基于GIS的城市交通網(wǎng)絡(luò)仿真研究.pdf

1、交通網(wǎng)絡(luò)微觀仿真采用微觀模型對大范圍交通網(wǎng)絡(luò)進行仿真。利用GIS實現(xiàn)數(shù)據(jù)交換和共享已經(jīng)成為仿真系統(tǒng)的基本要求。論文結(jié)合GIS技術(shù)和多智能體技術(shù)研究大范圍城市交通網(wǎng)絡(luò)微觀仿真，構(gòu)建宏觀網(wǎng)絡(luò)與微觀仿真相結(jié)合的城市道路交通網(wǎng)絡(luò)仿真系統(tǒng)。
　　 按照多智能體仿真系統(tǒng)的實現(xiàn)順序，論文主要研究內(nèi)容分為三部分：交通仿真環(huán)境建模、交通智能體設(shè)計、交通多智能體交互。交通仿真環(huán)境建模將實際的交通環(huán)境抽象為變量和參數(shù)的集合，是進行仿真的前提。交通智能

2、體是對交通系統(tǒng)各種角色的抽象，是仿真系統(tǒng)的基本成員。多智能體交互研究智能體之間如何通過通信進行交互，以構(gòu)成一個完整的系統(tǒng)。
　　 論文選取了交通系統(tǒng)中常見的交通要素，從標識信息、屬性信息、定位信息、幾何信息四個方面進行了詳細的GIS數(shù)據(jù)建模。為了解決路段沿線設(shè)施及車輛位置定位問題，提出了通過GIS幾何路網(wǎng)和路段線性參考系實現(xiàn)路段縱向定位，通過車道編號實現(xiàn)車輛位置橫向定位，通過轉(zhuǎn)向線編號和轉(zhuǎn)向線線性參考系實現(xiàn)交叉口內(nèi)部定位。

3、>　　 論文第二部分采用多智能體建模的Gaia方法對交通系統(tǒng)進行建模，抽象出了車輛智能體、路網(wǎng)智能體、路段智能體、交叉口智能體、路徑智能體。車輛智能體采用由路徑?jīng)Q策層和反應層構(gòu)成的混合結(jié)構(gòu)，其它智能體采用純反應式結(jié)構(gòu)。車輛智能體的反應層由信息層、模型層、綜合層、狀態(tài)層構(gòu)成。信息層為模型層提供輸入和模型參數(shù)，模型層將各種輸入信息轉(zhuǎn)換成加速度和換道決策，綜合層對模型產(chǎn)生的加速度和換道需求進行綜合，得到車輛最終的加速度和換道需求，狀態(tài)層負責

4、每個仿真周期車輛狀態(tài)更新。路段智能體通過車輛表管理其上行駛的所有車輛，并為車輛提供服務(wù)和對路段交通流指標進行統(tǒng)計。交叉口智能體結(jié)構(gòu)以交叉口車輛表和車輛隊列為核心，分別用于管理交叉口內(nèi)部行駛的車輛及將要進入交叉口但尚未通過停止線的車輛。交叉口智能體為車輛通過交叉口提供服務(wù)，并負責交叉口排隊時間、轉(zhuǎn)向通行時間的統(tǒng)計。路網(wǎng)智能體負責維護整個路網(wǎng)的拓撲結(jié)構(gòu)、延誤表、路徑限制條件表以及最短路算法求解。路徑智能體從路網(wǎng)智能體處獲取路徑，并為車輛提供

5、路徑服務(wù)。
　　 車輛智能體決策包括路徑?jīng)Q策、車輛運動決策、路段交通設(shè)施響應、沖突協(xié)調(diào)。車輛選擇出發(fā)時刻的最短路徑作為決策路徑，在行駛的過程中可以通過與路網(wǎng)智能體交互重新規(guī)劃路徑。車輛運動決策包括加速度和換道決策，分別對應車輛縱向運動與橫向運動。論文根據(jù)車間距將車輛縱向運動狀態(tài)分為自由行駛、跟馳行駛。又進一步將跟馳過程分為6個連續(xù)的階段：跟馳適應、連續(xù)跟馳、減速停車、靜止等待、加速跟馳、脫離跟馳。論文給出了以期望間距為基礎(chǔ)的各種

6、狀態(tài)下加速度計算方法。對于車輛橫向運動，論文給出了安全換道條件，區(qū)分了車輛選擇性換道和強制換道，并提出了合作換道模式。強制換道時，車輛以強制換道點為目的減速停車，并不斷檢查安全換道條件，若到達強制換道點仍然沒有成功換道，則與目標車道后車進行直接交互，開始進行合作換道。
　　 為了模擬不同類型設(shè)施對行車的影響，論文提出了監(jiān)聽-響應機制，并為所有監(jiān)聽器設(shè)計了統(tǒng)一的接口。監(jiān)聽器安裝在路段智能體上，提前將設(shè)施信息通知車輛，模擬駕駛員眼睛

7、對環(huán)境的感知；響應器安裝在車輛智能體上，與監(jiān)聽器類型一一對應，將各種設(shè)施信息映射為車輛的加速度和換道需求，模擬駕駛員對設(shè)施的響應。
　　 由于各個車輛智能體的目標不一致，必然存在對有限道路資源的競爭，特別是在交叉口，沖突尤為明顯。論文將沖突類型分為車輛行人沖突、交叉口合流沖突、直角沖突、左轉(zhuǎn)穿越對向直行沖突、右轉(zhuǎn)直行沖突，并給出了沖突點、沖突車輛的檢測方法。車輛遇到?jīng)_突點時與沖突車輛競爭通行權(quán)，若成功則通過，若不成功則減速避讓并

8、繼續(xù)與沖突車輛的后續(xù)車輛競爭通行權(quán)。論文給出了各種沖突下安全通過沖突點的條件以及通行權(quán)競爭失敗后減速度的計算方法，并將交叉口通行權(quán)分兩級控制，分別對應通過停止線的權(quán)限和通過沖突點的權(quán)限，模擬車輛通過交叉口的過程。
　　 論文第三部分重點討論智能體之間如何通過通信進行交互，實現(xiàn)車輛智能體在路網(wǎng)的移動。所有智能體構(gòu)成一個三層的交互體系：車輛智能體位于最底層；中間層包含路段、交叉口、路徑智能體，為車輛智能體提供服務(wù)；最上層為路網(wǎng)智能體

9、，負責從路段、交叉口智能體中獲取路段和轉(zhuǎn)向線的通行時間，并為路徑智能體提供路徑查詢服務(wù)。智能體之間采用FIPA-SL語言進行通信。車輛進入路段(交叉口)之前向?qū)闹悄荏w注冊，在行駛過程中不斷地通過交互從路段(交叉口)智能體處獲取環(huán)境信息，更新車輛狀態(tài)，并通知路段(交叉口)更新相應的車輛表或車輛隊列。車輛離開時需要向路段(交叉口)智能體注銷。路徑智能體將多個查詢條件相同的車輛路徑請求綜合成單個針對路網(wǎng)智能體的路徑請求，獲取路徑后回復車輛