本文選題：Multi-Agent + 交叉口群��； 參考：《蘭州理工大學(xué)》2015年碩士論文

【摘要】：交叉口信號控制是解決交通擁堵的重要控制方式,傳統(tǒng)的基于精確數(shù)學(xué)模型的交通控制方法,在實際應(yīng)用中由于其計算復(fù)雜往往無法達(dá)到預(yù)期的控制效果。Multi-Agent技術(shù)作為人工智能領(lǐng)域中的研究熱點,不僅可以獨立自主的控制對象,且Agent之間可以通過互相通訊進(jìn)行協(xié)調(diào),從而智能的控制整個區(qū)域交通系統(tǒng)。本文對Multi-Agent區(qū)域交通控制模型進(jìn)行探討,將自適應(yīng)遺傳算法引入到Multi-Agent交通控制系統(tǒng)中,采用模糊控制原理對交叉口群進(jìn)行動態(tài)劃分,充分考慮5種影響劃分的因子,最后針對過飽和交叉口群進(jìn)行信號配時優(yōu)化研究。本文根據(jù)交通系統(tǒng)復(fù)雜多變的特點,建立了基于Multi-Agent的分布式區(qū)域交通控制模型,模型分為交叉口群Agent、區(qū)域控制中心Agent、主控制中心Agent三層,各級Agent除了進(jìn)行同級間的協(xié)調(diào)外,還可以同上一級通信協(xié)調(diào)。同時將自適應(yīng)遺傳算法引入到交叉口群Agent中,克服了遺傳算法早熟收斂的弊端,通過感知模塊,知識庫,規(guī)則庫,通信模塊之間的協(xié)調(diào)合作,最終選擇最優(yōu)的決策方式。仿真試驗表明,這種控制方式,優(yōu)化綠信比,得到最佳配時時間,使得交叉口平均延誤時間變短。針對交通道路網(wǎng)中交叉口群的劃分問題,采用模糊推理理論對交叉口群進(jìn)行動態(tài)劃分。綜合考慮了交叉口間距、周期、交通流、交通流影響因子以及排隊長度5種影響因子,通過仿真實驗獲得每種影響因子的影響權(quán)重,并將其體現(xiàn)在模糊規(guī)則中,最終得到相鄰交叉口協(xié)調(diào)系數(shù)表示相鄰交叉口的關(guān)聯(lián)程度,選擇路網(wǎng)進(jìn)行仿真,驗證劃分方法的有效性。最后將改進(jìn)NSGA算法應(yīng)用到過飽和交叉口群信號配時方案中,改進(jìn)NSGA算法在NSGA的基礎(chǔ)上增加了精英策略、密度估計策略和快速非支配排序策略,克服了NSGA算法計算耗時大、容易丟失滿意解的缺點。選擇最大通過數(shù)和最小排隊長度作為優(yōu)化目標(biāo),通過Matlab仿真實驗,驗證了該算法在過飽和交叉口群信號配時中的有效性。
[Abstract]:Intersection signal control is an important control method to solve traffic congestion. In practical application, because of the complexity of calculation, the expected control effect can not be achieved. Multi-Agent technology, as a research hotspot in the field of artificial intelligence, not only can control objects independently, but also can coordinate between Agent through mutual communication. So that intelligent control of the entire regional traffic system. In this paper, the Multi-Agent traffic control model is discussed, and the adaptive genetic algorithm is introduced into the Multi-Agent traffic control system. The fuzzy control principle is used to divide the intersection groups dynamically, and five factors affecting the division are fully considered. Finally, the signal timing optimization for supersaturated intersection group is studied. According to the complex and changeable characteristics of traffic system, a distributed regional traffic control model based on Multi-Agent is established in this paper. The model is divided into three layers: intersection group, regional control center and main control center Agent. You can also communicate with the next level of coordination. At the same time, the adaptive genetic algorithm is introduced into the intersection group Agent, which overcomes the disadvantage of premature convergence of genetic algorithm. Through the coordination and cooperation among perception module, knowledge base, rule base and communication module, the optimal decision mode is finally selected. The simulation results show that this control method optimizes the green signal ratio and obtains the best timing time which makes the average delay time of intersection shorter. To solve the problem of intersection group division in traffic road network, fuzzy inference theory is used to divide intersection group dynamically. The influence factors of intersection spacing, period, traffic flow influence factor and queue length are considered synthetically. The influence weight of each influence factor is obtained by simulation experiment, and it is embodied in fuzzy rules. Finally, the coordination coefficient of adjacent intersections is obtained to represent the correlation degree of adjacent intersections, and the road network is selected for simulation to verify the validity of the partition method. Finally, the improved NSGA algorithm is applied to the signal timing scheme of supersaturated intersection group. The improved NSGA algorithm adds elite strategy, density estimation strategy and fast non-dominated sorting strategy on the basis of NSGA, which overcomes the time-consuming computation of NSGA algorithm. It is easy to lose satisfactory solution. The maximum pass number and minimum queue length are chosen as the optimization targets. The effectiveness of the algorithm in signal timing of supersaturated intersection is verified by Matlab simulation.
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.54;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳寶印;欒立秋;張成斌;;基于Multi-Agent的防空導(dǎo)彈武器系統(tǒng)模型設(shè)計[J];指揮控制與仿真;2011年03期

2 錢勇;黃成軍;黃方能;陳陳;江秀臣;;發(fā)電機(jī)局部放電在線監(jiān)測Multi-Agent系統(tǒng)研究[J];高壓電器;2008年01期

3 程金山;李媛;;基于Multi-Agent的電網(wǎng)故障精確診斷系統(tǒng)的研究[J];電子世界;2014年05期

4 安實;崔娜;于航;;基于Multi-agent協(xié)商的出行信息個性化服務(wù)策略[J];西南交通大學(xué)學(xué)報;2010年04期

5 王經(jīng)卓,秦培軍,胡小兵,殷國富;用遺傳算法實現(xiàn)Multi-Agent協(xié)同設(shè)計中的子任務(wù)調(diào)度[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2000年01期

6 劉強(qiáng);薛惠鋒;;基于Multi-Agent的智能指控系統(tǒng)建模[J];火力與指揮控制;2008年06期

7 金愿華,饒運清;基于Multi-Agent的車間作業(yè)調(diào)度系統(tǒng)的研究[J];機(jī)械與電子;2003年03期

8 王剛;魏眾;關(guān)偉;申金升;;基于Multi-Agent的港口集裝箱碼頭物流作業(yè)系統(tǒng)集成優(yōu)化研究[J];物流技術(shù);2007年04期

9 趙麗萍,張興瑞;基于Multi-Agent的敏捷售后服務(wù)系統(tǒng)研究[J];計算機(jī)集成制造系統(tǒng);2004年06期

10 凌興宏,丁秋林,伍貝妮;基于協(xié)商的Multi-Agent生產(chǎn)計劃與調(diào)度系統(tǒng)[J];機(jī)械科學(xué)與技術(shù);2004年02期

相關(guān)會議論文 前4條

1 姜國濤;賈清泉;袁野;趙文靜;董海燕;朱慶軍;;基于Multi-Agent的分布式發(fā)電系統(tǒng)監(jiān)控方案[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

2 陳勇;王曉;林飛龍;;基于Multi-Agent的多品種多工藝車間物流系統(tǒng)調(diào)度研究[A];第二屆中國水利水電巖土力學(xué)與工程學(xué)術(shù)討論會論文集（二）[C];2008年

3 杜舒舒;龔建華;程承祺;;Multi-Agent技術(shù)在SARS傳播模擬中的應(yīng)用研究[A];中國地理信息系統(tǒng)協(xié)會第三次代表大會暨第七屆年會論文集[C];2003年

4 李艦;李宸;魏小明;;基于Multi-Agent的某型雷達(dá)建模仿真[A];系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第15卷）[C];2014年

相關(guān)博士學(xué)位論文 前3條

1 李春梅;基于Internet/Intranet和Multi-Agent的企業(yè)經(jīng)營戰(zhàn)略群體決策支持系統(tǒng)研究[D];昆明理工大學(xué);2001年

2 資武成;基于Multi-Agent的供應(yīng)鏈協(xié)商模型研究[D];中南大學(xué);2010年

3 卿曉霞;基于Multi-Agent的分布式污水處理智能化系統(tǒng)研究[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張玲;基于Multi-Agent的過飽和交叉口群信號控制[D];蘭州理工大學(xué);2015年

2 王春玲;基于Multi-Agent的煤礦安全監(jiān)控系統(tǒng)研究[D];安徽理工大學(xué);2014年

3 艾淼;基于Multi-Agent的高層建筑火災(zāi)現(xiàn)場疏散仿真的研究[D];東北大學(xué);2009年

4 王可;基于信息共享的多Agent談判研究[D];西南大學(xué);2008年

5 馬躍峰;基于multi-agent的區(qū)域交通信號控制系統(tǒng)的研究[D];山東師范大學(xué);2006年

6 呂盡軒;基于MULTI-AGENT的電子商務(wù)自動談判[D];北京工業(yè)大學(xué);2007年

7 楊金昭;基于Multi-Agent的電力系統(tǒng)暫態(tài)穩(wěn)定分散協(xié)調(diào)控制[D];燕山大學(xué);2013年

8 郝博;基于自學(xué)習(xí)的多Agent辯論談判策略研究[D];北京工業(yè)大學(xué);2012年

9 唐宏超;基于Multi-Agent的專賣店網(wǎng)絡(luò)分銷管理系統(tǒng)[D];武漢理工大學(xué);2006年

10 李晶;基于能力與思維的協(xié)商公理體系多Agent 系統(tǒng)模型[D];云南師范大學(xué);2003年

，

本文編號：1894437