基于multi-agent的區(qū)域交通信號控制系統(tǒng)的研究.pdf

1、交通問題是全球普遍關注的重要問題，交通問題已經(jīng)嚴重影響了人類社會經(jīng)濟的正常運行，為此采用最新的科學技術成果，意在解決交通問題的“智能運輸系統(tǒng)”的研究正在全球范圍迅速興起，agent技術是計算機和分布式人工智能領域的最新研究成果，是面向對象技術的新發(fā)展。agent技術為復雜問題的解決提供了重要手段，是當今計算機領域的一大研究熱點。agent技術為解決交通問題提供了新的思路。本文根據(jù)交通領域的這一研究背景，結合agent技術以及智能控制技術

2、的發(fā)展，探討解決交通問題的新方法。 本文首先分析了交通信號控制的發(fā)展歷程，交通控制系統(tǒng)的發(fā)展方向。在分析了agent理論的基礎上，總結了agent的概念、特征和結構模型。緊接著介紹了交通信號控制的分類、方法，并著重討論了單交叉路口信號控制的主要參數(shù)和評價指標。 城市交通是一個復雜系統(tǒng)，agent特有的自治性、協(xié)作性等特點，為進行仿真提供了更好的方法。為此，本文給出了基于multi-agent的區(qū)域交通信號控制系統(tǒng)的框架結

3、構，并在此基礎上提出了區(qū)域信號控制系統(tǒng)的二級控制模式。Q-learning算法是近期所提出的在線強化學習算法。本文簡單介紹了Q-learning算法的基本思想和適用條件，并給出了在線Q-learning算法的方法步驟。以Q-learning算法為基礎，給出了單交叉路口和區(qū)域信號控制算法，描述了算法所涉及的條件、計算步驟，并論證了該算法的可行性、有效性。 通過試驗和數(shù)據(jù)采樣，是驗證系統(tǒng)性能的有效手段。首先闡述了利用MFC進行age