基于多智能體的城市居民通勤仿真研究

張 鈺,李 霖, 2,賀 彪,席宇亮

(1.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；2.武漢大學(xué) 地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079；3.深圳大學(xué) 建筑與城市規(guī)劃學(xué)院，廣東 深圳 518000)

交通仿真技術(shù)具有直觀、安全和靈活的特點(diǎn)，是描述復(fù)雜道路交通現(xiàn)象的有效手段[1]。根據(jù)研究尺度與細(xì)節(jié)描述程度的不同，可將交通仿真模型分為微觀、中觀和宏觀模型[2]?，F(xiàn)有的關(guān)于交通仿真的研究主要集中于微觀尺度下道路網(wǎng)上車流的模擬[3-6]。然而隨著城市軌道交通的發(fā)展，地鐵已經(jīng)成為許多大城市中居民通勤的常用交通工具，但目前鮮有對于地鐵和公交車兩種主要的公共交通出行方式的混合交通流的研究。并且研究城市居民的通勤行為，也不能只關(guān)注車流，還要分析乘客流的時(shí)空變化規(guī)律，對行人進(jìn)行仿真[7-8]。此外，限制交通仿真準(zhǔn)確性的一個(gè)重要因素是輸入的交通數(shù)據(jù)的合理性[9]，本文采用基于百度地圖服務(wù)的交通分配方案確定仿真過程中通勤者的出行路徑，能夠在一定程度上解決這一問題。

1 理論基礎(chǔ)

1.1 交通分配

交通分配是指將各分區(qū)之間出行分布量分配到交通網(wǎng)絡(luò)的各條邊上去的工作過程[10]，根據(jù)是否要在時(shí)間、空間尺度上重新分配交通需求可分為靜態(tài)交通分配[11]和動態(tài)交通分配[12]。本文對居民早高峰時(shí)段的通勤行為進(jìn)行仿真，其居住地和工作地信息分別從政府部門統(tǒng)計(jì)的房屋產(chǎn)權(quán)信息和企業(yè)社保記錄中獲得，并用于構(gòu)建反映交通需求的OD矩陣。利用這個(gè)OD矩陣，通過事先產(chǎn)生出行計(jì)劃的方式將交通需求靜態(tài)地分配到道路網(wǎng)與地鐵網(wǎng)。出行計(jì)劃由出發(fā)時(shí)間、出行方式、相關(guān)站點(diǎn)和換乘計(jì)劃等組成，用于確定通勤者的出行行為。相關(guān)的研究如最優(yōu)出行路徑的計(jì)算[13]，該方法沒有考慮多種交通模式；從公交(或地鐵)刷卡數(shù)據(jù)中提取出行信息，并將其用于準(zhǔn)確識別通勤者[14]，然而，這些出行信息缺少出行者從家中到起始站點(diǎn)和從目的地站點(diǎn)到工作場所的部分；使用實(shí)時(shí)GPS行程數(shù)據(jù)可以有效地獲取行程鏈[15]，但是，在使用大量公民的數(shù)據(jù)進(jìn)行研究時(shí)，必須考慮保護(hù)個(gè)人隱私(真實(shí)位置信息)的問題。因此，本文利用百度地圖服務(wù)來有效和安全地生成完整的出行路徑。百度地圖開發(fā)平臺(BMDP)提供了一系列地圖服務(wù)給開發(fā)人員使用。本文選用了Geocoder和路線規(guī)劃兩種服務(wù)用于生成出行計(jì)劃。原始OD矩陣以詳細(xì)地址的形式存儲居民的家庭和工作地址。Geocoder服務(wù)將這些地址轉(zhuǎn)換為特定地理坐標(biāo)系(通常為WGS84)下的坐標(biāo)；以坐標(biāo)對作為輸入值，路線規(guī)劃服務(wù)將計(jì)算使通勤者到達(dá)目的地的最佳解決方案?？紤]到地圖應(yīng)用程序與導(dǎo)航服務(wù)的普及和便利，該方法生成的出行路徑與現(xiàn)實(shí)情況具有很高的一致性。

1.2 基于Agent的交通仿真

Agent (智能體)指的是能互相通信，感知環(huán)境并做出反應(yīng)的實(shí)際或虛擬的實(shí)體，它具有自治性，有一定的能力實(shí)現(xiàn)自身預(yù)定的目標(biāo)和意愿[16]?；贏gent的仿真能有效處理復(fù)雜系統(tǒng)[17](如交通系統(tǒng))問題，該方法將復(fù)雜系統(tǒng)看成是“自底而上”、高度離散化和由一系列可被認(rèn)為是Agent的實(shí)體組成的[18]。基于Agent的交通仿真提供了一種有效的方法來表示大量交通實(shí)體(如乘客，車輛)的行為和相互作用，并反映了客流在時(shí)空特征上的動態(tài)變化，從而可以提取有用的交通特征。

在本研究中，設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)基于多智能體的交通仿真框架，以探索高峰時(shí)段交通流的分布特征。在這個(gè)框架中，“模擬環(huán)境”為道路網(wǎng)和地鐵網(wǎng)，交通實(shí)體則被組織為Agent模型，從而可建立一個(gè)多智能體系統(tǒng)(MAS)?？蚣軐?.1節(jié)中生成的出行路徑作為輸入，并具有四層架構(gòu)，如圖1所示。提出的仿真框架是一個(gè)事件驅(qū)動(Event-driven)的系統(tǒng)，全局維護(hù)一個(gè)事件隊(duì)列。車輛需執(zhí)行的事件為“進(jìn)站”“出站”；人可能執(zhí)行的事件包括“出發(fā)”“進(jìn)地鐵站”“出地鐵站”“上地鐵”“下地鐵”“進(jìn)公交站”“出公交站”“上公交”“下公交”和“到達(dá)”。事件包含兩個(gè)基本屬性，即“開始時(shí)間”和“結(jié)束時(shí)間”。系統(tǒng)初始化時(shí)會生成一些事件，如人“出發(fā)”。事件執(zhí)行過程中可能產(chǎn)生新的事件，比如，假定一個(gè)通勤者是以乘地鐵的方式出行，那么他執(zhí)行“出發(fā)”事件時(shí)會產(chǎn)生“進(jìn)地鐵站”事件。后續(xù)事件的“開始時(shí)間”由產(chǎn)生它的事件決定，并由此時(shí)間將其按時(shí)間順序插入到全局事件隊(duì)列中等待執(zhí)行。通過不斷地執(zhí)行與產(chǎn)生新的事件，推動系統(tǒng)運(yùn)行，該過程如圖2所示。

整個(gè)系統(tǒng)的運(yùn)行流程包括初始化，動態(tài)模擬，評價(jià)打分，重新規(guī)劃和結(jié)果分析5個(gè)部分，如圖3所示。初始化為系統(tǒng)運(yùn)行進(jìn)行一些準(zhǔn)備工作，如創(chuàng)建各種實(shí)體的Agent模型，加載路網(wǎng)等；動態(tài)模擬是車輛開始運(yùn)行，且所有通勤者出發(fā)，以各自規(guī)劃好的出行方案運(yùn)動，最后到達(dá)工作地的過程；評價(jià)打分是以出行時(shí)間和距離等指標(biāo)對本次出行進(jìn)行評估；打分較低的通勤者需要重新規(guī)劃出行方案，如提前出發(fā)、更換交通工具、更換出行線路等；系統(tǒng)達(dá)到穩(wěn)定狀態(tài)后可以輸出結(jié)果，統(tǒng)計(jì)交通特征并進(jìn)行分析。

2 試驗(yàn)數(shù)據(jù)與過程

2.1 研究區(qū)域

本文選取深圳市作為案例進(jìn)行試驗(yàn)。深圳是一個(gè)位于中國南部的沿海大都市，位于113°46′E至114°37′E和22°27′N至22°52′N之間，總面積約1 952.84 km2，共有10個(gè)行政區(qū)，人口接近1 078萬，是人口最稠密的城市之一，且交通比較發(fā)達(dá)，其行政區(qū)劃如圖4所示。它是中國第一個(gè)經(jīng)濟(jì)特區(qū)，被視為改革開放的窗口，具有十分重要的經(jīng)濟(jì)地位。此外，公交、地鐵和出租車是深圳市最主要的公共交通出行方式，表1記錄了這3種公共交通方式近幾年的客運(yùn)量。

圖1 仿真系統(tǒng)框架圖

圖2 事件隊(duì)列示意圖

圖3 仿真工作流程

圖4 研究區(qū)域

百萬人次

2.2 網(wǎng)絡(luò)結(jié)構(gòu)

深圳市道路網(wǎng)發(fā)達(dá)，共有約55 000多條不同等級的道路，如圖5(a)所示。路網(wǎng)由“路段”和“交叉口”組成，“路段”有車道數(shù)、方向、限速等屬性用于限定車輛的行為與狀態(tài)；“交叉口”處設(shè)置有信號燈，用于調(diào)節(jié)路口處車輛的通行次序。路網(wǎng)主要為公交車的運(yùn)動提供環(huán)境，通勤者從家到行程起點(diǎn)站和從行程終點(diǎn)站到工作地兩部分也是在路網(wǎng)上進(jìn)行，方式一般為步行。

深圳市地鐵網(wǎng)包含8條地鐵線路，由地鐵線和相關(guān)地鐵站點(diǎn)組成，如圖5(b)。地鐵線每兩個(gè)相鄰站點(diǎn)之間的部分是類似于“路段”的“地鐵區(qū)間”，通過研究“地鐵區(qū)間”內(nèi)地鐵車輛的載客量可以分析該區(qū)間段的擁堵情況。地鐵網(wǎng)內(nèi)的交通與路網(wǎng)上有較大差別。路網(wǎng)上一般更關(guān)注于車輛的運(yùn)行情況與分布規(guī)律，而地鐵網(wǎng)內(nèi)地鐵車輛的運(yùn)行一般較為規(guī)律，所以地鐵內(nèi)的交通特征一般可從地鐵乘客的時(shí)空分布規(guī)律進(jìn)行分析。

圖5 深圳市道路網(wǎng)和地鐵網(wǎng)

2.3 公交線路

深圳市共有900多條公交線路，本文選取了其中5條常用線路(NO 1,10,111,121,13)及其相關(guān)站點(diǎn)進(jìn)行試驗(yàn)，如圖6所示。每條公交線路包含車輛始發(fā)時(shí)間，發(fā)車頻次和途經(jīng)站點(diǎn)等信息，用于控制公交車的運(yùn)行。一條公交線路可與地鐵或其他公交線路換乘。

圖6 部分公交線路

2.4 出行計(jì)劃

由于本文僅選取了部分公交線路進(jìn)行試驗(yàn)，為了盡可能獲得有效的出行計(jì)劃(不乘沒有選取的公交線路)，采用的方案是選取居住地與工作地均在站點(diǎn)(地鐵站和公交站)周邊1 000 m范圍內(nèi)的居民參與試驗(yàn)。首先，合并地鐵站點(diǎn)與公交站點(diǎn)為“站點(diǎn)”圖層，并為其中每個(gè)站點(diǎn)作一個(gè)半徑為1 000 m的緩沖區(qū)，然后分別從居民居住地和工作地圖層中選出與任一緩沖區(qū)相交的記錄，最后對兩組選出的對象進(jìn)行關(guān)聯(lián)，選出居住地與工作地均在緩沖區(qū)范圍內(nèi)的通勤者進(jìn)行試驗(yàn)，得到337 000個(gè)對象。利用1.1節(jié)提到的分配方案調(diào)用百度地圖服務(wù)，生成出行方案，剔除不滿足要求的記錄，以如下的樣本為例說明出行計(jì)劃的結(jié)構(gòu)。

編號為20 097的通勤者居住地為“深圳市上沙塘晏村7巷18號”，工作地為“深圳市羅湖區(qū)人民北路與立新路交匯處新白馬商業(yè)樓”。調(diào)用百度地圖服務(wù)后返回的結(jié)果如下：“20 097|112 197.62,17 339.830 000 001 9|121 123.81,19 996.69|1 103|3 683|步行796 m|上沙村站乘121路(皇崗口岸方向)經(jīng)過5站到購物公園地鐵站|步行213 m|購物公園站(C口)乘3號線(雙龍方向)經(jīng)過8站到曬布站(D3口)|步行366 m|”。其中起止點(diǎn)的坐標(biāo)信息是由Geocoder服務(wù)將詳細(xì)地址信息轉(zhuǎn)化得到(先轉(zhuǎn)化為WGS84，再轉(zhuǎn)化為本地坐標(biāo)系)，“1103”和“3683”分別為乘私家車和公共交通工具出行的經(jīng)驗(yàn)時(shí)間，詳細(xì)的乘車方案由路線規(guī)劃服務(wù)得到。

通常對一組OD信息調(diào)用百度地圖服務(wù)返回的出行方案不止一種，本文處理的方式為選擇出行花費(fèi)時(shí)間最短的方案。對于所有選出的試驗(yàn)對象，均可獲得一個(gè)與之類似的出行方案，通過該方案可以預(yù)知通勤者出行的路線與行為，靜態(tài)地將交通需求分配到網(wǎng)絡(luò)環(huán)境中。然而如需了解交通運(yùn)行的過程與動態(tài)以及車輛和出行人員的時(shí)空分布規(guī)律，還需要考慮“時(shí)間”這一因素，可以通過仿真的方式對整個(gè)過程進(jìn)行模擬并提取有價(jià)值的交通信息。

2.5 仿真過程

基于生成的出行計(jì)劃，利用1.2節(jié)介紹的框架進(jìn)行交通仿真，該框架旨在按時(shí)間順序模擬所有交通實(shí)體的行為。因?yàn)檠芯康氖浅鞘芯用竦耐ㄇ谛袨椋虼瞬辉试S通勤者“遲到”，即9：00 am前到達(dá)工作地是對所有通勤者出行過程的約束。系統(tǒng)的穩(wěn)定狀態(tài)定義為所有通勤者按時(shí)到達(dá)工作地點(diǎn)，在系統(tǒng)達(dá)到穩(wěn)定狀態(tài)之前，將執(zhí)行多次迭代，調(diào)整遲到人員的出發(fā)時(shí)間。每個(gè)通勤者的出發(fā)時(shí)間是由百度地圖服務(wù)在第一次迭代中返回的經(jīng)驗(yàn)出行時(shí)間計(jì)算得到。例如，當(dāng)某人經(jīng)驗(yàn)出行時(shí)間是1 h，那么為了避免遲到，其出發(fā)時(shí)間應(yīng)該為8:00am。

式(1)中的Ti+1和Ti分別表示兩次相鄰迭代的出發(fā)時(shí)間，δ表示調(diào)整的時(shí)間間隔。δ被設(shè)置為-1，即當(dāng)某人遲到時(shí)，其出發(fā)時(shí)間需設(shè)置為比前一次迭代提前1 min。

Ti+1=Ti+δ.

(1)

在該實(shí)驗(yàn)中，經(jīng)過116次迭代后系統(tǒng)達(dá)到穩(wěn)定狀態(tài)。輸出的結(jié)果為所有的交通實(shí)體(通勤者、公交和地鐵車輛)的交通動態(tài)，包括時(shí)間，執(zhí)行的事件，當(dāng)前時(shí)刻的屬性等。利用這些信息可以追蹤人或車輛的運(yùn)動過程，也可以統(tǒng)計(jì)客流量，網(wǎng)絡(luò)壓力等交通特征。

3 試驗(yàn)結(jié)果與分析

3.1 仿真結(jié)果

通過上一節(jié)的動態(tài)仿真，當(dāng)系統(tǒng)達(dá)到穩(wěn)定狀態(tài)時(shí)，可以輸出必要的文本信息用于了解交通系統(tǒng)的運(yùn)行過程和統(tǒng)計(jì)交通特征。跟蹤ID為1 067的通勤者的出行過程得到的結(jié)果如下，

Result (PID = 1 067) = “7:52:43, Set out.

7:59:57,Get in metro stop in“前海灣站”, Metro route= 11號線

8:07:33,Leaveoutmetrostop in “前海灣站”, Metro route = 11號線

8:07:34,MetroID = 41fef3b3, Get on metrostop in “前海灣站”, Metro route = 11號線

8:33:38,metroID = 41fef3b3, Get off metrostop in“車公廟站”, Metro route = 11號線

8:33:39, Get in metro stopin“車公廟站”, Metro route = 11號線

8:33:40,Leave out metro stop in“車公廟站”, Metro route= 11號線

8:36:26,Get in bus stop in“招商銀行大廈站”, Bus route= 121路, Bus direction = 1

8:42:00,Leave out bus stop in“招商銀行大廈站”, Bus route = 121路, Bus direction = 1

8:42:01,BusID = df5e1629, Get on bus stop in“招商銀行大廈站”, Bus route = 121路, Bus direction = 1

8:48:22,BusID = df5e1629, Get off bus stop in“園博園站”, Bus route = 121路, Bus direction = 1

8:48:23,Get in bus stopin“園博園站”, Bus route= 121路, Bus direction = 1

8:48:24,Leave out bus stopin“園博園站”, Bus route = 121路, Bus direction = 1

8:57:49,Arrived, Travel time = 1 hour 13 minutes 6 seconds.”

從ID為1 067的通勤者的出行過程記錄中可以了解他的出發(fā)和到達(dá)時(shí)間、所乘交通工具、上下車站點(diǎn)、換乘情況以及行程所用時(shí)間等信息，從而可以直觀地了解這個(gè)人的出行動態(tài)和時(shí)空位置。其他的人和車輛的運(yùn)動過程也可以用類似方式表達(dá)，從而可以描述整個(gè)交通系統(tǒng)的動態(tài)變化。

3.2 客流量統(tǒng)計(jì)

地鐵區(qū)間指的是地鐵線路兩個(gè)相鄰站點(diǎn)之間的部分。利用3.1節(jié)的交通仿真結(jié)果，可以統(tǒng)計(jì)地鐵系統(tǒng)各區(qū)間段內(nèi)的客流量情況，根據(jù)實(shí)際情況可分為上行客流與下行客流，在此統(tǒng)計(jì)的是包括這兩者的總客流量，在仿真的有效時(shí)間內(nèi)，通過某區(qū)間的乘客可視為該區(qū)間的客流。統(tǒng)計(jì)結(jié)果如圖7所示，從中可以看出地鐵客流的空間分布規(guī)律和地鐵區(qū)間段的交通壓力大小。3號線、1號線和11號線是客流量較大的線路，其中3號線的一部分(“老街站”到“丹竹頭站”)客流量非常大，事實(shí)上，這一部分也是經(jīng)常發(fā)生擁堵的區(qū)間段。公交的統(tǒng)計(jì)方法與地鐵類似，由于公交線路眾多，因而本實(shí)驗(yàn)中選擇的幾條公交線路各自的客流量不大。

3.3 結(jié)果可視化

通過交通分配和交通仿真，可以由OD矩陣得到交通系統(tǒng)運(yùn)行的過程和狀態(tài)，統(tǒng)計(jì)客流量等交通特征。然而，為了更加直觀地展示整個(gè)交通系統(tǒng)(包括人和車輛)的動態(tài)，可以將交通實(shí)體的運(yùn)行軌跡組織為時(shí)空數(shù)據(jù)并以可視化的形式加以展示。為此，本研究中實(shí)現(xiàn)了一個(gè)居民出行軌跡演示系統(tǒng)，隨時(shí)間展示居民(小白點(diǎn))的動態(tài)軌跡，圖8展示了系統(tǒng)截圖。

4 結(jié)束語

本文通過對公交車和地鐵的混合交通流的仿真模擬研究了城市居民的通勤行為。主要介紹了利用城市居民的居住地與工作地?cái)?shù)據(jù)構(gòu)建交通需求，即OD矩陣；然后基于OD矩陣，利用百度地圖服務(wù)為通勤者分配路徑；之后動態(tài)仿真這些通勤人員的出行過程以及交通車輛等的時(shí)空分布規(guī)律；最后根據(jù)仿真的結(jié)果進(jìn)行統(tǒng)計(jì)分析，揭示城市居民通勤規(guī)律與交通系統(tǒng)的狀態(tài)變化。提出的方法對于公交和地鐵兩種交通工具的混合交通流進(jìn)行了模擬，并通過結(jié)合基于百度地圖服務(wù)的交通分配和基于Agent的交通仿真，彌補(bǔ)了以往交通仿真因?yàn)檩斎氲慕煌〝?shù)據(jù)可靠性差而效果不好的不足?；旌辖煌髂Ｊ较陆煌〒矶碌念A(yù)測，通過出行方案動態(tài)調(diào)整來優(yōu)化交通系統(tǒng)的運(yùn)行等將成為本研究未來可能的研究方向。

圖7 地鐵區(qū)間客流量統(tǒng)計(jì)

圖8 居民出行軌跡演示系統(tǒng)

[1] 耿彥斌,張雪蓮.關(guān)于我國交通仿真技術(shù)發(fā)展戰(zhàn)略的思考[J].現(xiàn)代交通技術(shù),2010, (4):71-75.

[2] 魏明,楊方廷,曹正清.交通仿真的發(fā)展及研究現(xiàn)狀[J].系統(tǒng)仿真學(xué)報(bào),2003,15(8):1179-1183.

[3] 劉洋.城市微觀交通仿真系統(tǒng)研究[D]. 西安：西北工業(yè)大學(xué),2006.

[4] 能寧,黃毓瑜,李公立.基于元胞自動機(jī)的微觀城市道路混合交通仿真[J].系統(tǒng)仿真學(xué)報(bào),2005,17(5):1234-1236.

[5] MANLEY E, CHENG T, PENN A, et al. A framework for simulating large-scale complex urban traffic dynamics through hybrid agent-based modelling[J]. Computers Environment & Urban Systems, 2014, 44(1):27-36.

[6] 唐代旻,李響,趙子輝.面向交通微觀仿真的道路網(wǎng)絡(luò)模型[J].南京師大學(xué)報(bào)(自然科學(xué)版),2016, 9(4):38-43.

[7] 胡明偉,史其信.城市軌道交通車站客流組織的仿真和評價(jià)[J].交通信息與安全, 2009,27(3):39-42.

[8] 高鵬,徐瑞華.城市軌道交通車站客流仿真中的事件驅(qū)動模型[J].系統(tǒng)工程理論與實(shí)踐,2010,30(11):2121-2128.

[9] 陸海亭,張寧,黃衛(wèi),等.短時(shí)交通流預(yù)測方法研究進(jìn)展[J].交通運(yùn)輸工程與信息學(xué)報(bào), 2009, 7(4):84-91.

[10] 成禮平. GIS技術(shù)在城市交通分配中的應(yīng)用研究[D].南京：東南大學(xué), 2004.

[11] 胡昌君, 陳文斌.靜態(tài)多路徑交通分配模型綜述[J]. 現(xiàn)代交通技術(shù), 2014, 1(1):65-69.

[12] 胡婷,于雷,趙娜樂.動態(tài)交通分配理論研究綜述[J].交通運(yùn)輸研究,2010(9):6-10.

[13] 李慶奎,呂志平, 李昌貴.基于模糊理論的智能最優(yōu)路徑算法[J].測繪工程, 2011,20(4):5-8.

[14] MA X, LIU C, WEN H, et al. Understanding commuting patterns using transit smart card data[J]. Journal of Transport Geography, 2017, 58:135-145.

[15] CROOKS A, CASTLE C, BATTY M. Key challenges in agent-based modelling for geo-spatial simulation[J]. Computers Environment & Urban Systems, 2008, 32(6):417-430.

[16] FERBER J. Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence[M]. Addison-Wesley Longman Publishing Co. Inc. 1999.

[17] 嚴(yán)飛,潘明陽,曹曉東,等. Agent技術(shù)在交通仿真中的應(yīng)用[J]. 電腦開發(fā)與應(yīng)用, 2003,16(8):31-33.

[18] CROOKS A, CASTLE C, BATTY M. Key challenges in agent-based modelling for geo-spatial simulation[J]. Computers Environment & Urban Systems, 2008, 32(6):417-430.