基于多智能体的信号交叉口微观仿真

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (19): 217-220.

基于多智能体的信号交叉口微观仿真

邝先验，许伦辉，吴银凤

江西理工大学机电工程学院，江西赣州 341000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-01 发布日期:2007-07-01
通讯作者: 邝先验

Microscopic simulation of signalized intersection based on multi-agent

KUANG Xian-yan，XU Lun-hui，WU Yin-feng

Faculty of Mechanical and Electronic Engineering，Jiangxi University of Science and Technology，Ganzhou，Jiangxi 341000，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-01 Published:2007-07-01
Contact: KUANG Xian-yan

摘要/Abstract

摘要： 交通系统是一个典型的多智能体系统（Multi-Agent System，MAS）。应用多智能体技术建立了信号交叉口微观仿真模型，给出了机动车Agent的三层结构，详细分析了机动车在信号交叉口中的基于期望间隙和期望速度的运动决策逻辑，探讨了机动车加速度模型。针对国内交通仿真软件缺少行人与非机动车模拟的不足，以元胞自动机模型为基础引入了行人及非机动车实体，使得仿真系统更具实用性。给出了该仿真系统的实现结果和结论。

关键词: 混合交通, 微观仿真, 多智能体, 信号交叉口, 驾驶模型, 元胞自动机

Abstract: Traffic system is a typical Multi-Agent System.Microscopic simulation model of signalized intersection is built.The motor agent with three levels is represented.The movement decision logic of the motors in signalized intersection based on desire gap and desire speed is analyzed in detail.The acceleration model of motor is discussed.Some problems of current nation traffic simulation software such as the lack of pedestrian and non-motor model are presented.The pedestrian and non-motor entity is introduced based on the cellular automata model，which makes the simulation system more practical.Conclusions and simulation results of this traffic model are presented.

Key words: mixed and disordered traffic, microscopic simulation, multi-agent, signalized intersection, drive model, cellular automata

邝先验，许伦辉，吴银凤. 基于多智能体的信号交叉口微观仿真[J]. 计算机工程与应用, 2007, 43(19): 217-220.

KUANG Xian-yan，XU Lun-hui，WU Yin-feng. Microscopic simulation of signalized intersection based on multi-agent [J]. Computer Engineering and Applications, 2007, 43(19): 217-220.

[1]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[2]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[3]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[4]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[5]	李伟，张鑫龙. 考虑个体行为的改进CA模型人员疏散研究[J]. 计算机工程与应用, 2021, 57(17): 275-282.
[6]	滕婕，夏志杰，占欣. 基于改进CA模型的群体辟谣信息扩散效果预测[J]. 计算机工程与应用, 2020, 56(6): 51-57.
[7]	孙彧，曹雷，陈希亮，徐志雄，赖俊. 多智能体深度强化学习研究综述[J]. 计算机工程与应用, 2020, 56(5): 13-24.
[8]	茆汉国，张建德. 多智能体系统的非震颤固定时间一致性[J]. 计算机工程与应用, 2020, 56(4): 158-162.
[9]	陈良康，过榴晓，杨永清. 带有智能领导者的网络系统分群投影一致性[J]. 计算机工程与应用, 2020, 56(19): 42-47.
[10]	许元云，何明，刘锦涛，周波，杨铖. 碰撞锥检测改进的多智能体避障算法[J]. 计算机工程与应用, 2020, 56(18): 63-68.
[11]	王梦娇，尹翔，黄宁馨. 基于迁移学习的多任务分配算法[J]. 计算机工程与应用, 2020, 56(13): 150-155.
[12]	齐姗姗，彭其渊. 改进的元胞自动机列车交通流仿真模型研究[J]. 计算机工程与应用, 2019, 55(24): 254-258.
[13]	张生，李玉清，李源庆臻. 结合用户感知模型的多值CA仿真及应用[J]. 计算机工程与应用, 2019, 55(20): 250-256.
[14]	王丽丽1，2，刘昕3. 电动网约车充电站布局优化研究#br#[J]. 计算机工程与应用, 2019, 55(14): 228-234.
[15]	何文韬，何德峰，崔靖龙，彭彬彬. 网联车辆自适应巡航控制算法验证平台设计[J]. 计算机工程与应用, 2019, 55(14): 235-241.