Urban traffic flow control prototype system based on multi-agent
-
摘要: 对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路, 并研究了该系统的基本框架和实现途径及方法, 同时探讨了该系统中各个交通智能体的结构以及它们的协调合作关系, 为基于多智能体的智能城市交通流控制系统的最终实现提供了理论指导和方法依据。Abstract: Some problems unsolved in urban traffic flow control system were analyzed. With the view of current system deficiencies, this paper put forward a viewpoint on establishing a intelligent urban traffic flow control system based on multi-agent, and the general prototype structure and development methods were proposed. The structure of traffic agents was discussed, and the coordination and collaboration problems between traffic agents were described. The study result shows that this study provides guide in theory and method for real application system development.
-
城市交通流控制与诱导系统的研究涉及到交通规划学、计算机科学、控制科学等多个学科, 目前还存在许多难点, 主要体现在三个方面: ①城市交通流系统是个分布式、非线性、时变的随机系统, 对于不同的城市, 交通流模型的结构和参数会有所不同[1]; ②由于交通流模型的分布与时变特性, 对它的实时优化控制难度很大, 不仅要求在系统稳定的前提下做到实时优化控制, 而且还应具有一定的自适应和智能控制能力; ③从计算机科学的角度来看, 该系统是个分布式的多任务实时在线系统, 必须有正确的理论指导和有效的工具才能保证系统在动态运行过程中的正确性与可靠性。本文针对交通问题的现状, 结合计算机与人工智能领域的最新理论成果——智能体技术, 进行基于多智能体技术的智能城市交通流控制问题的探讨与研究。
1. 智能体技术
智能体具有感知能力、问题求解能力和与外界通信能力[2], 能使在逻辑上和物理上分散的系统并行、协调地实现问题求解, 对过程运行中的决策或控制任务进行抽象而得到的一种具有主动行为能力的实体, 具有反应性、自治性、主动性、移动性、社会性等特征。
多智能体系统(MAS) 是一个有组织、有序的智能体群体, 共同工作在特定的环境中。每个智能体根据环境信息完成各自承担的工作, 也可以分工协作, 合作完成特定的任务。基于MAS的控制系统不同于传统意义上的分散控制, 它是把控制器当作具有自治性和协作性的主动行为能力的智能体, 通过相关智能体的通信和任务分享进行协调工作, 以实现预定的目标。
2. 基于智能体的智能城市交通流控制系统结构
2.1 传统交通流控制系统结构分析
目前使用的区域交通控制分析, 主要采取集中式控制系统和分层式控制系统两种方式[3]。
集中式控制系统是将区域内的所有信号连接起来, 由同一台计算机对整个系统进行集中控制, 如图 1所示。该方式对控制中心系统的要求较高, 中心系统的误动将导致整个系统功能的瘫痪, 并且大量数据的集中处理及整个系统的集中控制需要庞大的通信传输系统和巨大的存储容量, 极大地影响了控制的实时性, 并限制了控制的区域范围。
分层式控制系统由总控制中心、分控制中心和路口级三层构成, 如图 2所示。在该结构中, 即使其中一个控制中心发生错误, 其它区域仍能正常运行, 提高了系统的可靠性。但其实质上是一种扩大了的集中式控制系统, 因为其控制策略仍由控制中心统一制定, 关键路口的交通数据是控制中心制定策略的重要依赖, 在突发性事件发生时系统动态应变性差。另外, 其实时性、可靠性差, 运行效率低, 系统控制策略复杂。
2.2 基于智能体的智能交通流控制系统结构分析
(1) 交叉路口控制特性分析
从宏观上看, 交通系统具有流体特性及波的传递特性, 在一个交叉路口发生的交通情况经过一段时间后会传播到相邻的路口; 同时, 不同交叉路口的交通状况也会在同一交叉路口相互叠加。具体到某一个交叉路口, 其交通状况是由该路口本身的交通流状况以及与其相连的路口的交通情况共同决定的[4]。因此, 在制定某个路口的交通控制策略时, 必须根据各自交叉口以及与其相连的交叉口的交通情况来决定。
(2) 基于智能体的智能交通流控制系统结构
当前的交通控制策略一般由控制中心制定, 该控制方式具有反应慢、动态调节能力差等缺点。本文根据智能体的特点, 结合分布式智能控制系统的发展趋势, 提出基于智能体的智能交通控制系统。该系统为分布式决策控制系统, 如图 3所示。
每一个层次的智能体都有各自的功能, 它们之间通过信息传递和信息共享, 相互协作, 达到对交通的控制与管理。
该结构与分层式控制结构相似, 但其控制原理却截然不同。该系统将控制中心的控制策略下放到路口级, 每个路口都是一个智能的知识系统, 各个路口与其相连的路口可实时进行数据通讯, 实时进行控制策略的调整。区域控制中心主要负责路口运行控制监测, 同时也接受一些渐变的交通信息, 从而可大大减轻区域控制中心庞大的控制任务与计算工作以及巨大的数据传输任务。相应层次的功能分别如下。
(1) 主控中心智能体
该智能体是整个系统的最高层, 负责整个系统整体的管理、各区域智能体之间的监测工作, 具有最高的决策权力。可通过信息发布智能体将实时交通信息通过各种媒体进行发布, 使得出行人员可根据交通情况的动态信息调整出行计划, 减少交通延误。
(2) 区域中心智能体
该智能体是控制系统的中间层, 负责本区域内各路口的监测维护工作, 也可对所控制区域的某几个路口进行强行的模式设置, 以及对区域内紧急事件的处理工作, 各区域控制中心之间可进行信息的交流及合作。
(3) 路口智能体
该智能体位于控制系统的最低层, 具有关于本交叉口以及其所连接街道几何形状、街道特点的知识、数据, 负责各交叉口的信号控制, 可与其相邻的交叉口进行实时的通讯联系, 并根据本路口实时的交通流状况以及周围的交通情况实时自动对交通信号进行调整, 以使控制效果达到最优; 同时, 对本路口发生的异常情况能实时通知给其相连交叉口的区域控制中心, 并能根据需要完成控制中心下达的控制任务, 是实现交通控制任务的主要承担者。
由于采用智能体技术, 每个交通智能体都是一个可相互合作的智能决策系统。因此, 本系统具有如下特点: 可靠性高, 系统不会因为某个控制中心的故障而停止运行或影响其它路口的运行; 实时性好, 各个路口具有自己调整本路口交通信号的能力, 可以实时地对该路口交通情况的变化进行反应, 提高了系统的实时应变能力, 满足了交通系统复杂性的要求; 应变性强, 相邻路口间可进行信息传递, 提高了路口间的协作能力, 便于路口间信号的相互配合, 提高了系统的综合控制能力; 针对性强, 各个交通路口都具有关于本交叉口结构及其它交通条件的数据信息, 使交通信号决策更具有针对性, 体现出具体的交通特点; 灵活性高, 可以通过控制中心对某个或某几个路口进行直接操作, 便于紧急或特殊情况的处理; 扩展性好, 系统可以很容易地进行系统的扩展, 而不会对原有系统造成太大影响。
因此, 具有本结构的智能交通控制系统, 可以更好地适应交通系统复杂性、实时性的特点, 对交通流的波动, 特别是对突发性交通的变化, 有很好的适应和调节能力, 是真正符合交通系统特点的体系结构。
3. 交通智能体模型结构
智能交通控制系统的主要目标是: 根据市区交通实时状况信息, 控制城市街道的红绿灯信号和其它可变标志信号, 实现全城市交通流的优化及网络控制。要实现以上目标, 必须考虑车辆、街道、交叉路口和交通灯等交通实体在系统中的相互影响与合作, 根据智能体特征, 探讨交通实体的结构特征, 并建立其模型。
3.1 交通智能体
交通智能体是指交通系统中的各种交通元素构成的智能体, 包括主控中心、区域控制中心、车辆、街道、交叉口、交通灯等。对于每个智能的交通实体来说, 它们具有各自的知识等因素, 能感受外界环境的变化, 并作出反应, 与其它交通智能体相互影响, 相互合作, 共同完成交通控制任务。
交通智能体模型结构如图 4所示, 分为认知层、行为层和交互层, 其中, 根据不同智能体的需要可以在交互层布置感应器, 用来感知外界的变化。
3.2 车辆智能体
车辆智能体是根据实际交通中的驾驶员的驾驶行为而抽象出来的智能实体, 它兼具车辆和驾驶员二者的特性, 可自动地获取外界环境的信息, 并可根据周围的实际情况实时改变自己的驾驶行为。
车辆智能体的模型结构如图 5所示, 它兼具反应型智能体和慎思型智能体的优点, 不仅能实时感应外界环境的变化, 还拥有自己的知识, 能根据外界的交通状况而进行驾驶行为的调整, 具有复杂的决策判断能力。
车辆智能体通过感应器及通讯器与外界进行信息交互, 感应器用以感受外界的变化, 相当于实际智能车辆上的各种传感器; 通讯器用来接收和发送信息; 物理属性指与车辆有关的一些几何属性、性能指标等; 计划代表车辆的行车计划; 精神因素主要指与驾驶员有关的一切特征; 知识库表示车辆智能体所拥有的知识以及从外界获得的数据信息, 包括驾驶规则、控制规则、事实等, 是智能体进行决策的基础; 控制器是智能体的运行控制中心, 是基于知识的决策控制单元, 根据车辆的驾驶特性以及获取的周围交通信息, 实时作出下一步驾驶行为的决策; 能力指车辆所具有的各种驾驶操作功能, 如加速、转向等, 当控制作出决策后, 由能力机构实现各种驾驶操作功能。
3.3 街道智能体
街道智能体用以实时统计获得各条道路具体的交通信息, 当车辆智能体进入一条街道时需要向街道智能体进行注册, 相反, 当车辆智能体离开街道时, 需要对其进行注销, 这样可随时了解车辆的运行位置以及各种街道的拥挤情况。
街道智能体的基本属性主要包括: 街道名称、街道起始位置、终止位置、街道长度、街道类型等。街道智能体主要有信息传递、违章警告、事故监测、数据统计等功能。
3.4 交叉口智能体
交叉口在交通网络中扮演重要角色, 在交叉口, 各个方向的车流会聚, 并形成车辆的分流、冲突等交通现象。交叉口智能体负责连接各街道智能体, 负责车辆从一个道路到另一个道路智能体的转接、控制, 负责车辆在交叉口的运行管理等工作。
交叉口智能体的基本属性主要包括: 位置, 即其所连接的街道, 包括东、西、南、北各个方向; 车道, 交叉路口所有可能的行走路线; 区域, 交叉路口的基本组成单元; 类型, 用于表征交叉口的形状, 如“+”形或“T”形; 拥挤度, 表明该交叉口的拥挤程度。交叉口的功能与街道的功能相似, 有车辆运行管理、紧急事务处理、违章警告、数据统计等。
3.5 交通灯智能体
交通灯智能体主要负责路口交通流的控制, 相当于实际交通系统的信号灯及控制器两部分组成, 具有判断处理的能力, 能根据外界交通流的变化而动态地调整自己的交通控制参数。其模型结构如图 6所示。
控制器是整个系统的核心, 负责方案的制定与信号相位的执行。控制方案内存储着待执行的信号方案, 知识库内存放着进行信号控制所必须的控制规则以及其它数据信息, 信号灯则代表着信号灯的物理特性部分。
交通灯智能体的基本属性包括信号灯状态、控制车道、控制类型、周期、绿信比、相位差等。信号灯状态有不亮、红灯、黄灯和绿灯四种状态。控制车道表示该信号灯所控制的行驶车道, 如南北直行或东西直行车道等。控制类型表示当前交通灯执行的控制模式, 如定时控制、自适应控制等。周期、绿信比、相位差则是进行信号控制的控制参数。
交通灯智能体之间可以进行相互通信, 另外还可与它所在的交叉口以及与该交叉口相联的街道智能体进行通信。一方面, 交通灯智能体将自己的信号状态传递给他们, 另一方面, 则从他们处得到目前的交通流信息, 以用来动态调整自己的信号策略。
4. 交通智能体之间的协调与合作
当某一交通流的控制问题的实现可能或必须通过多个交通智能体协作完成时, 必须考虑多个交通智能体之间的协调与合作问题。对于某个控制任务, 各交通智能体具有不同的性能, 因此须选择耗费系统资源最少、控制效果最好的交通智能体来完成控制任务, 这就是交通智能体间的协调问题。
量化交通智能体控制性能是解决交通智能体间协调问题的关键。另外, 对于复杂的控制问题须基于多智能体的思想, 将其分解, 并运用多种控制策略协同完成, 这就是多交通智能体间的使用问题。为了完成共同控制任务而合作的交通智能体的集体形成一个多智能体联盟, 这要求每个智能体对其它智能体的功能、效率有较详细的了解。因此, 在设计时要把其它智能体的资料放在智能体的数据库内, 并且智能体自身能够根据实际情况对数据库进行修改, 根据这些资料选择合作对象。
5. 智能交通流控制系统面向智能体的软件机制
面向智能体的软件机制是设计各应用领域多智能体的软件技术基础, 包括面向智能体的分布式软件协议(CORBA、COM/DCOM)、智能体间的通讯语言(KQML)、面向智能体的开发环境平台以及程序设计(AOP) 等[5]。本文结合交通流控制任务, 对CORBA结构和交通智能体间的通讯进行介绍。
5.1 CORBA结构
为了处理各种异构环境下分布式系统的互访和互操作性, 国际对象管理小组OMG (Objective Management Group) 在基于分布式计算环境DCE (Distributed Computation Environment) 基础上建立了一个面向对象分布式系统框架CORBA。它的目标是提供一个通用的体系结构, 使应用对象能够跨越不同的硬件平台和操作系统进行通讯。CORBA的平台无关性和语言无关性对分布式智能交通控制系统研制和功能实现至关重要, 因为分布式智能交通控制系统运行时的数据传输量可能很大, 且各子系统很可能分布在异种平台上, 不考虑操作系统和编程语言的差异, 将大大减轻系统开发的工作量。远程交通控制的提出, 更要求各终端级控制系统具有充分的互访和互操作性[6]。
5.2 交通智能体间的通讯
智能体间要相互协作就必须有通讯。目前, 国际上比较流行的智能体通讯语言是KQML (Knowledge Queryand Manipulation Language) [7]。它提供了一套标准的智能体通讯原语, 从而使得使用这种语言的智能体之间都可以进行交流和共享信息。KQML定义了一种智能体之间传递信息的标准语法和动作。这些动作主要是从Speech Act理论中演化出来的, 例如tell、perform、reply等。虽然还有其它智能体通讯语言, 但为了保证系统将来的兼容性, 故选择KQML作为通讯语言。另外, KQML与智能体间的具体通讯方式(如采用的协议和网络的具体形式) 无关, 所以KQML有很多种实现方法(如通过TCP/IP或电子邮件实现)。
6. 结语
与传统的城市交通流实时控制系统相比, 本系统具有以下优点: 集体智能性, 通过各种交通智能体有机地集成在一起, 充分利用其各自的优点, 协同完成交通流的控制任务; 可扩充性和容错性, 多智能体系统采用的是松耦合的分散结构, 一个或多个交通智能体的加入、删除或出错时, 整个交通系统不会因此崩溃[8]; 支持异构环境集成, 建立在CORBA规范上的多智能体系统, 可充分利用其互操作性, 实现同构和异构环境下不同系统间的互操作; 资源可重用性等。这些明显的优点, 完全可满足城市混合交通流的分布式实时优化控制的需要。
本文的研究工作已在实验室完成, 为实际应用系统的研制开发提供了理论指导、实现途径和具体方法, 目前正在进行研发面向现场的实际应用系统。
-
-
[1] 李江, 傅晓光, 李作敏. 现代道路交通管理[M]. 北京: 人民交通出版社, 2000. [2] 刘大有, 杨鲲, 陈建中. Agent研究现状与发展趋势[J]. 软件学报, 2000, 11(3): 315-321. https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200003005.htmLIU Da-you, YANG Kun, CHEN Jian-zhong. Agents present status and trends[J]. Journal of Software, 2000, 11(3): 315-321. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200003005.htm [3] 徐友连. 城市交通控制和管理综合系统[J]. 交通与计算机, 1999, 17(1): 40-42. https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS199901014.htmXU You-lian. Command and management system for urban transportation[J]. Computer and Communications, 1999, 17 (1): 40-42 (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-JTJS199901014.htm [4] 姚震中, 王笑京. 迎接智能运输系统的美好未来[J]. 公路交通科技, 1998, 15(3): 1-3. https://www.cnki.com.cn/Article/CJFDTOTAL-GLJK803.000.htmYAO Zhen-zhong, WANG Xiao-jing. Welcome to the wonderful future of ITS[J]. Journal of Highway and Transportation Research and Development, 1998, 15(3): 1-3. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GLJK803.000.htm [5] 詹剑锋, 程虎. 基于Mobile Agent技术的遗留系统再工程方法[J]. 软件学报, 2002, 13(12): 2343-2348. https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200212018.htmZHAN Jian-feng, CHENG Hu. A solution to reengineering the legacy system based on mobile agent technology[J]. Journal of Software, 2002, 13(12): 2343-2348. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200212018.htm [6] 吴刚, 王怀民, 吴泉源. 一个移动智能体位置管理与可靠通信的算法[J]. 软件学报, 2002, 13(2): 269-273. https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200202015.htmWU Gang, WANG Huai-min, WU Quan-yuan. An algorithm on location management and reliable communication for mobile agents[J]. Journal of Software, 2002, 13(2): 269-273. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200202015.htm [7] 徐晋晖. 多Agent模型与联盟机制研究[D]. 北京: 清华大学, 2000. [8] 马恒太, 蒋建春. 基于Agent的分布式入侵检测系统模型[J]. 软件学报, 2000, 11(10): 1312-1319. https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200010006.htmMA Heng-tai, JIANG Jian-chun. Distributed model of intrusion detection system based on agent[J]. Journal of Software, 2000, 11(10): 1312-1319. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RJXB200010006.htm -