報值最大時，停止Agent 學(xué)習(xí)，并將此時得到的函數(shù)作為地鐵軌道交通信號控制函數(shù)。

3 多Agent 的交通信號智能協(xié)調(diào)控制

在確定地鐵軌道交通信號控制算法后，為了協(xié)調(diào)多個Agent，需要確保各個Agent 之間可以進(jìn)行信息傳遞。在交通信號控制Agent 控制的軌道上，因某種原因（例如發(fā)生設(shè)備故障，導(dǎo)致軌道擁堵）需要對軌道進(jìn)行協(xié)調(diào)，以實(shí)現(xiàn)快速疏導(dǎo)的目標(biāo)。該協(xié)同要求是根據(jù)一個特定的鄰近的交通控制智能體提出的，是一種直接的一對一通信。當(dāng)交通控制智能體控制的信號燈顏色發(fā)生變化時，需要向其附近的所有地鐵軌道交通信號智能控制器發(fā)出相應(yīng)的信息，從而使其做出相應(yīng)的決策[8]。由于各個Agent 感知到的狀態(tài)是有限的，因此可以采用概率統(tǒng)計的方式協(xié)調(diào)多個Agent。根據(jù)公式（7）計算某一個Agent 對另一個Agent 處于某種狀態(tài)時所采取的動作信任度。

式中：Beli（x，j，ak j）為第i個Agent 對第j個Agent 在x狀態(tài)下所采取的動作aj的信任度；Nk j為Dirichlet 分布的參數(shù)。

根據(jù)相鄰信號智能控制器控制Agent 在當(dāng)前狀態(tài)下將要采取的動作信任度，從而給出最優(yōu)的反應(yīng)策略。

在多個Agent 的交通信號智能協(xié)調(diào)控制中，除了確保各個Agent 之間的信息傳遞和動作協(xié)調(diào)外，還需要考慮地鐵軌道交通網(wǎng)的整體利益，使其穩(wěn)定地運(yùn)行。為了實(shí)現(xiàn)這一目標(biāo)，在控制過程中引入了博弈論和經(jīng)驗知識相結(jié)合的方法。

博弈論是一種分析決策制約條件和結(jié)果的數(shù)學(xué)工具，可以解決多個Agent 之間的沖突和協(xié)調(diào)問題。在地鐵軌道交通信號智能控制中，當(dāng)各個信號智能控制Agent 處于相鄰位置時，它們的決策會相互影響。通過博弈論的方法可以確定各個Agent 在不同狀態(tài)下采取的最佳動作，使整體的控制效果達(dá)到最佳。通過計算某一個Agent 對另一個Agent 處于某種狀態(tài)時所采取的動作的信任度，可以給出最優(yōu)的反應(yīng)策略。這種基于博弈論的協(xié)調(diào)方法能夠有效平衡各個Agent 之間的利益，提高整體交通系統(tǒng)的效率和穩(wěn)定性。

除了博弈論外，經(jīng)驗知識也被融入多個Agent 的交通信號智能協(xié)調(diào)控制中。經(jīng)驗知識是基于歷史數(shù)據(jù)和實(shí)踐經(jīng)驗總結(jié)出的規(guī)則和策略，可以調(diào)節(jié)協(xié)調(diào)過程中發(fā)生的狀況。例如在地鐵軌道交通信號智能控制過程中，當(dāng)控制區(qū)域內(nèi)的線路都處在交通高峰時，交通信號控制Agent 就不會再以博弈論為基礎(chǔ)進(jìn)行協(xié)調(diào)，而是改為以管理Agent 為基礎(chǔ)，通過管理Agent 的人機(jī)界面進(jìn)行協(xié)調(diào)控制。綜上所述，通過多個Agent 相互之間的協(xié)調(diào)控制確保最終控制效果為最理想狀態(tài)下的控制效果，同時也可以確保實(shí)現(xiàn)等待時間最短的控制效果。該方法可以有效提高交通系統(tǒng)的效率，緩解交通擁堵和延誤情況，為乘客提供更便捷、更舒適的出行體驗。

4 對比試驗

該文結(jié)合多Agent技術(shù)提出了一種全新的地鐵軌道交通信號智能控制方法，為了驗證該控制方法的可行性，選擇將基于有序樣本聚類的控制方法作為對照I 組，將基于電子信息技術(shù)的控制方法作為對照II 組，將該文提出的基于多Agent技術(shù)的控制方法作為試驗組。利用3 種控制方法對相同試驗對象進(jìn)行地鐵軌道交通信號控制。以某城市范圍內(nèi)的某一地鐵軌道交通作為試驗研究對象，為了對比3 種方法的控制效果，選擇將平均車輛等待時間作為評價指標(biāo)。在試驗過程中，按照以下內(nèi)容設(shè)置相同的試驗條件：將信號的轉(zhuǎn)換周期設(shè)置為120 s，將黃燈亮起的持續(xù)時間設(shè)置為5 s。在50 次控制中，記錄每種控制方法應(yīng)用下的平均車輛等待時間，結(jié)果記錄見表1。

表1 3 種控制方法控制效果對比表

對表1 中的試驗數(shù)據(jù)進(jìn)行分析可知，試驗組每10 次控制中平均等待時間均控制在65.00 s～70.00 s，當(dāng)控制次數(shù)從0 次～10 次增至40 次～50 次時，試驗組的平均等待時間逐漸縮短（68.25 s～65.63 s）。表明試驗組的控制方法在縮短車輛等待時間方面具有一定效果。對照I 組和對照II 組在整個試驗過程中的平均等待時間都較長，并且沒有明顯縮短的趨勢。對照I 組的平均等待時間為125.26 s～131.24 s，對照II 組的平均等待時間為124.25 s～135.26 s，平均等待時間均超過120.00 s，當(dāng)控制次數(shù)為30 次～40 次時，對照組II 的平均等待時間達(dá)到135.26 s，這表明對照I 組和對照II 組在縮短車輛等待時間方面效果比試驗組差。對照I 組和對照II 組控制方法不合理，延長了車輛等待時間，對地鐵軌道交通運(yùn)行效率有一定負(fù)面影響，而該文提出的基于多Agent技術(shù)的控制方法能夠有效縮短等待時間，提高地鐵軌道交通運(yùn)行效率，從而有效控制地鐵軌道交通信號。

5 結(jié)語

綜上所述，該文將多Agent技術(shù)應(yīng)用到對地鐵軌道交通信號的控制中，提出了一種全新的智能控制方法。通過對比試驗驗證了該控制方法的有效性。通過對比得出，該文提出的控制方法可以有效縮短等待時間，從而提高地鐵軌道交通的運(yùn)行效率。