1引言

交通仿真是20世紀60年代以來,隨著計算機技術的進步而發展起來的采用計算機數字模型來反映復雜道路交通現象的交通分析技術和方法。從試驗角度看,道路交通仿真是再現交通流時間和空間變化的模擬技術，交通仿真是智能交通運輸系統的一個重要組成部分，是計算機技術在交通工程領域的一個重要應用。利用基于Agent的計算機仿真通過模擬交通系統中個體的行為，讓一群這樣的個體在計算機所營造的虛擬環境下進行相互作用并演化，自下而上的“涄現”出整體系統的復雜性行為。多主體模型基本思路是：由于人類社會是由大量的個體構成的復雜系統，因而在計算機中建立每個經濟實體的個體模型，這樣的計算機中模型被稱為Agent；然后讓這些Agent遵循一定的簡單規則相互作用；然后通過觀察這群Agent整體作用的涌現性找到人工社會的規律，并用這些規律解釋和理解人類社會中的宏觀現象[1]。

文中以Traffic Grid模型為基礎，仿真研究了交通系統從而得出停著的車輛數量，平均等待時間等曲線，為城市規劃和決策者提供了數據。

2多主體建模

主體（Agent，也有人譯為智能體、代理）和多主體系統（Multi-Agent System,MAS）是隨著分布式人工智能的研究而興起的。“主體（Agent）”一詞一般用來描述自包含的（self-contained）、能感知環境并能在一定程度上控制自身行為的計算實體[2]。人工智能學者Minsky在1986年出版的著作《思維的社會》（The Society of Mind）[3]中提出了Agent，認為社會中的某些個體經過協商之后可以求得問題的解，這些個體就是Agent。Agent至少應具備以下幾方面的關鍵屬性：①自主性：Agent具有屬于其自身的計算資源和局部于自身行為控制的機制，能在無外界直接操縱的情況下，根據其內部狀態和感知到的（外部）環境信息，決定和控制自身的行為。②交互性：能與其他Agent進行多種形式的交互，能有效地與其他Agent協同工作。③反應性：能感知所處的環境，并對相關事件做出適時反應。④主動性：能遵循承諾采取主動行動，表現出面向目標的行為。⑤推理和規劃能力：Agent具有學習知識和經驗及進行相關的推理和智能計算的能力。

多Agent系統（MAS）由多個自主或半自主的智能體組成，每個Agent或者履行自己的職責，或者與其他Agent通信獲取信息互相協作完成整個問題的求解。與單Agent相比，MAS有如下特點：①社會性：Agent處于由多個Agent構成的社會環境中，通過某種Agent語言與其他Agent實施靈活多樣的交互和通訊，實現與其他Agent的合作、協同、協商、競爭等。②自制性：在多Agent系統中一個Agent發出請求后，其他Agent只有同時具備提供此服務的能力與興趣時才能接受動作委托，即一個Agent不能強制另一個Agent提供某種服務。③協作性：在多Agent系統中，具有不同目標的各個Agent必須相互協作、協同、協商對未完成問題的求解。

3仿真模型

3.1 總體結構

道路交通系統包含很多相互關聯的實體，主要有道路（分為路段和交叉口）、信號控制設施、車輛、駕駛員、行人等。這些實體有的具有一定程度的自制性和智能性，如駕駛員、行人等，有的是被動的受其他實體的影響，如路段等。多主體技術能夠對交通系統中的各要素進行建模[4]，如交叉口、信號燈、交通控制中心等，對這些要素進行簡化，建立多主體概念模型。主要Agent有交通路網Agent、車輛Agent、信號燈Agent，其中交通路網Agent參考1979年Herman等[5]提出的二流模型（Two-fluid Model）,該模型認為交通流有運行車輛與停止的車輛組成。

路網描述：交通路網是道路交通系統的基礎設施，承載著車輛的運行。交通路網具有復雜的拓撲結構和集合特征，如果過于復雜則計算負載過重，故分為路段、路網、交叉口三次層管理，路網Agent負責存儲維護整個交通路網的拓撲關系，為交通實體提供路網信息。路段Agent負責本路段的描述，交叉口Agent包含信號燈對象實現各入口車道交通流的時間分離，一個路段一個車道。

信號燈結構：信號燈是重要的交通控制設施，它實現對交叉口不同流向的車輛進行時間分離，減少車輛之間可能的沖突，改善交通安全，提高交叉口流通效率。信號燈控制從本質上看，是一個典型的復雜適應系統，國內外相關學者對信號燈控制已做出大量研究，也產生許多控制方案，但都有相應的局限性，也普遍存在著魯棒性差、不易擴展、計算復雜等缺點[5]，本模型從計算簡單出發統一管理信號燈，一次初始化好時間間隔。

3.2參數設置

設置部分如圖1。

各個控件表示的物理意義如表1

3.3初始化環境

環境是由37×37的網格組成的，通過設置sliders ：grid-size-x=3，grid-size-y=4初始化一個4行3列的道路，其中兩條道路交叉處有紅色和綠色的瓦片分別代表紅燈和綠燈，其中汽車數目通過設置slider：num-cars=54，點擊Setup按鈕即形成道路圖，如圖2。

圖2 三行四列的道路圖

3.4相關規則

3.4.1環境規則

初始時車輛數目（ num-cars ）一定要小于路（如圖2中白色的表示道路）的數量，如果超出則提示警告信息。

如果無人參與此系統則設置 current-auto? 為 off ，有則設置 on ，并且通過 current-phase 選擇一個交通燈為控制的交通燈。

此系統如果沒有交通燈的參與則設置 power? 為 off ，反之則設置為 on 。

3.4.2運行規則

每一個時間步，車子按照當前速度向前行駛，如果當前速度小于限制速度（ speed-limit ）并且它們前方沒有車子，那么它們加速（ speed-up ）行駛，如果前面的車輛速度小于自己的車速，那么當前車子要調整自己車速和前面的車速一致（ slow-down ），遇到紅燈或者停著的車輛，當前車輛要停止。

4案例分析及結果

4.1 案例一

目前，以城市交通為背景，研究諸如擁堵的形式、傳播、消散、交通流在路網中的優化分布、車輛動態路徑選擇、特殊車輛控制等問題時，無信號燈交叉口車輛通行情況的準確性表征都是不可缺少的重要一環[6]。按照上述模型運行，當在沒有信號燈也沒有人參與的情況下（power?設置為off），道路為4行3列，車輛數目為140時的運行結果如圖3

當在有信號燈沒有人參與的情況下（power?設置為on），道路為4行3列，車輛數目為140時的運行結果如圖4

4.2 案例二

按照上述模型運行，當在道路為4行3列，車輛數目為54時我們得出停著的車輛數量柱狀圖如圖5，車輛平均速度柱狀圖如圖6，平均等待時間柱狀圖如圖7：

圖5 停著的車輛數量

4.3 分析及結果

由案例一可知，在有信號燈參與交通管理下交通卻快速崩潰了（圖3 ticks=3164，圖4 ticks=665，ticks是時間步，隨著時間延續而增長），導致這種結果有多個因素，如信號燈控制不合理、車輛數目過大超過了道路的承載能力等。

有案例二可知，車輛平均速度與停著的車輛數量有一定的關系，正如二流模型中認為的路網宏觀層面的平均行駛速度與路網上車輛的比重的冪運算成線性關系[7].

限于篇幅，文中只給了兩個案例，有參數設置可以看出要得到高效的交通模擬數據需要大量的實驗和多種組合，我們還可以得出有人參與交通管理的情況下交叉口的流通效率會提高，當有流動車輛進入交通道路或者離開交通道路會對上述結論產生何種影響等許多對實踐有指導意義的結論。

結論

文中從基于多Agent建模的角度出發，借助Netlogo軟件平臺，利用了“Traffic Grid模型”，模擬了不同組合的參數對交通系統產生不同的影響，獲取了車輛平均等待時間、停止的車輛等隨時間變化的曲線，但是由于此模型比較簡單，模擬的范圍小、沒有采用實際路網等因素，有待更好的改善。

多主體模型以并行的方式模擬非線性因果的社會系統，使人們更好地理解社會現象，發現現象背后的機制，從而做出預測和輔助決策。多主體建模目前還未形成成熟的體系，因而也沒有一套完整而成形的理論，但可以預言，隨著多主體思想的普及理論方法的完善，基于多主體建模和仿真會越來越多地應用于社會生活研究中。