多智能體協(xié)作動態(tài)路況信息服務(wù)系統(tǒng)研究＊

張健欽 陸 鋒 徐志潔 王晏民

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

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

交通信息服務(wù)系統(tǒng)中的動態(tài)交通信息服務(wù)系統(tǒng)主要分為多源數(shù)據(jù)集成、交通流綜合處理、交通信息發(fā)布服務(wù)三個階段，如圖1所示.多源數(shù)據(jù)集成處于整個系統(tǒng)的前端，不僅可以接收來自多個調(diào)度中心的浮動車數(shù)據(jù)，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(shù)據(jù)，從多維角度計算道路交通路況信息，實現(xiàn)多種類型數(shù)據(jù)的優(yōu)勢互補.在交通流綜合處理階段系統(tǒng)將高效處理融合多源交通數(shù)據(jù)，經(jīng)過交通信息的預(yù)測填補，最終生成描述城市道路交通路況的數(shù)據(jù)信息，并由交通信息發(fā)布服務(wù)通過互聯(lián)網(wǎng)、移動通信網(wǎng)絡(luò)（如GPRS，3G）、調(diào)頻副載波（RDS）廣播和數(shù)字廣播（DAB，CMMB）等通信方式，向公眾提供實時路況信息服務(wù).

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(diào)整行車路線，則對全局交通系統(tǒng)擾動較大，在避開現(xiàn)有交通擁堵點的同時容易造成新的擁堵點，使路網(wǎng)各路幅的交通流處于難以預(yù)測狀態(tài)，同時使得路況信息發(fā)布失去意義.本文提出一種多智能體協(xié)作動態(tài)路況信息服務(wù)系統(tǒng)，探索自主導(dǎo)航和中心式導(dǎo)航相結(jié)合的動態(tài)導(dǎo)航方法，通過智能體之間的協(xié)作，在不嚴重違背駕駛車輛出行者對出行方式、路線、出發(fā)和到達時間要求的前提下（自主導(dǎo)航），能夠?qū)β肪W(wǎng)交通流量在時間和空間進行預(yù)測、合理分配和誘導(dǎo)管理，提供實時性更強的更貼近實際狀況的誘導(dǎo)路徑（中心導(dǎo)航）.

圖1 動態(tài)路況信息服務(wù)系統(tǒng)

1 Agent和多Agent系統(tǒng)

Agent理論起源于分布式人工智能（distributed artificial intelligence，DAI），Agent理論與技術(shù)還推動了很多其他學(xué)科的發(fā)展，如經(jīng)濟學(xué)、地理科學(xué)、生物學(xué)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(jù)自身要達到的狀態(tài)目標而主動地行動；（2）自治性，能根據(jù)自身要達到的狀態(tài)目標，調(diào)節(jié)增強達到這個目的的自身能力；（3）反應(yīng)性，對外界的激勵作出反應(yīng)的能力；（4）協(xié)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(tǒng)是基于Agent的分布式人工智能應(yīng)用系統(tǒng).在實際應(yīng)用的多Agent系統(tǒng)中將各種具有不同能力的Agent結(jié)合起來，通過它們之間的通信、合作、互解、協(xié)調(diào)、調(diào)度、管理與控制來表達系統(tǒng)的結(jié)構(gòu)、功能及行為特征.Agent是協(xié)作系統(tǒng)中的獨立行為實體，它能夠根據(jù)內(nèi)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(xié)同工作.各智能體通過相互協(xié)調(diào)、相互協(xié)作可解決較大規(guī)模的復(fù)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(tǒng)具有很強的魯棒性、可靠性和自組織能力.多Agent技術(shù)在很多領(lǐng)域都已經(jīng)得到應(yīng)用，包括交通管理系統(tǒng)、決策支持系統(tǒng)、信息協(xié)作系統(tǒng)等等.在已有的應(yīng)用智能體建模交通管理系統(tǒng)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(tǒng)的理論方法，將明顯改善交通事故的發(fā)現(xiàn)和響應(yīng)機制、交通信號的協(xié)作控制機制，以及動態(tài)路況信息的分發(fā)機制［1－2］.但是關(guān)于如何在時間和空間上進行有效的車輛誘導(dǎo)的研究不多.本文提出的多智能體協(xié)作動態(tài)路況信息服務(wù)系統(tǒng)的目標是通過向行進中的車輛智能體發(fā)送有效的動態(tài)路況信息進行誘導(dǎo)，克服局部路網(wǎng)容量的不足，在改善全局路網(wǎng)交通容量的同時滿足個體出行者的需求.

2 交通網(wǎng)絡(luò)多Agent系統(tǒng)設(shè)計

2.1 系統(tǒng)結(jié)構(gòu)和Agent模型

系統(tǒng)的框架如圖2所示：將路網(wǎng)中運行的車輛建模為自主智能體，它是對裝備智能導(dǎo)航設(shè)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(tài)路況信息做出適當(dāng)?shù)臎Q策及反應(yīng)，車輛行駛行為的控制邏輯（自適應(yīng)導(dǎo)航控制邏輯）集成在每個車輛的內(nèi)部，因此，不同的車輛可以有不同的行駛模型；當(dāng)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(wǎng)數(shù)據(jù)模型中路幅段抽象的智能代理（實體表現(xiàn)是兩個相鄰的連通性節(jié)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(wǎng)中發(fā)生的突發(fā)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(yīng)的路幅段智能體.因為同一時間內(nèi)在同一路幅段上的車輛和事件數(shù)有限，所以通信的強度和需要的數(shù)據(jù)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(tǒng)［3－6］.將交通系統(tǒng)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(wǎng)中某一局部的信息，無法掌握整個路網(wǎng)的全局狀態(tài)，也就無法根據(jù)實時路況實現(xiàn)最優(yōu)路徑尋找、實時誘導(dǎo)等需要全局信息的應(yīng)用.因而系統(tǒng)中還建立了一個全局性的路網(wǎng)智能體，它是對路網(wǎng)數(shù)據(jù)模型中全局路網(wǎng)抽象的智能代理（實體表現(xiàn)是全局的道路網(wǎng)），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(xiàn)收集動態(tài)路況信息，下發(fā)誘導(dǎo)信息等.

圖2 多智能體協(xié)作概念圖

本系統(tǒng)是路網(wǎng)智能體（對應(yīng)現(xiàn)實中的路網(wǎng)管理者），路幅段智能體（對應(yīng)現(xiàn)實中的信息中轉(zhuǎn)站）和車輛智能體（對應(yīng)現(xiàn)實中的出行者）之間協(xié)作的多智能體系統(tǒng)（參見圖2）.系統(tǒng)中的多智能體功能表見表1，屬性參見圖3.路網(wǎng)智能體負責(zé)記錄所有被誘導(dǎo)車輛的動態(tài)路徑，接受路幅段智能體上報的信息并進行路況的預(yù)測，路網(wǎng)管理者可以調(diào)整路網(wǎng)智能體中路況預(yù)測的規(guī)則；路幅段智能體負責(zé)記錄所有被誘導(dǎo)車輛的動態(tài)位置，檢測本路幅段的突發(fā)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(wǎng)智能體；車輛智能體負責(zé)自適應(yīng)的出行前路徑規(guī)劃和出行中的動態(tài)路徑規(guī)劃調(diào)整，同時實時上報車輛的動態(tài)位置.

2.2 多層路網(wǎng)數(shù)據(jù)模型

路網(wǎng)數(shù)據(jù)結(jié)構(gòu)是道路空間數(shù)據(jù)和屬性數(shù)據(jù)在數(shù)據(jù)庫中的組織形式.本文提出的路網(wǎng)數(shù)據(jù)結(jié)構(gòu)是在處理浮動車數(shù)據(jù)基礎(chǔ)上，能夠匹配突發(fā)事件、臨時交通管制、施工占道事件等信息的數(shù)據(jù)結(jié)構(gòu)，是對導(dǎo)航數(shù)據(jù)模型中間交換格式的業(yè)務(wù)定制.其中節(jié)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(jié)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(wǎng)絡(luò)Agent功能表

圖3 路網(wǎng)空間數(shù)據(jù)結(jié)構(gòu)和對應(yīng)智能體屬性

道路網(wǎng)結(jié)構(gòu)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(xù)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(wǎng)空間關(guān)系示意圖

圖5 路網(wǎng)拓撲圖

2.3 系統(tǒng)中多Agent協(xié)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(guī)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(jié)合突發(fā)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(fā)送給路網(wǎng)智能體.這樣，當(dāng)路網(wǎng)中所有的路幅段智能體將路況信息發(fā)給路網(wǎng)智能體后，路網(wǎng)智能體就能獲得全局路網(wǎng)的信息.然后，路網(wǎng)智能體利用這些信息進行實時路徑規(guī)劃，再將動態(tài)路由表發(fā)送給車輛智能體，由此實現(xiàn)動態(tài)誘導(dǎo)和路徑尋優(yōu).

圖6 多智能體協(xié)作動態(tài)路況信息服務(wù)系統(tǒng)總體流程圖

圖7 車輛智能體行進過程示意圖

多智能體協(xié)作的基本流程如圖6所示，車輛智能體在出發(fā)前依據(jù)實時交通信息和歷史交通信息進行行程前路徑規(guī)劃，同時向路網(wǎng)智能體上傳規(guī)劃的出行路徑，并開始向其所在的路幅段智能體報告當(dāng)前所處的位置（如圖7中位置1）；路幅段智能體負責(zé)檢測并記錄進入本路幅段的車輛智能體，同時向路網(wǎng)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(guī)劃協(xié)作的作用.路幅段智能體同時還負責(zé)檢測本路幅段的突發(fā)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(wǎng)智能體.路網(wǎng)智能體匯總所有路幅段智能體報告的突發(fā)動態(tài)路況信息，同時查找車輛智能體的出行路徑中是否包含發(fā)生突發(fā)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(jù)交通事件發(fā)生導(dǎo)致交通流變化的交通流模型確定路幅段中路況權(quán)值變化情況，并告知相關(guān)的車輛智能體.相關(guān)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(jù)最新的路網(wǎng)預(yù)測路況修改最優(yōu)路徑（行程中出行路徑的規(guī)劃）.車輛智能體每次離開所在路幅段之前都與路網(wǎng)智能體通信，查詢是否需要行程中出行路徑的再規(guī)劃.在上述流程中比較重要的任務(wù)是車輛智能體與路網(wǎng)智能體的協(xié)作.圖8中描述了兩種從路網(wǎng)智能體向車輛智能體傳送動態(tài)路況信息的過程.一種過程是車輛智能體定期向路網(wǎng)智能體請求并下載基于歷史經(jīng)驗的路況規(guī)律性信息.另一種過程是路網(wǎng)智能體不斷向需要行程中路徑再規(guī)劃的車輛智能體推送變化了的預(yù)測路況信息.

圖8 車輛智能體與路網(wǎng)智能體協(xié)作的任務(wù)實例圖

2.4 原型系統(tǒng)開發(fā)

為了驗證上述技術(shù)流程的可行性和有效性，根據(jù)上述系統(tǒng)結(jié)構(gòu)、Agent模型、路網(wǎng)數(shù)據(jù)模型和多Agent協(xié)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(fā)原型實驗系統(tǒng)，便于對智能體模型規(guī)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(fù)雜適應(yīng)系統(tǒng)理論開發(fā)的多智能體軟件工具集.它采用多智能體模擬的方法對復(fù)雜適應(yīng)系統(tǒng)進行模擬仿真［7］.Swarm的核心是一個面向?qū)ο蟮目蚣?，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(fù)雜系統(tǒng)進行較好的模擬.目前原型系統(tǒng)初步實現(xiàn)了動態(tài)路況模擬和車輛智能體在動態(tài)路況信息影響下的決策運行過程，系統(tǒng)開發(fā)正在進一步完善中.

3 結(jié) 束 語

路況信息對于駕駛車輛出行者非常重要，動態(tài)路況信息的采集、傳輸和發(fā)布的技術(shù)路線已經(jīng)相對成熟，但是利用水平相對較低，如何結(jié)合時空一體化的GIS－T數(shù)據(jù)模型提供個性化的出行誘導(dǎo)和動態(tài)導(dǎo)航服務(wù)仍是研究的難點和熱點.本文基于GIS－T的數(shù)據(jù)模型和多智能體的理論方法研究建立一種多智能體協(xié)作動態(tài)路況信息服務(wù)系統(tǒng).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(xié)作獲得更優(yōu)的出行規(guī)劃和行駛路徑，同時有助于豐富完善時空一體化GIS－T數(shù)據(jù)模型中的移動對象的建模與查詢方法.在此基礎(chǔ)上本文基于Swarm平臺和Java語言設(shè)計開發(fā)了實驗原型系統(tǒng).后續(xù)的研究和開發(fā)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(tǒng)；（2）研究在路網(wǎng)中接受動態(tài)路況信息的車輛智能體占路網(wǎng)中車輛總數(shù)不同比例的情況下對于整個交通系統(tǒng)全局造成的不同影響；（3）目前，“智能車輛系統(tǒng)”的研發(fā)使得車輛嵌入了自適應(yīng)輔助駕駛系統(tǒng)，基于智能體的方法學(xué)習(xí)駕駛員的出行習(xí)慣并提供優(yōu)選路徑，這些工作為本文的研究奠定了更深的基礎(chǔ)，文章將研究引入競爭性談判機制的多智能體協(xié)作模型，這也是后續(xù)研究工作的重點.

［1］林志勇.基于多智能主體的動態(tài)導(dǎo)航模型研究［J］.測繪科學(xué)，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(qū)活動模擬［J］.武漢理工大學(xué)學(xué)報：交通科學(xué)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(shù)在交通管理與出行服務(wù)中的應(yīng)用探討［J］.計算機工程與應(yīng)用，2009，45（16）：238－241.

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

［7］撒 力.一個基于Swarm的人工生態(tài)系統(tǒng)模型［J］.系統(tǒng)仿真學(xué)報，2005，17（3）：714－717.