基于MAS的駕駛行為決策模型及其相關(guān)問題研究.pdf

1、交通安全關(guān)系千家萬戶，如何為人們提供安全、高效、舒適的交通環(huán)境是世界各國都高度關(guān)注的問題。在交通領(lǐng)域，人工智能技術(shù)得到廣泛的應(yīng)用。特別是利用專家系統(tǒng)、數(shù)據(jù)挖掘以及智能網(wǎng)絡(luò)等對ITS的擴展，為交通安全問題的解決帶來了新的希望。然而這些研究僅僅是依靠對交通環(huán)境和交通系統(tǒng)的改變，忽略了駕駛員在駕駛過程中的核心作用。因此，這些研究仍不能從根本上解決我們所面臨的問題。以人為本，把研究駕駛員的行為模式作為研究的重點，也就成了研究者們需要面對的新挑戰(zhàn)

2、。
　　 Agent具有很多獨特的性質(zhì)。因此，利用Agent來對駕駛員的行為決策模型建模，可以很方便分析駕駛員在各種道路環(huán)境條件下的行為決策，挖掘出危險性高的行為和事故的臨界條件，最終為交通管理部門提供決策支持。這樣的研究對提高交通效率、減少事故發(fā)生來說無疑是有用的。針對這一新的領(lǐng)域，雖然已有不少的學者從各個不同的角度進行了研究，但時至今日仍沒有提出一個適應(yīng)復(fù)雜的、交互的、動態(tài)變化的交通環(huán)境駕駛行為決策模型。因此，本文的研究目標

3、，是在現(xiàn)實的、復(fù)雜的、交互的以及變化的環(huán)境中，構(gòu)建一個駕駛行為決策模型。并通過模型，分析和研究駕駛員的行為模式，為分析事故誘因和輔助交通管理提供決策支持。本文主要包括以下幾個方面：
　　 ⑴提出了基于多Agent系統(tǒng)的駕駛行為決策模型(Driver Behavior DecisionModel-DBDM)。本文根據(jù)駕駛員的特點和行為特性，設(shè)計出了“擬人化”的駕駛Agent模型，抽象出了駕駛Agent的動作空間和狀態(tài)空間。并在此基

4、礎(chǔ)上提出了DBDM。
　　 ⑵提出了支持DBDM的混合決策算法和強化學習算法。為了使我們提出的DBDM具有很好的可擴展性和擬人性，我們?yōu)镈BDM設(shè)計了混合決策算法。憑借這個混合決策算法，我們設(shè)計的駕駛Agent能以接近人的方式推理和決策，并能適應(yīng)復(fù)雜、交互交通環(huán)境。最后我們改進強化學習算法，使其能與DBDM相融合。
　　 ⑶設(shè)計和實現(xiàn)了一個基于MAS的模擬系統(tǒng)?；谇懊娴奶岢龅哪Ｐ?，我們還實現(xiàn)了一個基于MAS的模擬系統(tǒng)來