基于演化博弈的车辆路径选择研究

基于演化博弈论,围绕如何在车辆路径选择中提高诱导信息有效性和诱导效率等问题展开了研究。通过建立无诱导信息条件下的路网模型和建立诱导信息模型,研究不同初始条件对驾驶员的作用规律;通过拓展无诱导信息条件下的车辆路径选择的模型,设计了结合八邻域摩尔模型和公共物品博弈模型的驾驶员群体策略演化机制,提高了诱导信息有效性和诱导效率。     

车载自组网中实时交通诱导信息对车辆行程时间影响分析

针对无法获得符合车载自组网特性的真实路网条件,通过修改CarAgent模块的诱导逻辑构建了一种典型的实时交通流诱导仿真场景,从而实现交通诱导信息与交通流运行之间的协同互反馈机制。利用此场景选择多种影响因素,从单变量方差分析和多因素二阶交互方差分析2个角度,分析交通诱导信息对车辆行程时间的影响。仿真结果表明:车辆诱导设备装载率、诱导信息发布有效距离和驾驶人对诱导信息的服从率与车辆行程时间之间存在显著的负相关关系。相比较而言,车辆诱导设备装载率对行程时间的影响程度最大,可减少行程时间约23.5%。     

基于经验加权吸引模型的车辆路径选择博弈研究

交通诱导成为解决城市交通拥堵问题的关键,驾驶员在接受诱导信息时如何选择值得研究。基于经历加权吸引学习理论,综合考虑自身历史经验及对其他驾驶员策略选择形成的信念,将驾驶员视为有限理性的参与者,建立交通诱导模型。通过博弈论研究驾驶员路径选择过程;并通过仿真分析路网流量、初始接受比例变化对驾驶员路径选择产生的影响,为诱导信息的发布提供指导,缓解城市交通压力。     

一种增量式多目标优化的智能交通路径诱导方法

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

低温环境下赛区面向路网行人步行的VMS自适应信息发布策略

为了提高低温环境下赛区内行人的出行效率、降低行人出行安全风险,首先从信息干预的角度,通过建立路网VMS信息发布与客流拥挤状态间的互动反馈机制以及路网VMS信息发布布局动态优化模型,提出了一种基于客流实时响应的路网VMS(可变信息板)自适应信息发布策略;然后,针对该策略,提出了基于多智能体的场景仿真方法;最后,以某寒冷赛事赛区为例,对有无VMS信息发布策略下行人入场、散场场景进行仿真。结果表明,与无VMS信息发布策略下的行人出行相比,在该策略下短时出行客流占比有所增加,入场阶段个人平均行走时间节省约2.6%,道路最大拥挤度降低约20.45%;散场阶段个人平均行走时间节省约7.0%,道路最大拥挤度降低约10.51%。该研究可为赛区管理者调控客流、提高观赛体验等提供理论基础和数据支撑。     

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法.首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的“可行性”需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的“偏好性”需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的“最优性”需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径.研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性.     

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.     

交通诱导与信号控制协同优化策略仿真

基于微观仿真软件PARAMICS的城市车辆诱导系统与交通信号控制协同优化流程,提出了基于大规模仿真实验的最优协同策略.通过对PARAMICS进行二次开发,基于固定式信号控制、感应式信号控制以及区域联动信号控制3种信号控制策略,结合用户遵从度和诱导信息发布频次,设计13种不同诱导策略.研究共计完成仿真实验7 800次,根据仿真数据建立平均路段占有率-系统总行程时间回归模型,进而得到不同交通需求条件下最优协同策略.结果显示,不同信号控制下该最优协同策略降低总行程时间0~23.14%.同时可移植性测试显示,在可移植性测试路网中最优协同策略较基础方案降低总行程时间0~10.67%,与最优策略总行程时间差异小于3.5%,因此该最优协同策略具有较好的可移植.     

兼顾管理者需求和用户可接受性的交通诱导系统MPC设计

针对交通诱导系统中可变信息标志(VMS)的控制策略设计,该文在宏观Metanet交通流模型的基础上,研究了VMS诱导控制信号对驾驶员路径选择行为的影响,建立了路网诱导控制的状态方程模型。在模型预测控制(MPC)框架下设计了VMS诱导控制策略,以优化路网所有车辆的总旅行时间和VMS切换性能为目标函数,通过对诱导控制变量引入用户可接受约束,有效兼顾了交通管理者对系统最优的控制需求和交通用户对VMS推荐路径的可接受性。最后设计了基于禁忌搜索的双层并行求解算法对MPC诱导策略进行求解,利用并行计算保证MPC控制的实时性要求。仿真结果表明,该文设计的诱导控制策略能缓解路网拥挤,提高路网通行能力,对系统随机扰动具有较好的抗干扰能力。与基于系统最优的诱导策略和基于用户均衡的诱导策略相比,该控制策略不仅能满足管理者的控制需求,而且能均衡路网车流分布,减少交通用户的延误时间,提高用户对交通诱导系统的满意度。     

网联混合车流车辆换道博弈行为及模型

车联网环境中,交通系统将长期呈现智能网联汽车和传统人工驾驶车辆混合共存的状况.针对智能网联交通环境下的新型混合车流,建立了车辆的换道行为决策模型.对于混合车辆交通流引入最小安全区域模型,自主车辆交通流基于博弈论的思想进行建模.自主车辆之间的换道被看作为1种非合作博弈行为,车辆以自身行驶状态为博弈收益,寻求行驶条件更优的车道.运用SUMO软件对提出的换道模型进行仿真验证分析.仿真结果表明,博弈换道模型相比于传统间隙阈值接受模型具有较高的车道利用率和安全稳定性.     

信息反馈策略对含两车道的双出口路网影响研究

智能交通系统可以实时反馈路况信息以及诱导出行,从而缓解交通拥堵。最早提出的双通道信息反馈策略主要是针对备选路径完全相同的单车道路网模型。针对现有研究的不足,建立了含两车道的双通道双出口路网模型,并通过数值模拟研究了平均速度、车辆数、交通流量以及随机度信息反馈策略对该道路模型中交通流参数的影响。仿真结果表明,平均速度和车辆数反馈策略的引入将降低道路平均流量,相反随机度反馈策略的引入可一定程度的提高道路平均流量,使得路网道路上车辆通行状况更好。故随机度反馈策略用于含两车道的双通道双出口路网较优。     

信号交叉口上游路段网联车换道博弈特性及模型

为提高网联驾驶车辆在信号交叉口上游路段与驾驶员车辆换道博弈的主动性,以左转网联驾驶车辆为研究对象分析该路段的强制换道博弈特性。首先,通过分析信号交叉口上游路段车辆的行驶意图和换道行为,设定驾驶人期望函数来客观反映车辆的行驶需求,以车辆的安全和行驶效率为收益并进行量化,在完全信息的假设下通过博弈均衡解得到最优换道决策来实现换道收益最大化;其次,为提高换道的舒适性,以五次多项式规划换道轨迹并实现网联驾驶车辆对驾驶员车辆博弈换道的过程;最后,利用仿真试验对模型进行验证,分析不同换道位置和绿灯剩余时间等因素对网联驾驶车辆决策的影响。研究结果表明,在信号交叉口上游非合作博弈强制换道过程中,随单位换道位置增加换道概率平均增加0.69%,随单位绿灯剩余时间增加车辆换道概率平均降低0.82%。通过仿真分析信号交叉口上游路段车辆的博弈换道特性和决策倾向,有利于为网联驾驶车辆换道提供决策引导。     

信息反馈策略对含两车道的双出口路网的影响

智能交通系统可以实时反馈路况信息以及诱导出行,从而缓解交通拥堵。最早提出的双通道信息反馈策略主要是针对备选路径完全相同的单车道路网模型。针对现有研究的不足,建立了含两车道的双通道双出口路网模型,并通过数值模拟研究了平均速度、车辆数、交通流量以及随机度信息反馈策略对该道路模型中交通流参数的影响。仿真结果表明,平均速度和车辆数反馈策略的引入将降低道路平均流量,相反随机度反馈策略的引入可一定程度的提高道路平均流量,使得路网道路上车辆通行状况更好。故随机度反馈策略用于含两车道的双通道双出口路网较优。     

突发事件交通网络VMS发布点优化

交通事故发生时路段因通行能力下降会产生拥堵,在事故路段上游合理布置可变情报板（Variable Message Sign,VMS）能有效疏导车流。研究了道路网络中VMS发布点的优化模型,分析了VMS在路网诱导中的转移率模型和VMS对于减少拥堵效用的计算方法;建立了路网中VMS发布点的优化模型,通过VMS信息发布点的优化减少出行时间;提出应用离散离子群算法求解优化模型;在虚拟路网中的数值实验表明,模型能有效减少总的出行时间,但是随着VMS数量的增加,出行时间的减少不明显。     

基于Nash-Stackelberg分层博弈模型的路网交通控制强化学习算法

为了解决多交叉口博弈引发的Nash均衡计算复杂度问题，考虑路网中不同交叉口的重要程度和博弈关系，兼顾路网中子区之间及子区内部的交通控制策略，以2个子区内的重要交叉口作为上层博弈主体，次要交叉口作为下层博弈主体，构建了一种Nash-Stackelberg分层博弈(NSHG)模型.然后，提出2种多Agent强化学习算法，即基于NSHG的Q学习(NSHG-QL)算法和基于NSHG的深度Q网络(NSHG-DQN)算法.在实验中，使用NSHG-QL和NSHG-DQN算法在SUMO仿真软件搭建的路网环境中对信号灯进行控制，并与基础博弈模型求解算法进行比较.实验结果表明：NSHG-QL算法和NSHG-DQN算法减少了交叉口内车辆的平均旅行时间和平均时间损失，提高了平均速度；NSHG模型在满足重要交叉口间上层博弈的基础上协调次要交叉口，做出最优策略选择，而且基于分层博弈模型的多Agent强化学习算法能明显提高学习性能和收敛性.     

高速路网可变信息标志诱导的最优开关控制设计

针对高速路网中诱导策略的设计,以可变信息标志(Variable Message Signs, VMS)的开关切换为控制手段,把交通诱导归纳为一类最优开关控制命题.通过元胞传输模型建立实际路网模型,利用遗传算法求解,给出了一种VMS诱导策略的最优设计方法.仿真结果表明,设计给出的VMS控制律可以提高路网通行能力,缓解局部拥堵.特别是对路网流量分布不均衡的情况效果较好,路网总耗费时间可降低32.39%.     

城市快速路网最优控制模型

针对快速路最优控制过程的动态、非线性和离散最优控制的特性,应用了非线性最优交通控制方法,考虑路径诱导,采用二阶宏观交通流模型,对含有多起点、多讫点的快速路进行了建模,路径诱导措施通过可变信息信号来实现,并构建了一个集成的搜索算法求解,给出路径诱导的测试算例。仿真结果表明:在同等交通情况下,算例路网的性能有明显的提高,优化控制比无控制下路网总耗费时间缩短了8.9%,在入口处的排队也基本上消除了;所提出的集成搜索算法在提高路网的性能方面是有效的、实用的和可行的。     

交通诱导信息组合方式对路径决策的影响

为提高交通诱导信息的诱导效率,系统研究信息结构化对驾驶决策的影响机理,引入云模型构建交通诱导信息评价体系,通过全功能汽车模拟驾驶器仿真实验,设计4种交通诱导信息环境并进行了交通诱导信息环境下的路径选择实验,在此基础上分析不同信息结构组合下的交通诱导信息对驾驶决策的影响特征,提出了交通诱导信息发布策略的优化方案.研究结果表明:数字类信息、语言类信息、图像类信息组合而成的交通诱导信息对驾驶决策影响显著,语言类信息与数字类信息组合发布的交通诱导信息有利于驾驶员认知道路环境,数字类信息与图像类信息组合发布有利于驾驶员进行路径决策.     

随机度反馈策略对路网中交通流的影响

考虑到现实路况的复杂性,建立备选路径路宽不同、车道数存在差异的路网模型,并提出了新的反馈策略——随机度反馈策略.通过分析随机度、平均速度、车辆数以及交通流量反馈策略对该路网模型交通流特性参数的影响,探究随机度反馈策略的优越性.仿真结果表明:随机度反馈策略下,路网中车辆运行有序,接近出口处道路上车辆排队长度短,车辆速度大.同时,通过分析平均流量随动态车比例变化情况可知,当动态车比例不大于0.6时,平均速度、车辆数及随机度反馈策略有效性相当;当动态车比例大于0.6时,平均速度、车辆数反馈策略下平均流量降低明显,策略失效,而随机度反馈策略下平均流量变化平稳,该策略能有效改善路网道路车辆通行状况.     

基于移动通信数据的交通信息仿真系统

 在建立车辆-移动台轨迹映射关系模型的基础上,通过微观交通仿真平台与移动通信仿真平台的有机结合进行数据交互与联立仿真,建立了基于移动通信数据的交通信息仿真系统。选取广深高速公路麻涌-望牛墩路段作为仿真路段,实现并验证了路网中车载移动台的移动通信仿真数据生成过程。实验结果表明,该系统能够有效模拟车载移动台在路网中运行的交通特性与无线通信特性,产生移动台定位与切换等通信数据,为进一步的交通信息提取研究提供可靠数据。