多智能體協作動態路況信息服務系統研究＊

張健欽 陸 鋒 徐志潔 王晏民

（中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室1） 北京 100101）

（北京建筑工程學院測繪與城市空間信息學院2） 北京 100044） （北京建筑工程學院理學院3） 北京 100044）

交通信息服務系統中的動態交通信息服務系統主要分為多源數據集成、交通流綜合處理、交通信息發布服務三個階段，如圖1所示.多源數據集成處于整個系統的前端，不僅可以接收來自多個調度中心的浮動車數據，同時可以接收磁感線圈、交通事件播報等不同類型的交通數據，從多維角度計算道路交通路況信息，實現多種類型數據的優勢互補.在交通流綜合處理階段系統將高效處理融合多源交通數據，經過交通信息的預測填補，最終生成描述城市道路交通路況的數據信息，并由交通信息發布服務通過互聯網、移動通信網絡（如GPRS，3G）、調頻副載波（RDS）廣播和數字廣播（DAB，CMMB）等通信方式，向公眾提供實時路況信息服務.

目前的實時路況信息播報方式受眾面廣，如果大部分信息接收者都按照所收到的路況信息制定或調整行車路線，則對全局交通系統擾動較大，在避開現有交通擁堵點的同時容易造成新的擁堵點，使路網各路幅的交通流處于難以預測狀態，同時使得路況信息發布失去意義.本文提出一種多智能體協作動態路況信息服務系統，探索自主導航和中心式導航相結合的動態導航方法，通過智能體之間的協作，在不嚴重違背駕駛車輛出行者對出行方式、路線、出發和到達時間要求的前提下（自主導航），能夠對路網交通流量在時間和空間進行預測、合理分配和誘導管理，提供實時性更強的更貼近實際狀況的誘導路徑（中心導航）.

圖1 動態路況信息服務系統

1 Agent和多Agent系統

Agent理論起源于分布式人工智能（distributed artificial intelligence，DAI），Agent理論與技術還推動了很多其他學科的發展，如經濟學、地理科學、生物學等.Agent的定義尚沒有形成一個完全一致的意見，但大都認為一段程序或者一個實體具有以下特性就可以稱為Agent：（1）主動性，能根據自身要達到的狀態目標而主動地行動；（2）自治性，能根據自身要達到的狀態目標，調節增強達到這個目的的自身能力；（3）反應性，對外界的激勵作出反應的能力；（4）協作性，亦稱社會性，即具有與其他Agent進行合作的能力.

多Agent系統是基于Agent的分布式人工智能應用系統.在實際應用的多Agent系統中將各種具有不同能力的Agent結合起來，通過它們之間的通信、合作、互解、協調、調度、管理與控制來表達系統的結構、功能及行為特征.Agent是協作系統中的獨立行為實體，它能夠根據內部知識和外部激勵決定和控制自己的行為，而且還可以與其他Agent有效協同工作.各智能體通過相互協調、相互協作可解決較大規模的復雜問題，從而克服建立一個龐大知識庫所造成的知識管理和擴展的困難，使系統具有很強的魯棒性、可靠性和自組織能力.多Agent技術在很多領域都已經得到應用，包括交通管理系統、決策支持系統、信息協作系統等等.在已有的應用智能體建模交通管理系統的研究工作中，集中在研究具有更加靈活和魯棒性的交通管理系統的理論方法，將明顯改善交通事故的發現和響應機制、交通信號的協作控制機制，以及動態路況信息的分發機制［1－2］.但是關于如何在時間和空間上進行有效的車輛誘導的研究不多.本文提出的多智能體協作動態路況信息服務系統的目標是通過向行進中的車輛智能體發送有效的動態路況信息進行誘導，克服局部路網容量的不足，在改善全局路網交通容量的同時滿足個體出行者的需求.

2 交通網絡多Agent系統設計

2.1 系統結構和Agent模型

系統的框架如圖2所示：將路網中運行的車輛建模為自主智能體，它是對裝備智能導航設備車輛抽象的智能代理，每一個智能體均能控制自己的行為并對動態路況信息做出適當的決策及反應，車輛行駛行為的控制邏輯（自適應導航控制邏輯）集成在每個車輛的內部，因此，不同的車輛可以有不同的行駛模型；當有新的車輛行駛模型時，可以很方便地更換模型，以測試新的模型是否有效.將車輛行駛所在的路幅段（roadway section）建模為路幅段智能體，它是對路網數據模型中路幅段抽象的智能代理（實體表現是兩個相鄰的連通性節點之間存在的一條有向通路，可包含多個路段），車輛智能體與其所在的路幅段智能體通信，將其位置信息上報給其所處的路幅段智能體；同時道路網中發生的突發事件（如交通事故、道路積水）、臨時交通管制、占掘路事件等信息也匹配至對應的路幅段智能體.因為同一時間內在同一路幅段上的車輛和事件數有限，所以通信的強度和需要的數據量也是有限的，可以滿足實時性要求，還可以在將來方便地擴展為并行處理的系統［3－6］.將交通系統的信息分散存儲在各個車輛、路幅段智能體中，各個智能體只能表達路網中某一局部的信息，無法掌握整個路網的全局狀態，也就無法根據實時路況實現最優路徑尋找、實時誘導等需要全局信息的應用.因而系統中還建立了一個全局性的路網智能體，它是對路網數據模型中全局路網抽象的智能代理（實體表現是全局的道路網），通過廣播模型與路幅段智能體通信和車輛智能體通信，實現收集動態路況信息，下發誘導信息等.

圖2 多智能體協作概念圖

本系統是路網智能體（對應現實中的路網管理者），路幅段智能體（對應現實中的信息中轉站）和車輛智能體（對應現實中的出行者）之間協作的多智能體系統（參見圖2）.系統中的多智能體功能表見表1，屬性參見圖3.路網智能體負責記錄所有被誘導車輛的動態路徑，接受路幅段智能體上報的信息并進行路況的預測，路網管理者可以調整路網智能體中路況預測的規則；路幅段智能體負責記錄所有被誘導車輛的動態位置，檢測本路幅段的突發事件（如交通事故、道路積水）、臨時交通管制、占掘路事件等信息，并及時上報給路網智能體；車輛智能體負責自適應的出行前路徑規劃和出行中的動態路徑規劃調整，同時實時上報車輛的動態位置.

2.2 多層路網數據模型

路網數據結構是道路空間數據和屬性數據在數據庫中的組織形式.本文提出的路網數據結構是在處理浮動車數據基礎上，能夠匹配突發事件、臨時交通管制、施工占道事件等信息的數據結構，是對導航數據模型中間交換格式的業務定制.其中節點（node）包含道路平面交叉口、道路起終點和出入口、道路等級改變的位置點.路幅段（roadway section）表示兩個相鄰節點之間的一條有向通路.路幅段單元表示路幅段中兩個相鄰坐標點（vertex）之間的直線線段.如圖4的路幅段1包含了4條路幅段單元.

表1 交通網絡Agent功能表

圖3 路網空間數據結構和對應智能體屬性

道路網結構可以用圖的形式來表示.圖5所示的交叉路口涉及8條路幅段.按照相鄰路幅段之間的連通性，路幅段前行方向的路幅段稱為此路幅段的后繼路幅段，可順行到此路幅段的路幅段稱為此路幅段的前繼路幅段.圖5中路幅段1的后續路幅段為路幅段4，5和7；路幅段7的前繼路幅段為路幅段1，3和6.

圖4 路網空間關系示意圖

圖5 路網拓撲圖

2.3 系統中多Agent協作模型

由于路幅段或路幅段單元保存了歷史路況信息，可以建立各種推理模型得出該路幅段在某一時刻規律性的路況信息.路幅段智能體接受車輛智能體的位置信息后計算出車行速度，并結合突發事件、臨時交通管制、占掘路事件等信息，可以判斷出該路幅段是否在某一時刻交通壓力過大、是否擁堵等，并將這些信息發送給路網智能體.這樣，當路網中所有的路幅段智能體將路況信息發給路網智能體后，路網智能體就能獲得全局路網的信息.然后，路網智能體利用這些信息進行實時路徑規劃，再將動態路由表發送給車輛智能體，由此實現動態誘導和路徑尋優.

圖6 多智能體協作動態路況信息服務系統總體流程圖

圖7 車輛智能體行進過程示意圖

多智能體協作的基本流程如圖6所示，車輛智能體在出發前依據實時交通信息和歷史交通信息進行行程前路徑規劃，同時向路網智能體上傳規劃的出行路徑，并開始向其所在的路幅段智能體報告當前所處的位置（如圖7中位置1）；路幅段智能體負責檢測并記錄進入本路幅段的車輛智能體，同時向路網智能體報告即將離開本路幅段（如圖7中位置2）的車輛智能體，起到路徑規劃協作的作用.路幅段智能體同時還負責檢測本路幅段的突發事件（如交通事故、道路積水）、臨時交通管制、占掘路事件等信息，并及時上報給路網智能體.路網智能體匯總所有路幅段智能體報告的突發動態路況信息，同時查找車輛智能體的出行路徑中是否包含發生突發路況信息的路幅段或者其前繼路幅段（一般是兩層），然后根據交通事件發生導致交通流變化的交通流模型確定路幅段中路況權值變化情況，并告知相關的車輛智能體.相關車輛智能體在進入下一個路幅段之前（如圖7中位置2或3），根據最新的路網預測路況修改最優路徑（行程中出行路徑的規劃）.車輛智能體每次離開所在路幅段之前都與路網智能體通信，查詢是否需要行程中出行路徑的再規劃.在上述流程中比較重要的任務是車輛智能體與路網智能體的協作.圖8中描述了兩種從路網智能體向車輛智能體傳送動態路況信息的過程.一種過程是車輛智能體定期向路網智能體請求并下載基于歷史經驗的路況規律性信息.另一種過程是路網智能體不斷向需要行程中路徑再規劃的車輛智能體推送變化了的預測路況信息.

圖8 車輛智能體與路網智能體協作的任務實例圖

2.4 原型系統開發

為了驗證上述技術流程的可行性和有效性，根據上述系統結構、Agent模型、路網數據模型和多Agent協作模型，本文基于Swarm平臺和Java語言對上述模型進行編程，開發原型實驗系統，便于對智能體模型規則和屬性的驗證和修改.Swarm是由美國圣塔菲（Santa Fe）研究所基于復雜適應系統理論開發的多智能體軟件工具集.它采用多智能體模擬的方法對復雜適應系統進行模擬仿真［7］.Swarm的核心是一個面向對象的框架，用以定義在仿真中互相作用的智能體和其它對象的行為.由于Swarm沒有對模型和模型要素之間的交互作任何約束，可以對復雜系統進行較好的模擬.目前原型系統初步實現了動態路況模擬和車輛智能體在動態路況信息影響下的決策運行過程，系統開發正在進一步完善中.

3 結 束 語

路況信息對于駕駛車輛出行者非常重要，動態路況信息的采集、傳輸和發布的技術路線已經相對成熟，但是利用水平相對較低，如何結合時空一體化的GIS－T數據模型提供個性化的出行誘導和動態導航服務仍是研究的難點和熱點.本文基于GIS－T的數據模型和多智能體的理論方法研究建立一種多智能體協作動態路況信息服務系統.研究的重點在于通過增強信息提供者和出行者之間的交互和協作獲得更優的出行規劃和行駛路徑，同時有助于豐富完善時空一體化GIS－T數據模型中的移動對象的建模與查詢方法.在此基礎上本文基于Swarm平臺和Java語言設計開發了實驗原型系統.后續的研究和開發工作主要包括以下幾方面：（1）進一步完善原型模擬實驗系統；（2）研究在路網中接受動態路況信息的車輛智能體占路網中車輛總數不同比例的情況下對于整個交通系統全局造成的不同影響；（3）目前，“智能車輛系統”的研發使得車輛嵌入了自適應輔助駕駛系統，基于智能體的方法學習駕駛員的出行習慣并提供優選路徑，這些工作為本文的研究奠定了更深的基礎，文章將研究引入競爭性談判機制的多智能體協作模型，這也是后續研究工作的重點.

［1］林志勇.基于多智能主體的動態導航模型研究［J］.測繪科學，2007，32（4）：93－95.

［2］Cetin N，Nagel K.Large－scale multi－agent transportation simulations［J］.Computer Physics Communications，2002，147：559－564.

［3］孟憲強，廖明軍，王凱英，等.基于元胞自動機的軌道站非收費區活動模擬［J］.武漢理工大學學報：交通科學與工程版，2009，33（6）：1215－1218.

［4］Adler J L，Blue V J.A cooperative multi－agent transportation management and route guidance system［J］.Transportation Research Part C 2002（10）：433－454.

［5］張健欽，陸 鋒，王 剛，等.Agent技術在交通管理與出行服務中的應用探討［J］.計算機工程與應用，2009，45（16）：238－241.

［6］陸 鋒，鄭年波，段瀅瀅，等.出行信息服務關鍵技術研究進展與問題探討［J］.中國圖象圖形學報，2009，14（7）：1219－1229.

［7］撒 力.一個基于Swarm的人工生態系統模型［J］.系統仿真學報，2005，17（3）：714－717.