[發(fā)明專利]一種基于多智能體系統(tǒng)的道路混合交通流仿真系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011254789.5
• 申請(qǐng)日: 2020-11-11
• 公開（公告）號(hào): CN112329248A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 魏雯;孫智誠;朱彤
• 申請(qǐng)（專利權(quán)）人: 長安大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06N3/00
• 代理公司: 西安研創(chuàng)天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61239
• 代理人: 郭璐

本發(fā)明的目的是提供一種基于多智能體系統(tǒng)的道路混合交通流仿真系統(tǒng)，利用Net Logo平臺(tái)構(gòu)建異質(zhì)性駕駛?cè)私煌ǚ抡嫦到y(tǒng)，該仿真系統(tǒng)包括駕駛?cè)恕囕v智能體和道路環(huán)境智能體，以道路環(huán)境智能體作為載體，并與駕駛?cè)恕囕v智能體進(jìn)行信息交互，從而模擬交通場景中駕駛?cè)说男袨楹徒换ィ抡鎿矶潞团鲎驳漠a(chǎn)生和消散，形成復(fù)雜情況下的交通場景。

技術(shù)領(lǐng)域

本發(fā)明屬于交通控制技術(shù)領(lǐng)域，具體涉及一種基于多智能體系統(tǒng)的道路混合交通流仿真系統(tǒng)。

背景技術(shù)

當(dāng)前基于多智能體的交通流仿真方法主要是基于數(shù)據(jù)驅(qū)動(dòng)以及智能體的人工智能算法求出最優(yōu)解，以往研究也通過博弈論模型、元胞自動(dòng)機(jī)建模、多智能體仿真技術(shù)，使研究者能夠避免使用過于復(fù)雜的數(shù)學(xué)方程以表達(dá)模型中車輛狀態(tài)變化的非線性關(guān)系，從而專注于個(gè)體行為的應(yīng)變，以此反映駕駛表現(xiàn)的異質(zhì)性。

但是現(xiàn)實(shí)中，駕駛?cè)瞬⒉荒芸焖贉?zhǔn)確計(jì)算出自身最優(yōu)行為，人往往會(huì)因?yàn)楦鞣N原因，如經(jīng)驗(yàn)、心理狀態(tài)、生理狀態(tài)而失誤，這些失誤可能導(dǎo)致交通事故的發(fā)生，同時(shí)對(duì)交通環(huán)境造成影響。駕駛?cè)说男袨檫€會(huì)受周圍駕駛?cè)说男袨橛绊懀鐝谋娦睦砗蛢e幸心理。這些都體現(xiàn)出駕駛?cè)诵袨榈漠愘|(zhì)性。而交通環(huán)境又會(huì)對(duì)駕駛?cè)嗽斐珊艽笥绊懀视斜匾诜抡嬷袑?duì)駕駛?cè)说漠愘|(zhì)性和環(huán)境對(duì)駕駛?cè)私换ビ绊戇M(jìn)行考慮。當(dāng)前在研究非對(duì)稱駕駛?cè)巳后w駕駛行為的相互影響、駕駛?cè)伺c交通環(huán)境的相互作用產(chǎn)生的影響趨勢(shì)研究仍有待完善，交通動(dòng)態(tài)事件對(duì)駕駛?cè)说挠绊懛矫嫒孕韪倪M(jìn)。

發(fā)明內(nèi)容

針對(duì)上述存在的技術(shù)問題，本發(fā)明提供了一種基于多智能體系統(tǒng)的道路混合交通流仿真系統(tǒng)，將駕駛?cè)水愘|(zhì)性和交通動(dòng)態(tài)事件部署到交通流模型中，能夠更加真實(shí)地展現(xiàn)現(xiàn)實(shí)中交通流的破碎和重組現(xiàn)象，為更好的理解中微觀交通流的組織與形成發(fā)展提供依據(jù)。

本發(fā)明采用的技術(shù)方案：

一種基于多智能體系統(tǒng)的道路混合交通流仿真系統(tǒng)，利用Net Logo平臺(tái)構(gòu)建異質(zhì)性駕駛?cè)私煌ǚ抡嫦到y(tǒng)，該仿真系統(tǒng)包括駕駛?cè)恕囕v智能體和道路環(huán)境智能體，以道路環(huán)境智能體作為載體，并與駕駛?cè)恕囕v智能體進(jìn)行信息交互，從而模擬交通場景中駕駛?cè)说男袨楹徒换ィ抡鎿矶潞团鲎驳漠a(chǎn)生和消散，形成復(fù)雜情況下的交通場景。

優(yōu)選的，所述駕駛?cè)?車輛智能體包括感知-判斷模塊、駕駛?cè)酥R(shí)庫、行車計(jì)劃模塊、駕駛?cè)瞬僮鲗傩垣@取模塊、車輛屬性獲取模塊、決策模塊和執(zhí)行模塊，外界信息通過感知-判斷模塊輸入至決策模塊內(nèi)，所述決策模塊則結(jié)合行車計(jì)劃以及車輛屬性、駕駛?cè)瞬僮鲗傩院婉{駛?cè)酥R(shí)庫做出決策，并將決策發(fā)送至執(zhí)行模塊，由執(zhí)行模塊來執(zhí)行該決策，實(shí)現(xiàn)駕駛行為的調(diào)整。

優(yōu)選的，所述車輛屬性包括車輛的速度和加速度；所述駕駛?cè)瞬僮鲗傩园ūＪ匦汀⑵胀ㄐ秃图みM(jìn)型。

優(yōu)選的，所述駕駛?cè)酥R(shí)庫作為存儲(chǔ)信息的模塊用于對(duì)駕駛?cè)?車輛智能體以往的學(xué)習(xí)經(jīng)驗(yàn)對(duì)存儲(chǔ)進(jìn)行更新，可由決策模塊進(jìn)行調(diào)用。

優(yōu)選的，所述道路環(huán)境智能體限定了駕駛?cè)?車輛智能體的運(yùn)行范圍和系統(tǒng)邊界，并設(shè)定了主要輸出數(shù)據(jù)，所述道路環(huán)境智能體用于對(duì)駕駛?cè)恕囕v智能體運(yùn)行狀態(tài)的感知，同時(shí)收集車輛運(yùn)行的信息，進(jìn)行處理后輸出預(yù)先設(shè)定需要的數(shù)據(jù)，所述道路環(huán)境智能體包括車道感知—分類模塊、通行空間模塊、車道屬性獲取模塊、交通環(huán)境屬性獲取模塊、道路知識(shí)庫、處理模塊及輸出模塊，車輛運(yùn)行信息通過車道感知—分類模塊輸入至處理模塊內(nèi)，所述處理模塊則結(jié)合通信空間、車道屬性、交通環(huán)境屬性及道路知識(shí)庫對(duì)其進(jìn)行處理，將處理后的數(shù)據(jù)通過輸出模塊進(jìn)行輸出。

優(yōu)選的，所述車道屬性是指車輛所屬車道；所述交通環(huán)形屬性是指對(duì)車輛運(yùn)行造成影響的環(huán)境因素。

優(yōu)選的，所述通行空間模塊內(nèi)存儲(chǔ)有向車輛運(yùn)行提供的虛擬空間-車道；所述道路知識(shí)庫包括為道路智能體計(jì)算道路區(qū)間的車速、加速度、車流分布的指標(biāo)。

優(yōu)選的，所述交通場景包括換道現(xiàn)象。

本發(fā)明與現(xiàn)有技術(shù)相比，其有益效果是：