ATIS信息誘導下的路徑選擇行為研究

張薇

蘭州交通大學 交通運輸學院，蘭州 730070

ATIS信息誘導下的路徑選擇行為研究

張薇

蘭州交通大學 交通運輸學院，蘭州 730070

1 引言

先進出行者信息系統仿真工具（ATIS）作為智能交通系統（Intelligent Transportation System，ITS）的一個子系統，能夠為出行者提供道路相關狀態信息，從而影響出行者路徑的選擇，使得現有的道路網絡資源得以充分利用，提高交通運輸系統的功效。目前，ATIS技術還沒有完全實施，相關ATIS的理論和應用研究成為熱點問題。

國內外研究人員從不同的角度對公共交通出行者在ATIS信息下選擇行為影響進行了相關研究。文獻[1]研究了實時路況信息對于出行者的影響；Dia等應用智能體理論對交通信息對出行者路徑選擇行為的影響進行了研究[2]；賀振歡等分析了交通廣播、VMS及車載誘導等誘導模式的特點及其對出行者路徑選擇行為的影響，建立了不同誘導模式下出行費用的計算模型及多種誘導模式混合作用下的出行者路徑選擇模型[3]；孫劍等根據ATIS環境下的不同出行者行為和信息屬性，運用基于仿真的DTA給出了各類出行者的路徑誘導算法[4]。城市交通系統是一個典型的復雜適應系統，隨著復雜系統科學的發展，越來越多的研究人員將復雜適應系統（Complex Adaptive System，CAS）理論應用于城市交通系統中[5]。

本文主要從途中路徑的調整角度出發，提出一種基于多Agent理論分析出行者在ATIS條件下的路徑選擇行為的方法，進行仿真分析，同時考慮ATIS系統對出行者的出行前的規劃及出行后的在途影響，并應用Repast S工具進行仿真驗證；最后得到了ATIS對交通系統的影響，為ATIS的合理配置和有效利用提供了理論依據。

2 Agent理論及Repast S介紹

隨著分布式人工智能的發展，多Agent系統的研究廣泛地開展起來。多Agent系統（Multi-Agent Systems，MAS）建立在資源共享和各個Agent的自主性之上，各個Agent能夠協作工作，以實現整體識別的目標。構建具有自學習能力的Agent是多Agent系統研究的一個重點，在這種需求下，為多Agent系統引入學習機制能夠使其更好地適應復雜環境，有更強的個體學習能力和社會學習能力[6]。Repast（Recursive Porous Agent Simulation Toolkit）是一個被廣泛應用的免費、開源仿真平臺。Repast允許通過可控的重復性計算實驗來系統地研究復雜系統行為。Repast S的底層支持庫中實現的Score元模型包含了多Agent建模環境的規范定義，Score元模型的模型架構主要包括主體Agent、關系Projection、環境Context三方面模型抽象要素的描述[7]。主體Agent是模型最基本的成員對象，模擬組成復雜系統的微觀對象個體；關系Projection則反映了Agent間的基本交互聯系；典型的Projection有network、geography、grid等關系；環境Context是Agent生存及活動的場所，Context中可根據系統仿真的需要配置多種Projection，各類Agent行為規則可由基于這些Projection的方法靈活實現。

3 模型建立

交通信息服務的實質即是通過提供合適的交通信息來誘導出行行為，使人們的出行選擇與交通管理者的預期目標相一致。ATIS系統中，路網管理者實時監測交通狀況，根據監測數據制定具體的誘導策略，再利用某種信息發布方式將誘導信息發布出去，出行者收到誘導信息后會根據自身原則和利益做出路徑選擇，判斷是否需要以及如何調整出行選擇，調整后的出行選擇又作用于交通系統，使交通環境的狀態發生改變，并反作用于管理者的誘導控制策略[8]。管理者給出的誘導信息又將影響出行者的路徑選擇行為，從而引發新一輪的出行行為調整過程。由于路況的隨機性和出行者對交通環境認知的隨時變化，出行者的出行路徑也會隨時發生改變，ATIS信息下的在途路徑調整也尤為重要。

本文結合多Agent理論，將交通系統中的大量交通元素看做Agent個體，如車輛——出行者——交通管理者等。各種Agent能夠根據環境做出一定的反應來適應環境的變化，在出行過程中，每個出行Agent即使是出發后也可以在途中進行路徑的調整。每到達一個可選擇的交叉路口，都可以根據需要參照當前ATIS信息做一次當前最佳路徑選擇，這樣既考慮了交通系統的隨機性，也保證了出行者對出行路徑的隨時調整的可能性。而且，出行前的規劃與出行后的路徑調整實質上采用同一種方法進行處理，使得出行者整個出行過程中的路徑選擇行為研究得以解決和簡化。下面分別對不同ATIS系統中的Agent成員進行定義。

3.1 管理Agent主體

本模型中管理Agent只有一個，管理Agent根據路網狀況給出誘導信息，主要的誘導信息是節點之間的路徑集合及各路徑的出行時間集合。路徑的出行時間由相關道路單元的出行時間構成，這里采用交通BPR模型t=t0[1+α(V/C)β]。管理Agent的屬性主要有路網中各路徑的當前預測出行時間、平均行駛速度等，其行為就是計算以上各屬性的值的方法。從節點i到節點j之間的某一路徑當前預測出行時間通過下式求解：

3.2 出行Agent主體

將出行者和車輛視為一個駕駛員——車輛單元（Driver-Vehicle-Unit，DVU），即出行Agent主體。當一個DVU到達一個節點，可以根據自己的經驗，參考ATIS提供的信息，決定是否需要改變原計劃路徑，若需要改變路徑，則做出路徑選擇。ATIS實施的效果好壞，在很大程度上取決于交通系統中ATIS的用戶對誘導信息的反應。因為路段的選擇并不是只由ATIS的信息決定，往往還依賴于出行者對接收到的AITS信息的信任度。出行Agent的數量很多，其屬性主要有出行Agent的速度、所在路段、預測出行時間、路徑實際出行時間。

出行Agent的行為主要有以下兩種：路徑選擇行為和微觀規則。下面分別進行具體形式化定義。

3.2.1 路徑選擇行為

當出行Agent到達某一節點時，若有兩個及以上路徑可選時，可根據ATIS信息加之自己的主觀意識來選擇從當前節點到目標節點的行駛路徑。ATIS信息能夠提供當前路況下，Agent從當前所在節點到目標節點的各條路徑及其所需時間。令Lk={lk1，lk2，…，lks}為當前節點k到達目標節點的路徑集合，Tk={tk1，tk2，…，tks}為對應各條路徑的出行時間，則出行Agent會做出選擇：

其中，lki為min{Tk}所對應路徑；lk′為出行Agent主觀判斷路徑；α為信任度，當α=1時，表示出行Agent對ATIS信息完全信任，則選擇ATIS信息指示路徑，當α=0時，表示出行Agent對ATIS信息完全不信任，則選擇自己主觀判斷的路徑，當α∈(0，1)時，表示出行Agent對ATIS信息不完全信任，此時以一定的概率p選擇ATIS信息指示路徑，p=α，即有1-α的概率會選擇主觀判斷的路徑。

出行Agent自身的預測出行時間t計算流程，如圖1所示。

出行Agent從節點i出發，目標節點為j時，出發時選擇一條路徑行駛，出行時間為t=，當到達k節點時，若出行Agent不調整原路徑，則繼續前行，t不變；若改變了路徑，那么出行時間修正為t=tik+，其中，tik為從節點i到節點k的已行駛時間，為在k節點選擇的路徑的行走時間，以此類推，直到到達目標節點j時，預測出行時間等于實際出行時間。

圖1 出行Agent預測出行時間計算流程圖

3.2.2 微觀規則

出行Agent在行駛中可能調整車速，規則如下。

（1）車輛加速規則：若v＜vmax，則v=v+1，其中v為出行Agent的當前速度，vmax為規定的出行者Agent的最大車速。

（2）隨機減速規則：若v＞0，則v以概率PS減1，其中PS為出行Agent隨機減速的概率，即隨機慢化概率。

（3）安全控制規則：若v＞gap則v=gap，其中gap為出行Agent與同一車道上前車的間隔。

（4）車輛移動規則：x=x+v，其中x為出行Agent當前所在位置。

3.3 空間網格（grid）關系

Agent行為在二維網格（grid）空間中交互，管理Agent主體和出行Agent主體需要的信息交換都依賴于gird關系進行。下面為本模型所采用的基于Repast S的ATIS空間網格關系定義：

出行Agent主體根據路徑選擇方法來隨時改變行駛路徑，同時遵守微觀規則不斷調整自己的行駛速度，路徑與速度的調整都直接反映在grid的位置上；管理Agent主體直接從grid中獲取出行Agent主體相關信息，采集數據，從而計算出行時間及平均速度等屬性；計算結果又以ATIS形式傳遞給出行Agent主體，出行Agent主體得到信息后，從而影響其后續行駛路徑。

4 實例分析

圖2為某城市某一路段抽象出來的交通網絡拓撲結構圖，包括6個節點和7條路段，其中路段長度用元胞數表示，元胞長度為最小車頭時距，每個元胞僅能容納一個出行Agent。設各路段長度均為20個元胞。這里以節點（1→6）為OD對進行仿真，即所有出行者從節點1進入仿真區域，從節點6離開仿真區域。

應用本文的方法建立模型，在Repast S仿真工具中根據所提出的方法定義各Agent的屬性與行為。為計算簡便，本實驗中令所有出行Agent對ATIS信息的信任度均為α=0.6，出行Agent隨機從節點1進入路網。通過Repast S仿真得到圖3所示的車輛分布狀況圖。圖3為當仿真時間tick=300時的路網狀態，圖中自上而下為路段1至路段7的車輛分布情況，黑點表示車輛，車輛自左向右在各路段上行駛。每個車輛到達各路段的最右端時，判斷下一步進入哪個路段，最終由路段4或路段5行駛至節點6終止，離開路網。從圖3可以看出各路段上的車輛分布基本均勻，避免了眾車簇擁至某一路段，說明ATIS提供給出行Agent的信息，在一定程度上可以幫助緩解交通擁堵問題。

圖2 路網拓撲結構圖

圖3 Tick=300時的車輛分布情況

通過計算各車輛的出行時間，如圖4所示。從圖4可以看出各車輛的出行時間相對比較集中，基本上都在170～300 tick之間，沒有出現出行時間過長的車輛。說明ATIS信息使得道路資源能夠合理分配，對出行Agent的路段選擇有一定的指導意義。

圖4 α=0.6時各車輛出行時間

當所有出行Agent對ATIS信息的信任度為α=0.9時，各車輛的出行時間分布如圖5所示。

圖5 α=0.9時各車輛出行時間

從圖5可以看出此時的車輛出行時間比α=0.6時整體減少，說明出行Agent對ATIS信息的信任度越高，平均出行時間越短。

5 結論

以上實驗將出行者的在途調整路徑考慮在內，采用本文提出的基于Agent模型及方法對ATIS系統影響下的Agent進行研究。結果表明，無論從車輛的分布上，還是從出行時間上看，ATIS信息都發揮了一定的作用，使得交通管理者和出行者都有所收益。對出行者而言，ATIS提供的交通信息能夠給予出行者一定的幫助，減少了決策過程中的不確定性。綜上所述，在考慮出行者在行駛途中隨時調整路徑的情況下，ATIS信息對出行者的路徑選擇具有一定的指導意義，ATIS系統信息的實時性可以避免路徑選擇時新的擁塞現象的出現，另外可以增加信任度更新機制以避免路徑局部尋優，從而提高出行質量。

[1]Srinivasan K K，Mahamassani H S.Dynamic decision and adjustment processes in commuter behavior under real-time information[R].USA：University of Texas at Austin，2002.

[2]Dia H.An agent-based approach to modeling driver route choice behavior under the influence of real-time information[J]. Transportation Research：Part C，2002，10（5）：331-349.

[3]賀振歡，楊肇夏，承向軍，等.ATIS混合誘導模式下出行者路徑選擇仿真研究[J].系統仿真學報，2009，21（22）：7334-7338.

[4]孫劍，李克平，楊曉光.ATIS環境下動態多用戶路徑選擇行為仿真研究[J].計算機工程與應用，2008，44（20）：222-225.

[5]趙凜，張星臣.基于Agent仿真的ATIS條件下路徑選擇行為研究[J].系統仿真學報，2007，19（7）：1590-1593.

[6]王浩暢，李鈺，趙鐵軍.面向生物醫學命名實體識別的多Agent元學習框架[J].計算機學報，2010，33（7）：1256-1258.

[7]North M J，Collier N T，Voss J R.Experiences creating three implementationsoftherepastAgentmodelingtoolkit[J]. ACM Transactions on Modeling and Computer Simulation，2006，16（1）：1-25.

[8]雋志才，鮮于建川.交通信息作用下的活動-出行決策行為研究[J].中國公路學報，2008，21（4）：88-92.

ZHANG Wei

School of Traffic and Transportation,Lanzhou Jiaotong University,Lanzhou 730070,China

Driving vehicles on the road probably change route according to road situation,which causes some difficulty to research of ATIS（Advanced Traveler Information System）.Traveler’s route choice and changing on road behaviors are studied based on method of multi-agent modeling and simulation.Traveler’s route choice model is build under changing on road,and an example is simulated using Repast S.Effect of traveler’s changing on road under ATIS is concluded at last.The method gives theory support for reasonable disposition and effective using.

Advanced Traveler Information System（ATIS）;Repast S;change on road;route choice

出行車輛在行駛途中會根據路況隨時調整行駛路徑，這給公共交通先進出行者系統（ATIS）的研究帶來一定的困難。基于多Agent仿真建模方法對ATIS條件下出行者的路徑選擇及在途調整行為進行了研究，構建了在途路徑調整下的出行者路徑選擇模型，并利用Repast S仿真工具進行仿真分析，得出了ATIS對出行者在途影響的結論。該方法為ATIS的合理配置和有效利用提供了理論依據。

先進出行者信息系統；Repast S工具；在途調整；路徑選擇

A

U491

10.3778/j.issn.1002-8331.1110-0627

ZHANG Wei.Research of traveler’s route choice behavior under ATIS.Computer Engineering and Applications,2013, 49（13）：234-236.

國家自然科學基金（No.61163009）；蘭州交通大學青年科學基金（No.2011001）。

張薇（1980—），女，碩士，講師，研究方向：路網可靠性，信息管理與信息系統。E-mail：zhangwei@mail.lzjtu.cn

2011-11-03

2012-02-03

1002-8331（2013）13-0234-03

CNKI出版日期：2012-03-27http://www.cnki.net/kcms/detail/11.2127.TP.20120327.1210.001.html