CN100524354C - 基于多智能体和非适应性行为的微观交通仿真系统 - Google Patents
基于多智能体和非适应性行为的微观交通仿真系统 Download PDFInfo
- Publication number
- CN100524354C CN100524354C CNB2007100442223A CN200710044222A CN100524354C CN 100524354 C CN100524354 C CN 100524354C CN B2007100442223 A CNB2007100442223 A CN B2007100442223A CN 200710044222 A CN200710044222 A CN 200710044222A CN 100524354 C CN100524354 C CN 100524354C
- Authority
- CN
- China
- Prior art keywords
- module
- traffic
- agent
- traffic entity
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种计算机应用技术领域的基于多智能体和非适应性行为的微观交通仿真系统,包括:仿真环境模块、交通实体Agent参数配置界面模块、交通实体Agent产生器模块、区域管理模块、通信模块、概念表示模块、信念、期望及目标推理模块、恐慌行为描述模块、焦虑行为描述模块、自身愿望模块、计划并执行模块。本发明能够在仿真环境中提供交通实体精确的行为描述、高效的行为计算模型,使仿真系统中能有效的体现交通实体在遇到交通灾难的紧急状况时所体现的同时涌往同一个出口,实体之间互相挤对等现象,从而为疏导指挥方案的制定提供依据。
Description
技术领域
本发明涉及的是一种计算机应用技术领域的系统,具体是一种基于多智能体和非适应性行为的微观交通仿真系统。
背景技术
非适应行为是在紧急情况下人群的常见的焦虑,紧张和恐慌等行为,同样包括由人驾驶的机动车的情况,该行为的危害是加剧人群的恐慌、不利于人群及车辆的疏散,其最终后果是造成严重的人员伤亡。非适应人群行为是在紧急情况下产生的,而紧急情况是一个由多个人员组成的复杂系统。在大型集会及交通事故灾难紧急状况下,如发生化学药品泄露,火灾等情况,交通环境中包括行人和机动车各种自主实体,往往会出现非适用性行为,因此,在现实中需要观察这样复杂系统里面的各种非适用性行为,从而对这种紧急状况给出合适的指导疏散方案。解决这些问题往往需要投入大量资金,同时在实际环境中操作存在许多不安全因素,这使得寻求优化方案的难度加大,甚至不可行。此时,应用计算机技术进行交通仿真成为解决交通中非适应性行为的微观交通仿真的有效技术手段。它不仅可以复现紧急状况时行人,车辆疏散时时空变化的技术、为交通道路设计规划、现有环境下发生紧急状况时建立疏散方案提供技术依据。
在交通灾难紧急状态疏散仿真环境中,行人、车辆等交通实体模型是否有效建立是影响仿真准确性及仿真效率的一个重要因素。由于当前Agent(智能体)技术能够很好的对行人及车辆的行为进行很好的仿真描述,并且在各种对自主计算,自治能力需求强的领域已经取得了很好的效果。李海刚,吴启迪等在《同济大学学报》(JOURNAL OF TONGJI UNIVERSITY)2003年第6期728到732页上发表的“多Agent系统研究综述”的文章中提到Agent的基本思想是使软件能模拟人类的社会行为和认知,即人类社会的组织形式、协作关系、进化机制,以及认知、思维和解决问题的方式。和传统的对象概念相比,Agent概念具备更多的知识、主动性和协作性,具有更强的问题求解能力和自治能力。因此,利用Agent技术对大规模复杂交通环境以及发生灾难情况下行人,车辆紧急疏散时交通实体行为模型进行建模能够很好的满足仿真的需求,并能为觉得提供有效的依据。
经对现有技术的文献检索发现,魏明等在《系统仿真学报》(JOURNAL OFSYSTEM SIMULATION)2003年第8期1179到1187页上发表的“交通仿真的发展及研究现状”的文章中提到国内外各种典型的仿真软件中基本上属于从宏观或微观方面对交通环境的某一个侧面、某一个局部进行仿真,如CORSIM(美国联邦公路局开发的微观仿真系统)和PARAMICS(苏格兰开发的道路网方面的仿真系统),其不足在于不能很好地为灾难情况疏散及大型集会中交通指挥调度中对交通实体的非适用性行为进行仿真。因此,为了从根本上对仿真交通灾难环境中行人,车辆的非适应性行为进行仿真,是复杂交通仿真研究的一个重要方向。
发明内容
本发明的目的是针对现有技术存在的不足,提供一种基于多智能体和非适应性行为的微观交通仿真系统,克服当前仿真中交通实体非适用性行为描述的缺乏与不足,使其能够在仿真环境中提供交通实体精确的行为描述、高效的行为计算模型,使仿真系统中能有效的体现交通实体在遇到交通灾难的紧急状况时所体现的同时涌往同一个出口,实体之间互相挤对等现象,从而为疏导指挥方案的制定提供依据;同时,通过抽象出不同种类交通实体的不同特征参数,使交通实体具有灵活性和可定制性,通过不同区域的交通实体特性,设定相应的参数快速的定制该区域的交通实体Agent。
本发明是通过以下技术方案实现的,本发明包括:仿真环境模块、交通实体Agent参数配置界面模块、交通实体Agent产生器模块、区域管理模块、通信模块、概念表示模块、信念、期望及目标(BDI)推理模块、恐慌行为描述模块、焦虑行为描述模块、自身愿望模块、计划并执行模块。
其中:所述区域管理模块是区域内部交通实体Agent共享和交互信息的模块,各区域管理模块构成仿真环境模块,所述交通实体Agent参数配置界面模块是交通实体的参数配置单元,接受用户的配置参数,然后将这些参数发送给交通实体Agent产生器模块、恐慌行为描述模块、焦虑行为描述模块和自身愿望模块,所述交通实体Agent产生器模块根据参数产生相应的交通实体Agent,并使交通实体Agent加入到区域管理模块,所述通信模块是交通实体Agent内部跟区域管理模块交互的模块,从区域管理模块获取交通环境信息,然后发送给概念表示模块,所述概念表示模块对交通环境信息进行过滤,重组成交通实体Agent内部概念,所述恐慌行为描述模块是交通实体Agent内部表示恐慌行为的静态信息模块,所述焦虑行为描述模块是交通实体Agent内部表示焦虑行为的静态信息模块,所述自身愿望模块是交通实体Agent内部表示出行目标、出行线路和行走习惯等自身愿望的静态信息模块,概念表示模块的信息和恐慌行为描述模块、焦虑行为描述模块、自身愿望模块中的参数作为信念、期望及目标推理模块推理的依据,所述信念、期望及目标推理模块是交通实体Agent内部的推理模块,用来指定和产生下一步执行计划,该执行计划传送给计划并执行模块,计划并执行模块执行该计划,最后通信模块把交通实体Agent的状态信息汇报给所属的区域管理模块。
所述交通实体Agent参数配置模块,对交通实体Agent的初始化参数的设置,包括出行目的地、出行线路、恐慌行为、焦虑行为特征参数的设置,该模块实现了交通实体Agent的参数可定制化。
所述交通实体Agent产生器模块是指实体Agent产生单元,根据仿真区域交通实体的状态分布、群体分布产生相应的交通实体Agent。
所述交通实体Agent,包括行人Agent和车辆Agent。
所述通信模块,通过Agent通信语言(ACL)进行通信,通信数据包括接收交通仿真环境信息数据、汇报交通实体Agent位置及状态数据。
所述概念表示模块,是指仿真环境信息表示单元,所有交通实体Agent都需要感知外界的环境信息,概念表示模块负责对接收到的环境信息根据自身的视野进行过滤与选取并重新组织和本地化表示成为交通实体Agent内部能识别的概念知识,为后续的推理决策做准备,概念表示模块定义了统一的概念表示,存取、更新和访问方式,本质上是一个信息加工器,并产生需要的知识,推动后续推理的决策。
所述恐慌行为描述模块,是交通实体Agent恐慌行为描述单元,交通实体Agent的恐慌行为由交通实体Agent的性格及遇到灾难时做出反应所决定,如极端行为、想跳跃座位、避免过高的人群密度。
所述焦虑行为描述模块,描述交通实体Agent的焦虑程度,有轻度焦虑状态、中度焦虑状态、高度焦虑状态,它们通过0-10之间的数字表示,其中0-3表示轻度焦虑状态,4-6表示中度焦虑状态,7-10表示高度焦虑状态。
所述信念、期望及目标推理模块,在交通实体Agent内部充当引擎的作用,是交通实体Agent一切行为的依据,负责交通实体Agent一切行为的决策,生成下一步将要执行的计划。
所述计划并执行模块,负责执行交通实体Agent的计划,计划并执行模块中包括一系列原子行为模块,表示交通实体Agent在一个仿真步长内交通实体原子行为模块的一个序列。
所述原子行为模块中含有交通实体Agent的各种动作,包括快速左转、快速右转、快速前进、快速后退、正常左转、正常右转、正常前进、正常后退各种行为。
与现有技术相比,具有以下有益效果:1)高效性及准确性:本模型采用基于信念、期望及目标推理和自主性强的Agent进行建模,同时对仿真环境信息进行有效的过滤,能够在低通信负载的情况下,高效准确的对交通实体非适用性行为进行访真;2)可订制性:由于可以通过定制界面对交通实体的目标,行走线路,恐慌行为,焦虑行为等进行配置,则只要通过配置相应的参数,则可以对不同的交通实体Agent进行定制;3)交通实体非适应性行为的有效推理性:该模型具有很强的推理性,只要通过信念、期望及目标推理模块,可以根据环境信息,自身愿望,恐慌行为及焦虑行为进行逻辑推理,生成进一步交通实体的行为计划,能够很好的符合交通仿真中交通实体非适应性行为的访真;4)具有很强的通用性及可扩展性,由于系统采用抽取交通实体当中的各种共性,把交通实体的信念,期望,目标,恐慌行为,焦虑行为等抽取出来,同时通过共性和推理模块及环境信息实现出各自的特征,这方面表现出该模型具有很强的通用性。
附图说明:
图1为本发明整体环境框图;
图2为本发明区域管理器内部交互工作流程图;
图3为本发明交通实体Agent对信息知识过滤并重新组织的工作流程图;
图4为本发明交通实体Agent与区域管理器的交互工作流程图;
图5为本发明信念、期望及目标推理模块执行工作流程图。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实施例。
如图1和图2所示,本实施例采用高层仿真体系结构/运行环境(HLA/RTI)与Agent技术相结合作为整体的交通仿真环境,包括:仿真环境模块、交通实体Agent参数配置界面模块、交通实体Agent产生器模块、区域管理模块、通信模块、概念表示模块、信念、期望及目标(BDI)推理模块、恐慌行为描述模块、焦虑行为描述模块、自身愿望模块、计划并执行模块。其中:所述区域管理模块是区域内部交通实体Agent共享和交互信息的模块,各区域管理模块构成仿真环境模块,所述交通实体Agent参数配置界面模块是交通实体的参数配置单元,接受用户的配置参数,然后将这些参数发送给交通实体Agent产生器模块、恐慌行为描述模块、焦虑行为描述模块和自身愿望模块,所述交通实体Agent产生器模块根据参数产生相应的交通实体Agent,并使交通实体Agent加入到区域管理模块,所述通信模块是交通实体Agent内部跟区域管理模块交互的模块,从区域管理模块获取交通环境信息,然后发送给概念表示模块,所述概念表示模块对交通环境信息进行过滤,重组成交通实体Agent内部概念,所述恐慌行为描述模块是交通实体Agent内部表示恐慌行为的静态信息模块,所述焦虑行为描述模块是交通实体Agent内部表示焦虑行为的静态信息模块,所述自身愿望模块是交通实体Agent内部表示出行目标、出行线路和行走习惯等自身愿望的静态信息模块,概念表示模块的信息和恐慌行为描述模块、焦虑行为描述模块和自身愿望模块中的参数作为信念、期望及目标推理模块推理的依据,所述信念、期望及目标推理模块是交通实体Agent内部的推理模块,用来指定和产生下一步执行计划,该执行计划传送给计划并执行模块,计划并执行模块执行该计划,最后通信模块把交通实体Agent的状态信息汇报给所属的区域管理模块。
本实施例主要实施过程如下:
1.建立仿真环境模块。
每个交通实体Agent通过把自身的位置及状态信息汇报给相应的区域管理模块路段(link)或路段交叉口(node),然后在路段及路段交叉口收集完整了本区域的所有交通实体信息后,再向高层仿真体系结构/运行环境请求时间推进,在高层仿真体系结构/运行环境得到所管辖的所有路段及路段交叉口推进请求后,把准许推进请求发送给各路段及路段交叉口,然后路段及路段交叉口再把环境信息发送给自己所管辖的交通实体Agent,这个过程称为仿真的一个步长,这里所有的交通实体Agent及路段、路段交叉口都采用Agent进行仿真实现,这就完成了交通环境模型的建立。
所述Agent采用Jade3.5版本实现(可从http://jade.cselt.it/下载,Jade版本向前兼容)。
所述高层仿真体系结构/运行环境,负责各个路段与路段交叉口之间的时间同步,以及交通实体在路段和路段交叉口之间的转移。
所述高层仿真体系结构/运行环境,采用HLA/RTI1.3版本实现(可从http://sdc.dmso.mil注册下载)。
所述仿真环境为普通的局域网,局域网中的计算资源为普通PC机,各个计算节点平均负载路段及路段交叉口的个数。
所述路段和路段交叉口,是从所选交通仿真场景中划分出的,其中每两个路段交叉口之间如果双向通行的话,则在这两个路段交叉口之间有两个路段,它们方向恰好相反,如果只有一个通行方向,则只有一个路段,方向与通行方向一致。每个路段和路段交叉口都是一个仿真子区域,通过把每个路段和路段交叉口设置成为一个联邦成员的方式,并以Agent进行实现,通过高层仿真体系结构/运行环境把各个路段和路段交叉口联邦成员互联在一起,同时设定好时间同步推进策略。
所述交通实体Agent,先通过由交通实体Agent参数配置模块对交通实体的各种参数进行配置,然后由交通实体Agent产生器模块产生出来,包括行人Agent和车辆Agent,并且各个交通实体Agent以Agent通信语言通信的方式加入到所属的路段或者路段交叉口中,建立起管理与被管理的逻辑关系。交通实体Agent通过相应的路段及路段交叉口进行信息共享和交互,包括交通实体Agent把自身的位置、前方方向、当前行进速度信息汇报给所属的路段或路段交叉口,路段及路段交叉口再把收集到的环境信息发送给各个交通实体Agent。
2.交通实体Agent通过通信模块从所属的区域管理模块获取环境信息,通过对信息的过滤与选取,重新组织成内部的概念知识表示,如图3所示,同时也是通过通信模块向区域管理模块汇报自身状态信息,包括速度和方向,如图4所示;
3.概念表示模块是仿真环境信息表示单元,概念表示模块负责对从通信模块接收到的环境信息根据自身的视野进行过滤与选取并重新组织和本地化表示成为交通实体Agent内部能识别的概念知识,为后续的推理决策做准备。概念表示模块定义了统一的概念表示,存取、更新和访问方式,本质上是一个信息加工器,并产生需要的知识,推动推理的决策;
4.信念、期望及目标推理模块通过分析概念表示模块的信息和自身愿望模块、恐慌行为描述模块,焦虑行为描述模块的参数推理下一步行为的决策,生成下一步将要执行的计划,焦虑行为越严重,则恐慌严重,从而导致推理出的行人速度和方向,如图5所示;
5.计划并执行模块负责执行交通实体Agent的计划,表示交通实体Agent在一个仿真步长内交通实体原子行为模块的一个序列,原子行为模块包括快速左转、快速右转、快速前进、快速后退、正常左转、正常右转、正常前进、正常后退各种行为。
6.执行完行为计划后,交通实体Agent把当前的位置及状态信息汇报给所属的区域管理模块,并等待下一次环境信息的到来。
本实施例能够有效的实现交通灾难情况下交通实体非适应性行为的有效准确的仿真,同时又具有可定制的用户界面,用户可定制交通实体Agent的恐慌行为,焦虑行为,自身愿望及原子行为规则,具有很强的灵活性、可定制性,能够有效、快速的反映交通仿真中交通实体非适用性行为的各种特征。本实施例通过Agent技术与交通实体内部特征相结合,采用Agent实现对交通实体非适应性行为进行仿真,并采用内部的信念、期望及目标推理模块进行行为、动作的决策依据,针对交通实体Agent当前所处的交通环境以及自身的条件做出快速有效的反应,如大型集会的人员疏散、紧急交通灾难的疏散等紧急交通环境,有效的仿真出交通实体的准确行为是实现微观紧急交通环境仿真的一个关键因素。同时本实施例的用户操作简单,不需要涉及交通实体Agent非适用性行为仿真的细节操作,只需要在界面上配置相应的参数则可。
Claims (8)
1、一种基于多智能体和非适应性行为的微观交通仿真系统,其特征在于,包括:仿真环境模块、交通实体Agent参数配置界面模块、交通实体Agent产生器模块、区域管理模块、通信模块、概念表示模块、信念、期望及目标推理模块、恐慌行为描述模块、焦虑行为描述模块、自身愿望模块、计划并执行模块,其中:所述区域管理模块是区域内部交通实体Agent共享和交互信息的模块,各区域管理模块构成仿真环境模块,所述交通实体Agent参数配置界面模块是交通实体的参数配置单元,接受用户的配置参数,然后将这些参数发送给交通实体Agent产生器模块、恐慌行为描述模块、焦虑行为描述模块和自身愿望模块,所述交通实体Agent产生器模块根据用户的配置参数产生相应的交通实体Agent,并使交通实体Agent加入到区域管理模块,所述通信模块是交通实体Agent内部跟区域管理模块交互的模块,从区域管理模块获取交通环境信息,然后发送给概念表示模块,所述概念表示模块对交通环境信息进行过滤,重组成交通实体Agent内部概念,所述恐慌行为描述模块是交通实体Agent内部表示恐慌行为的静态信息模块,所述焦虑行为描述模块是交通实体Agent内部表示焦虑行为的静态信息模块,所述自身愿望模块是交通实体Agent内部表示出行目标、出行线路和行走习惯自身愿望的静态信息模块,概念表示模块的信息和恐慌行为描述模块、焦虑行为描述模块和自身愿望模块中的参数作为信念、期望及目标推理模块推理的依据,所述信念、期望及目标推理模块是交通实体Agent内部的推理模块,用来指定和产生下一步执行计划,该执行计划传送给计划并执行模块,计划并执行模块执行该计划,最后通信模块把交通实体Agent的状态信息汇报给所属的区域管理模块。
2、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述交通实体Agent参数配置模块对交通实体Agent的初始化参数的设置包括出行目的地、出行线路、恐慌行为、焦虑行为特征参数的设置。
3、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述交通实体Agent产生器模块是指交通实体Agent产生单元根据仿真区域交通实体的状态分布、群体分布产生相应的交通实体Agent。
4、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述通信模块通过Agent通信语言进行通信,通信数据包括接收交通仿真环境信息数据、汇报交通实体Agent位置及状态数据。
5、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述概念表示模块是指仿真环境信息表示单元,所有交通实体Agent都需要感知外界的环境信息,概念表示模块负责对接收到的环境信息根据自身的视野进行过滤与选取并重新组织和本地化表示成为交通实体Agent内部能识别的概念知识,为后续的推理决策做准备,概念表示模块定义了统一的概念表示,存取、更新和访问方式,产生需要的知识,推动后续推理的决策。
6、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述恐慌行为描述模块,其交通实体Agent的恐慌行为由交通实体的性格及遇到灾难时做出反应所决定。
7、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述焦虑行为描述模块描述交通实体Agent的焦虑程度通过0-10之间的数字表示,有轻度焦虑状态、中度焦虑状态、高度焦虑状态,其中0-3表示轻度焦虑状态、4-6表示中度焦虑状态、7-10表示高度焦虑状态。
8、根据权利要求1所述的基于多智能体和非适应性行为的微观交通仿真系统,其特征是,所述信念、期望及目标推理模块在交通实体Agent内部充当引擎的作用,是交通实体Agent一切行为的依据,负责交通实体Agent一切行为的决策,生成下一步将要执行的计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100442223A CN100524354C (zh) | 2007-07-26 | 2007-07-26 | 基于多智能体和非适应性行为的微观交通仿真系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100442223A CN100524354C (zh) | 2007-07-26 | 2007-07-26 | 基于多智能体和非适应性行为的微观交通仿真系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101093558A CN101093558A (zh) | 2007-12-26 |
CN100524354C true CN100524354C (zh) | 2009-08-05 |
Family
ID=38991805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007100442223A Expired - Fee Related CN100524354C (zh) | 2007-07-26 | 2007-07-26 | 基于多智能体和非适应性行为的微观交通仿真系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100524354C (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295326B (zh) * | 2008-05-30 | 2010-09-22 | 同济大学 | 应用gps数据生成od矩阵的交通仿真的方法 |
CN101853006B (zh) * | 2010-04-17 | 2011-08-31 | 上海交通大学 | 多智能体协同控制系统 |
CN103745120B (zh) * | 2014-01-22 | 2016-09-28 | 上海海事大学 | 一种基于bdi多智能体的船舶电力系统重构方法 |
-
2007
- 2007-07-26 CN CNB2007100442223A patent/CN100524354C/zh not_active Expired - Fee Related
Non-Patent Citations (8)
Title |
---|
交通仿真的发展及研究现状. 魏,明,杨方廷,曹正清.系统仿真学报,第15卷第8期. 2003 |
交通仿真的发展及研究现状. 魏,明,杨方廷,曹正清.系统仿真学报,第15卷第8期. 2003 * |
城市区域交通协调控制中的多Agent博弈研究. 杜荣华,吴泉源.计算机工程与科学,第29卷第4期. 2007 |
城市区域交通协调控制中的多Agent博弈研究. 杜荣华,吴泉源.计算机工程与科学,第29卷第4期. 2007 * |
基于多智能体的立交交通微观仿真系统. 邓江.中国优秀硕士学位论文全文数据库. 2007 |
基于多智能体的立交交通微观仿真系统. 邓江.中国优秀硕士学位论文全文数据库. 2007 * |
高速公路车道变换仿真模型. 陈斌,郭远辉.西华大学学报(自然科学版),第26卷第3期. 2007 |
高速公路车道变换仿真模型. 陈斌,郭远辉.西华大学学报(自然科学版),第26卷第3期. 2007 * |
Also Published As
Publication number | Publication date |
---|---|
CN101093558A (zh) | 2007-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Crowd evacuation simulation approach based on navigation knowledge and two-layer control mechanism | |
Wang et al. | Improved multi-agent reinforcement learning for path planning-based crowd simulation | |
Joo et al. | Agent-based simulation of affordance-based human behaviors in emergency evacuation | |
CN104765924B (zh) | 城市交通应急疏散仿真系统及控制方法 | |
Zhang et al. | Agent-based discrete-event hybrid space modeling approach for transportation evacuation simulation | |
Yang et al. | An information fusion approach to intelligent traffic signal control using the joint methods of multiagent reinforcement learning and artificial intelligence of things | |
Zhang et al. | Agent-based modeling for household level hurricane evacuation | |
CN100524354C (zh) | 基于多智能体和非适应性行为的微观交通仿真系统 | |
Azevedo et al. | JADE, TraSMAPI and SUMO: A tool-chain for simulating traffic light control | |
Navarro et al. | A flexible approach to multi-level agent-based simulation with the mesoscopic representation | |
Torabi et al. | An agent-based micro-simulator for its | |
CN101079127B (zh) | 微观交通仿真中行人行为仿真方法 | |
Leclerc et al. | Multi-modeling and co-simulation-based mobile ubiquitous protocols and services development and assessment | |
Rossetti et al. | A multi-agent demand model | |
Kristensen et al. | Simulation of intelligent traffic control for autonomous vehicles | |
Lützenberger et al. | Strategic behavior in dynamic cities | |
CN102467588A (zh) | 微观交通仿真中行人行为仿真方法 | |
Ferreira et al. | A cooperative simulation framework for traffic and transportation engineering | |
Ion et al. | Applying agent based simulation to the design of traffic control systems with respect to real-world urban complexity | |
Radecký et al. | Intelligent agents for traffic simulation | |
Passos et al. | Traffic light control using reactive agents | |
Cicortas et al. | Multi-agent system model for urban traffic simulation | |
Dijkstra et al. | Towards a multi-agent system for visualizing simulated behavior within the built environment | |
CN106104513A (zh) | 基于认知的知识处理系统及方法 | |
Filippoupolitis et al. | A distributed simulation platform for urban security |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090805 Termination date: 20120726 |