基于multi-agent的區(qū)域交通信號(hào)控制系統(tǒng)的研究.pdf

1、交通問題是全球普遍關(guān)注的重要問題，交通問題已經(jīng)嚴(yán)重影響了人類社會(huì)經(jīng)濟(jì)的正常運(yùn)行，為此采用最新的科學(xué)技術(shù)成果，意在解決交通問題的“智能運(yùn)輸系統(tǒng)”的研究正在全球范圍迅速興起，agent技術(shù)是計(jì)算機(jī)和分布式人工智能領(lǐng)域的最新研究成果，是面向?qū)ο蠹夹g(shù)的新發(fā)展。agent技術(shù)為復(fù)雜問題的解決提供了重要手段，是當(dāng)今計(jì)算機(jī)領(lǐng)域的一大研究熱點(diǎn)。agent技術(shù)為解決交通問題提供了新的思路。本文根據(jù)交通領(lǐng)域的這一研究背景，結(jié)合agent技術(shù)以及智能控制技術(shù)

2、的發(fā)展，探討解決交通問題的新方法。 本文首先分析了交通信號(hào)控制的發(fā)展歷程，交通控制系統(tǒng)的發(fā)展方向。在分析了agent理論的基礎(chǔ)上，總結(jié)了agent的概念、特征和結(jié)構(gòu)模型。緊接著介紹了交通信號(hào)控制的分類、方法，并著重討論了單交叉路口信號(hào)控制的主要參數(shù)和評(píng)價(jià)指標(biāo)。 城市交通是一個(gè)復(fù)雜系統(tǒng)，agent特有的自治性、協(xié)作性等特點(diǎn)，為進(jìn)行仿真提供了更好的方法。為此，本文給出了基于multi-agent的區(qū)域交通信號(hào)控制系統(tǒng)的框架結(jié)

3、構(gòu)，并在此基礎(chǔ)上提出了區(qū)域信號(hào)控制系統(tǒng)的二級(jí)控制模式。Q-learning算法是近期所提出的在線強(qiáng)化學(xué)習(xí)算法。本文簡單介紹了Q-learning算法的基本思想和適用條件，并給出了在線Q-learning算法的方法步驟。以Q-learning算法為基礎(chǔ)，給出了單交叉路口和區(qū)域信號(hào)控制算法，描述了算法所涉及的條件、計(jì)算步驟，并論證了該算法的可行性、有效性。 通過試驗(yàn)和數(shù)據(jù)采樣，是驗(yàn)證系統(tǒng)性能的有效手段。首先闡述了利用MFC進(jìn)行age