CN101477581A - 多智能体区域道路交叉口信号集成控制仿真系统 - Google Patents
多智能体区域道路交叉口信号集成控制仿真系统 Download PDFInfo
- Publication number
- CN101477581A CN101477581A CNA2008102073158A CN200810207315A CN101477581A CN 101477581 A CN101477581 A CN 101477581A CN A2008102073158 A CNA2008102073158 A CN A2008102073158A CN 200810207315 A CN200810207315 A CN 200810207315A CN 101477581 A CN101477581 A CN 101477581A
- Authority
- CN
- China
- Prior art keywords
- agent
- traffic
- crossing
- information
- module
- 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.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种多智能体区域道路交叉口信号集成控制仿真系统,利用多智能体(Multi-agent)技术面向区域道路交叉口集成控制策略进行仿真建模,建立了适用于混合交通流控制的城市区域交通智能控制仿真系统,系统采用多层体系结构,每一个层次都代表不同的agent,使控制策略实时体现交通的波动情况,达到真正的智能控制,建立了城市区域交通控制定性和定量的综合评价指标体系、评价模型、评价方法,采用交通信号控制与交通诱导协同处理,实现了智能交通控制与诱导的一体化。
Description
技术领域
本发明涉及一种道路交叉口信号控制领域,特别涉及一种多智能体区域道路交叉口信号集成控制仿真系统。
背景技术
目前,主要的感应控制系统有英国的SCOOT、澳大利亚的SCATS、法国以及日本的控制系统等,这些控制系统从结构上主要是中心控制型结构,即交通控制方案由控制中心来统一制定,各个路口控制器并没有自己动态调整的能力,只是负责交通数据的采集以及控制方案的执行等任务。这种结构在控制策略的制定上主要是以控制区域内关键交叉口的交通数据为主,对局部交通的波动难以给以有效考虑,并且,由于控制方案的制定都需控制中心来完成,导致控制中心优化算法复杂,运算量大,系统效率低下,难以适应多变的交通局面。因此,人们需要根据交通系统的特点设计新的交通控制系统,达到既能对交通系统进行宏观调控又能进行微观调节的智能系统。
运用agent技术进行微观交通仿真,正引起广大研究人员的浓厚兴趣,国外的Birgit Burmeister等对采用agent技术进行交通仿真研究,Klaus探讨了运用agent技术进行货物运输的调度问题。
2001年北京交通大学的俞峥进行了“多智能体在交通控制系统中的应用”研究,阐述交通的规模复杂性特征及传统交通控制方法的局限性,迫使人们应用智能程度更高的技术来解决控制问题。一个解决的方法是将交通控制分布到一些智能的、可自动获取并完成任务的自主体上。这种方法不是将子系统进行部分或全部集成,而是提供一种在松散耦合的子系统之间进行协调的机制,通过增强子系统的自治能力提高控制系统的控制能力。
2002年中国农业大学的孙晋文提出了基于Agent技术的智能交通控制的体系结构,论述了该结构的优点。并根据Agent的特点,介绍了运用Agent技术进行交通仿真的优势,探讨了采用Agent技术进行交通仿真的方法。
2003年华中科技大学的陈进才进行了基于Agent技术的智能交通线控系统仿真环境研究,建立了基于Agent技术的智能交通线控系统仿真环境。
2005年汕头大学的韦影仪介绍了利用Agent技术构建交通微观模拟的过程,并着重叙述了Agent技术在微观模拟中的优势,同时,在Agent的决策过程中应用了模糊决策控制,使Agent个体模拟人类的思维决策,从而使整个模拟系统更加贴近现实的交通系统。
发明内容
本发明是针对现有交通控制系统效率低下,难以适应多变的交通局面的问题,提出了一种多智能体区域道路交叉口信号集成控制仿真系统,基于多智能体的道路多交叉口信号集成控制仿真系统。克服现有的控制系统中各个路口控制器没有自己动态调整能力的不足,根据Agent理论,提出基于Multi-Agent智能交通控制系统,系统采用多层体系结构,每一个层次都代表不同的agent,使控制策略实时体现交通的波动情况,达到真正的智能控制;将这些控制策略用C++语言编程实现嵌入到AIMSUN微观仿真软件中进行仿真,结果表明本系统与现有系统相比,减少交通延误和提高道路通行能力2%以上。
本发明的技术方案为:一种多智能体区域道路交叉口信号集成控制仿真系统,包括决策层主控中心智能体、战略控制层区域中心智能体、战术控制层路口智能体和执行层交通检测器的信号灯、传感器和摄像机,主控中心智能体不断分析从各区域中心智能体传来的交通数据,合理的划分和调整控制子区,在调整控制子区时,主控中心智能体向相关区域中心智能体发送指令,命令相关区域中心智能体释放和划分对路口智能体的管理权限;区域中心智能体不断收集和分析路口智能体传送过来的交通数据和控制方案,进而诊断路口智能体及其检测器是否正常;路口智能体不断接受从交叉口交通检测器传来的交通参数,与同一区域Agent管辖范围内的其他路口智能体进行协商,得出各交叉口的控制方案,同时需要向上一层的区域中心智能体发送本地的交通状况和控制方案。
所述路口智能体得出各交叉口的控制方案由协调智能体体系完成,协调智能体体系包括通信模块、感知模块、知识库、经验库、决策模块、模糊规则库、个性修正模块、学习机模块,除去通信模块和感知模块与外部其他Agent或交通环境交互外,其他的模块都是经过一步一步承接,密切配合,在协调智能体体系内部完成交叉口的智能协调。
所述感知模块直接控制基础数据采集设备环形感应线圈和原始数据预处理程序,并将要采集的数据种类由推理模块和决策模块的推理和决策方法决定。
所述通信模块采用点对点的直接通讯方式,通信的过程包括:
通知 索要信息的agent通知某一个agent想得到什么信息;
询问 询问该agent是否有想得到的信息;
回答 被询问的agent回答是否有所需信息;
请求 请求或者命令该agent将所需信息发送过来;
执行 接受请求并执行信息传送;
确认 确认信息已收到。
所述知识库收纳了多Agent系统中所有与自身Agent功能相关的所有信息,相当于Agent的信息动态更新的信息档案。
所述经验库中存储的信息包括Agent内部的所有成功案例的输入和输出变量的值,经验库工作为检查知识库整理的输入信息是否完备,否则告知知识库,要求知识库搜集必要信息。
所述决策模块在运行中审查信息,判断是否接受协调任务。
所述个性化修正模块是对各交叉口信号控制进行参数校正。
本发明的有益效果在于:本发明多智能体区域道路交叉口信号集成控制仿真系统,1)可靠性高,系统不会因为某个控制中心的故障而停止运行或影响其它路口的运行;2)实时性好,各个路口具有自己调整本路口交通信号的能力,可以实时地对该路口交通情况的变化进行反应,提高了系统的实时应变能力,满足了交通系统复杂性的要求;3)应变性强,相邻路口间可进行信息传递,提高了路口间的协作能力,便于路口间信号的相互配合,提高了系统的综合控制能力;4)针对性强,各个交通路口都具有关于本交叉口结构及其它交通条件的数据信息,使交通信号决策更具有针对性,体现出具体的交通特点;5)灵活性高,可以通过控制中心对某个或某几个路口进行直接操作,便于紧急或特殊情况的处理;6)扩展性好,系统可以很容易地进行系统的扩展,而不会对原有系统造成太大影响。
附图说明
图1是本发明多智能体区域道路交叉口信号集成控制仿真系统中基于智能体的智能交通控制体系结构示意图;
图2是本发明多智能体区域道路交叉口信号集成控制仿真系统中协调Agent的体系结构示意图;
图3是本发明多智能体区域道路交叉口信号集成控制仿真系统中智能体之间的协调机制示意图;
图4是本发明多智能体区域道路交叉口信号集成控制仿真系统中相邻智能体经过协调产生控制方案的机制示意图;
图5是本发明多智能体区域道路交叉口信号集成控制仿真系统中控制策略个性化修正示意图。
具体实施方式
如图1所示是智能交通控制体系结构示意图,包括决策层主控中心Agent、战略控制层区域中心Agent、战术控制层路口Agent和执行层交通检测器的信号灯、传感器和摄像机。主控中心智能体不断分析从各区域中心智能体传来的交通数据,合理的划分和调整控制子区,在调整控制子区时,主控中心智能体向相关区域中心智能体发送指令,命令相关区域中心智能体释放和划分对路口智能体的管理权限,控制子区的划分、与交通管理操作员的互动以及信息共享;区域中心智能体它不断收集和分析路口智能体传送过来的交通数据和控制方案,进而诊断路口智能体及其检测器是否正常,维护和管理其管辖范围内的路口,如果诊断路口智能体在某一方面有故障,就会将其代替,并暂时启用备用的信号控制方案;路口智能体不断接受从交叉口交通检测器传来的交通参数,与同一区域Agent管辖范围内的其他路口智能体进行协商,得出各交叉口的控制方案,同时需要向上一层的区域中心智能体发送本地的交通状况和控制方案,目标使区域交通保持畅通,同时每个路口智能体也有与全局目标一致的局部目标尽量使本交叉口的交通保持畅通。最终目标是:根据市区交通实时状况信息,控制城市街道的红绿灯信号和其它可变标志信号,实现全城市交通流的优化及网络控制。
图2和图3是协调智能体体系结构和协调机制的示意图。协调Agent由通信模块、感知模块、知识库、经验库、决策模块、模糊规则库、个性修正模块、学习机等模块。其中除去通信模块和感知模块等与外部其他Agent或交通环境交互外,其他的模块都是经过一步一步承接,密切配合,在Agent内部完成交叉口的智能协调。各个交叉口控制Agent之间的协调在实现方式上采用黑板模型。相邻的Agent都有共享的黑板,Agent将各自的交通状况和在该条件下的最新中间方案记录在黑板上。每个Agent根据共享黑板的最新消息再制定新的中间方案,直到最新的方案与前一个中间方案相同,则该方案为下一周期的信号控制方案;若最新的中间方案并没有迭代结束但本周期的计算时间已到,则采用最新的中间方案作为下一周期的信号控制方案。
协调Agent中的感知模块是协调Agent获取外界环境信息的重要凭借,协调Agent中进行判断和决策的基础数据都直接或间接地来自感知模块。协调Agent的感知模块直接控制基础数据采集设备环形感应线圈和原始数据预处理程序,并将要采集的数据种类由推理模块和决策模块的推理和决策方法决定。通常的基础数据包括各进口道的排队长度、到达率、停车延误等。
协调Agent中的通信模块采用点对点的直接通讯方式,通信的过程包括:
通知 索要信息的agent通知某一个agent想得到什么信息
询问 询问该agent是否有想得到的信息
回答 被询问的agent回答是否有所需信息
请求 请求或者命令该agent将所需信息发送过来
执行 接受请求并执行信息传送
确认 确认信息已收到
协调Agent的知识模块收纳了多Agent系统中所有与自身Agent功能相关的所有信息,相当于Agent的信息动态更新的信息档案。知识库中根据存储信息的性质和来源分为七个部分,分别用不同的名称,在编程时通过指针快速读取信息:
①知识库的名称name,包含交叉口名称、Agent级别和类型;
②从属于上级管理AgentMA的名称;
③本交叉口的实时信号控制方案,包括各方向信号灯色组合相位、相序、现在的绿灯相位绿灯持续时间G、之前1-4个周期该相位的绿灯持续时间G1、G2、G3、G4等;
④不同相位对应不同方向组合,每种组合的下游路段用不同的向量名表示,每个方向的路段饱和车辆数目或现在的车辆车辆数目为向量的分量。设东西南北分别用A、B、C、D表示,如果某相位对应的下游路段为东、西路段,用二维向量可表示为(A,B)和(a,b);
⑤相邻交叉口的信号控制方案。对下游四个方向的信号控制分别设置一个参数next-singe。定义next-singe=0表示下游的相关相位为红灯,next-singe=1表示下游的相关相位为绿灯;
⑥推理决策参数。协调Agent的决策参数包含决策过程中使用的α0、α1、β、γ等参数,还有决策输出的结果Δe,上级强制的修正时间n秒;
⑦存储属性。存储属性由参数c表示,它决定实时的决策方案是否存储到经验库,当方案效果最优,则c=1,否则c=0。
协调Agent中的经验库中存储的信息包括Agent内部的所有成功案例的输入和输出变量的值,它所做的第一步工作是检查知识库整理的输入信息是否完备,否则告知知识库,要求知识库搜集必要信息。倘若信息完备,经验库要在模块中检索相似的信息,并计算相似程度。当相似程度大于某一阈值,则直接采用相似案例的输出方案作为通信模块的传输内容传送到相关Agent,并等待确认消息;当相似度不够时,经验库就要告知决策模块为解决新的问题选择合适的算法。
协调Agent中的决策模块在运行中首先要审查信息,判断是否接受协调任务。当单点控制完全可以保证路网畅通,并且此时的协调不会带来利益时,拒绝协调请求;当判断路段拥挤度大于某一个阈值,并且可以通过协调改善拥挤度时,接受协调任务,根据知识库具备的信息种类和数目选择能够求解问题的方法。系统中的协调算法主要模糊逻辑控制器,受到下游信号灯色的影响共分为两种,所以经验库可以根据参数Sn的选择控制器。最终将控制器的名称和相关的控制输入参数告知规则库。
协调Agent中的个性化修正模块是各个交叉口相对于系统中制定统一规则和算法得出的最初控制方案而言的,即各交叉口信号控制既符合一般协调原理,同时又能进行参数校正,使得该交叉口控制策略在不影响区域控制效果的情况下,本交叉口效益最大化。
图4是相邻智能体经过协调产生控制方案的机制示意图。信号控制智能体具有感知环境变化的能力、与相邻智能体通信的能力以及推理、判断、合作和学习等能力。它由7个相对独立的模块组成,即:知识库、推理机、算法模块、记忆库、经验库、学习机和协调模块。这是一个结构相对稳定、但又可以不断进化的系统,也就是说,各模块之间的相互关系基本不变,但各模块内部可以不断添加新的内容,使其功能逐渐提高。
知识库:这是一个存储信号控制规律、本路口相关信息、相邻路口信息和一些交通控制常识的信息库.知识,在这里是指具有普遍意义的正确判断和客观事实.这个信息库在智能体中的作用就相当于交通控制专业知识对一位交通警察的作用.采用框架表示法来表示知识库中的知识.这种方法是Minsky在1975年提出的,现在已经发展成为一种被广泛使用的知识表示方法。
推理机:这是一个存储如何由已知的知识和信息推断出新判断的规则库。它包含多种推理方式,并且与知识库中的知识表示方法相匹配,由知识库中的一组知识和路口的车流信息就可以通过推理机推演出若干有关信号控制的判断,用于选择适当的信号配时优化算法.最基本的推理方式是演绎推理和归纳推理,还可以包括非单调推理、不确定性推理、模糊推理等方式。
算法模块:这是一个各种计算优化的信号配时方案的具体方法的集合.具体讲,就是在考虑相邻路口的车辆信息的前提下,对本路口的信号配时进行优化。
记忆库:这是一个存储本路口智能体信号控制经历的信息库,它是生成经验的基本素材.这些信息包括时间、车辆信息、控制方案、控制效果等相关信息.具体来讲,它记录日期、每个信号周期的时间长度、各信号周期的起始时间、相位数、各相位的起始时间、各个相位起始时路口各方向的车辆排队长度、各个相位控制时间内各进路通过的车辆数等。
经验库:这个信息库与知识库和记忆库都不相同,它是在记忆库的基础上,对历史控制信息进行归纳、分析、对比等处理,结合知识库的信息,在学习机中的各种学习作用下,产生关于本路口信号控制方面的个体知识集合.这些知识不具有普遍的意义,仅适用于本路口的信号控制.在信号控制系统的运行过程中,可以定期使用学习机和知识库对记忆库中的信息进行分析处理,产生个体知识并添加到经验库中.同知识库一样,经验库中的个体知识采用框架法表示。
学习机:这是一个存储多种机器学习方式的方法库.包括归纳学习、解释学习、类比学习等.与推理机类似,学习机是若干方法和规则的集合.它的存在可以使该控制系统具有进化的特征。
协调模块:这个模块管理和监控智能体与共享黑板之间的信息传递,负责向与本路口控制智能体相关的若干共享黑板提供本路口的信息,并处理从共享黑板接收的相邻路口的信息。
图5是控制策略个性化修正示意图。控制策略的个性化处理不针对控制规则,而直接针对规则的输出结果,个性化处理的方法是对输出方案做简单的比例调整。协调控制通过交叉口的最终绿灯延时g起作用,在各个交叉口的最终绿灯延时输出结果的计算方式如下:
其中α0、α1、β、γ是权重系数:
α0对单交叉口控制器输出的绿灯延长时间修正,主要考虑了交叉口的平面设计、路段等级等因素。比如:位于主干道上的交叉口车流量大,周期时间相对较长,必要的绿灯延长时间相对也较长,如果一次绿灯延时间最长可达到15秒,那么α0应该是1.5(整个论域在[0,10]基础上扩大1.5倍变为[0,15])。
α1与α0最初是一致的,当考虑了协调力度的区别时,就要在α0基础上再做修正。所谓协调力度是指对主路段方向上的交通流干预的程度。它随着主方向路段的不同而不同,也在很大程度上取决连接路段另一端交叉口的设计通行能力级别。比如:下游路段的交叉口很重要,且距离比较近,则两个交叉口的相关性必然很大,协调的力度就应增加。协调力度大要求抑制作用增加,所以α1>α0。
在Sn=green或Sn=red两种不同情况使用不同的控制器,β、γ分别对两个控制器得出结果分别做修正的参数。表示的意义与α1相同。注意协调力度尽管还跟主方向路段有关,一组同时亮路灯的方向中,主方向不同修正系数也会不同。但是由于输入变量分别做了相对处理,论域都是[0,1],所以不需要再根据主方向加以区分。另外要注意的是为了β、γ能够更加准确,采用向量来表示,分向量分别调整对应输出结果的模糊划分。
Claims (8)
1、一种多智能体区域道路交叉口信号集成控制仿真系统,其特征在于,包括决策层主控中心智能体、战略控制层区域中心智能体、战术控制层路口智能体和执行层交通检测器的信号灯、传感器和摄像机,主控中心智能体不断分析从各区域中心智能体传来的交通数据,合理的划分和调整控制子区,在调整控制子区时,主控中心智能体向相关区域中心智能体发送指令,命令相关区域中心智能体释放和划分对路口智能体的管理权限;区域中心智能体不断收集和分析路口智能体传送过来的交通数据和控制方案,进而诊断路口智能体及其检测器是否正常;路口智能体不断接受从交叉口交通检测器传来的交通参数,与同一区域Agent管辖范围内的其他路口智能体进行协商,得出各交叉口的控制方案,同时需要向上一层的区域中心智能体发送本地的交通状况和控制方案。
2、根据权利要求1所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述路口智能体得出各交叉口的控制方案由协调智能体体系完成,协调智能体体系包括通信模块、感知模块、知识库、经验库、决策模块、模糊规则库、个性修正模块、学习机模块,除去通信模块和感知模块与外部其他Agent或交通环境交互外,其他的模块都是经过一步一步承接,密切配合,在协调智能体体系内部完成交叉口的智能协调。
3、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述感知模块直接控制基础数据采集设备环形感应线圈和原始数据预处理程序,并将要采集的数据种类由推理模块和决策模块的推理和决策方法决定。
4、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述通信模块采用点对点的直接通讯方式,通信的过程包括:通知索要信息的agent通知某一个agent想得到什么信息;
询问 询问该agent是否有想得到的信息;
回答 被询问的agent回答是否有所需信息;
请求 请求或者命令该agent将所需信息发送过来;
执行 接受请求并执行信息传送;
确认 确认信息已收到。
5、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述知识库收纳了多Agent系统中所有与自身Agent功能相关的所有信息,相当于Agent的信息动态更新的信息档案。
6、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述经验库中存储的信息包括Agent内部的所有成功案例的输入和输出变量的值,经验库工作为检查知识库整理的输入信息是否完备,否则告知知识库,要求知识库搜集必要信息。
7、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述决策模块在运行中审查信息,判断是否接受协调任务。
8、根据权利要求2所述多智能体区域道路交叉口信号集成控制仿真系统,其特征在于:所述个性化修正模块是对各交叉口信号控制进行参数校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102073158A CN101477581B (zh) | 2008-12-19 | 2008-12-19 | 多智能体区域道路交叉口信号集成控制仿真系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102073158A CN101477581B (zh) | 2008-12-19 | 2008-12-19 | 多智能体区域道路交叉口信号集成控制仿真系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101477581A true CN101477581A (zh) | 2009-07-08 |
CN101477581B CN101477581B (zh) | 2011-05-04 |
Family
ID=40838295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102073158A Active CN101477581B (zh) | 2008-12-19 | 2008-12-19 | 多智能体区域道路交叉口信号集成控制仿真系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101477581B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853006A (zh) * | 2010-04-17 | 2010-10-06 | 上海交通大学 | 多智能体协同控制系统 |
CN102005126A (zh) * | 2010-06-18 | 2011-04-06 | 公安部交通管理科学研究所 | 一种多交叉口交通信号控制机 |
CN102376025A (zh) * | 2010-08-17 | 2012-03-14 | 同济大学 | 一种模拟手机数据并评估城市路网交通状态的方法 |
CN101615265B (zh) * | 2009-08-11 | 2012-07-04 | 路军 | 一种基于多Agent技术的智能决策仿真实验系统 |
CN102906800A (zh) * | 2010-02-01 | 2013-01-30 | 影视技术集成公司 | 建模和优化交通网络性能的系统及方法 |
CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
CN103310057A (zh) * | 2013-06-14 | 2013-09-18 | 广州市公共交通数据管理中心 | 交通微观仿真运行方法和装置 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
CN103345164A (zh) * | 2013-07-18 | 2013-10-09 | 吉林大学 | 多自主车辆决策与控制实时仿真实验系统 |
CN103761138A (zh) * | 2014-01-16 | 2014-04-30 | 昆明理工大学 | 一种交通仿真软件的参数校正方法 |
CN104077918A (zh) * | 2014-07-02 | 2014-10-01 | 上海理工大学 | 基于车载数据城市交通路口信号灯自适应控制方法 |
CN105118308A (zh) * | 2015-10-12 | 2015-12-02 | 青岛大学 | 基于聚类强化学习的城市道路交叉口交通信号优化方法 |
CN105763396A (zh) * | 2016-04-12 | 2016-07-13 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN105809987A (zh) * | 2016-05-17 | 2016-07-27 | 三峡大学 | 一种基于多代理的风光互补式智能红绿灯系统 |
CN106297324A (zh) * | 2016-08-29 | 2017-01-04 | 安徽科力信息产业有限责任公司 | 基于平面感知的排阵式交通信号控制方法及系统 |
CN106530760A (zh) * | 2016-11-25 | 2017-03-22 | 天津易赢尔节能技术有限公司 | 一种基于用户互动的节能高效电力信号灯智能化系统 |
CN106600989A (zh) * | 2015-10-14 | 2017-04-26 | 张玉德 | 智能交通指挥控制系统 |
CN107006103A (zh) * | 2014-11-10 | 2017-08-01 | 施雷德公司 | 灯网络的操作和控制方法 |
CN108053889A (zh) * | 2017-12-20 | 2018-05-18 | 中国科学院合肥物质科学研究院 | 一种基于Agent技术的健康促进服务机器人 |
CN110390817A (zh) * | 2019-09-18 | 2019-10-29 | 江苏广宇协同科技发展研究院有限公司 | 一种现场级交通信号协调系统及装置 |
CN110633558A (zh) * | 2019-11-05 | 2019-12-31 | 贵州财经大学 | 一种城市交通系统建模系统 |
CN110647067A (zh) * | 2019-08-26 | 2020-01-03 | 珠海格力电器股份有限公司 | 一种数据采集系统及其控制方法、装置、设备和介质 |
CN110853376A (zh) * | 2019-09-30 | 2020-02-28 | 重庆中信科信息技术有限公司 | 智能网络交通信号灯 |
CN111127910A (zh) * | 2019-12-18 | 2020-05-08 | 上海天壤智能科技有限公司 | 交通信号调节方法、系统及介质 |
CN111429737A (zh) * | 2020-03-30 | 2020-07-17 | 银江股份有限公司 | 一种基于agent的城市区域边界控制方法及系统 |
CN112233434A (zh) * | 2020-10-10 | 2021-01-15 | 扬州大学 | 基于智能体的城市路口交通信号协调控制系统及方法 |
CN117973431A (zh) * | 2024-03-25 | 2024-05-03 | 四川航天职业技术学院(四川航天高级技工学校) | 一种最优二分共识控制方法、装置、设备及存储介质 |
-
2008
- 2008-12-19 CN CN2008102073158A patent/CN101477581B/zh active Active
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615265B (zh) * | 2009-08-11 | 2012-07-04 | 路军 | 一种基于多Agent技术的智能决策仿真实验系统 |
CN102906800B (zh) * | 2010-02-01 | 2015-04-29 | 影视技术集成公司 | 建模和优化交通网络性能的系统及方法 |
CN102906800A (zh) * | 2010-02-01 | 2013-01-30 | 影视技术集成公司 | 建模和优化交通网络性能的系统及方法 |
CN101853006A (zh) * | 2010-04-17 | 2010-10-06 | 上海交通大学 | 多智能体协同控制系统 |
CN102005126A (zh) * | 2010-06-18 | 2011-04-06 | 公安部交通管理科学研究所 | 一种多交叉口交通信号控制机 |
CN102005126B (zh) * | 2010-06-18 | 2012-02-22 | 公安部交通管理科学研究所 | 一种多交叉口交通信号控制机 |
CN102376025A (zh) * | 2010-08-17 | 2012-03-14 | 同济大学 | 一种模拟手机数据并评估城市路网交通状态的方法 |
CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
CN103310057A (zh) * | 2013-06-14 | 2013-09-18 | 广州市公共交通数据管理中心 | 交通微观仿真运行方法和装置 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
CN103345164A (zh) * | 2013-07-18 | 2013-10-09 | 吉林大学 | 多自主车辆决策与控制实时仿真实验系统 |
CN103345164B (zh) * | 2013-07-18 | 2015-11-04 | 吉林大学 | 多自主车辆决策与控制实时仿真实验系统 |
CN103761138A (zh) * | 2014-01-16 | 2014-04-30 | 昆明理工大学 | 一种交通仿真软件的参数校正方法 |
CN103761138B (zh) * | 2014-01-16 | 2017-01-18 | 昆明理工大学 | 一种交通仿真软件的参数校正方法 |
CN104077918B (zh) * | 2014-07-02 | 2016-08-17 | 上海理工大学 | 基于车载数据城市交通路口信号灯自适应控制方法 |
CN104077918A (zh) * | 2014-07-02 | 2014-10-01 | 上海理工大学 | 基于车载数据城市交通路口信号灯自适应控制方法 |
CN107006103B (zh) * | 2014-11-10 | 2019-03-26 | 施雷德公司 | 灯网络中的通信方法和灯网络 |
CN107006103A (zh) * | 2014-11-10 | 2017-08-01 | 施雷德公司 | 灯网络的操作和控制方法 |
CN105118308A (zh) * | 2015-10-12 | 2015-12-02 | 青岛大学 | 基于聚类强化学习的城市道路交叉口交通信号优化方法 |
CN106600989A (zh) * | 2015-10-14 | 2017-04-26 | 张玉德 | 智能交通指挥控制系统 |
CN105763396A (zh) * | 2016-04-12 | 2016-07-13 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN105763396B (zh) * | 2016-04-12 | 2018-02-06 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN105809987A (zh) * | 2016-05-17 | 2016-07-27 | 三峡大学 | 一种基于多代理的风光互补式智能红绿灯系统 |
CN105809987B (zh) * | 2016-05-17 | 2019-07-09 | 三峡大学 | 一种基于多代理的风光互补式智能红绿灯系统 |
CN106297324A (zh) * | 2016-08-29 | 2017-01-04 | 安徽科力信息产业有限责任公司 | 基于平面感知的排阵式交通信号控制方法及系统 |
CN106297324B (zh) * | 2016-08-29 | 2018-12-18 | 安徽科力信息产业有限责任公司 | 基于平面感知的排阵式交通信号控制方法及系统 |
CN106530760A (zh) * | 2016-11-25 | 2017-03-22 | 天津易赢尔节能技术有限公司 | 一种基于用户互动的节能高效电力信号灯智能化系统 |
CN108053889A (zh) * | 2017-12-20 | 2018-05-18 | 中国科学院合肥物质科学研究院 | 一种基于Agent技术的健康促进服务机器人 |
CN110647067B (zh) * | 2019-08-26 | 2020-11-03 | 珠海格力电器股份有限公司 | 一种数据采集系统及其控制方法、装置、设备和介质 |
US11914418B2 (en) | 2019-08-26 | 2024-02-27 | Gree Electric Appliances, Inc. Of Zhuhai | Systems, methods, and apparatuses for performing high-speed data acquisition and maintaining data integrity |
CN110647067A (zh) * | 2019-08-26 | 2020-01-03 | 珠海格力电器股份有限公司 | 一种数据采集系统及其控制方法、装置、设备和介质 |
CN110390817A (zh) * | 2019-09-18 | 2019-10-29 | 江苏广宇协同科技发展研究院有限公司 | 一种现场级交通信号协调系统及装置 |
CN110853376B (zh) * | 2019-09-30 | 2021-12-03 | 重庆中信科信息技术有限公司 | 智能网络交通信号灯 |
CN110853376A (zh) * | 2019-09-30 | 2020-02-28 | 重庆中信科信息技术有限公司 | 智能网络交通信号灯 |
CN110633558B (zh) * | 2019-11-05 | 2023-01-31 | 贵州财经大学 | 一种城市交通系统建模系统 |
CN110633558A (zh) * | 2019-11-05 | 2019-12-31 | 贵州财经大学 | 一种城市交通系统建模系统 |
CN111127910A (zh) * | 2019-12-18 | 2020-05-08 | 上海天壤智能科技有限公司 | 交通信号调节方法、系统及介质 |
CN111429737A (zh) * | 2020-03-30 | 2020-07-17 | 银江股份有限公司 | 一种基于agent的城市区域边界控制方法及系统 |
CN112233434A (zh) * | 2020-10-10 | 2021-01-15 | 扬州大学 | 基于智能体的城市路口交通信号协调控制系统及方法 |
CN117973431A (zh) * | 2024-03-25 | 2024-05-03 | 四川航天职业技术学院(四川航天高级技工学校) | 一种最优二分共识控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101477581B (zh) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477581B (zh) | 多智能体区域道路交叉口信号集成控制仿真系统 | |
CN111369181B (zh) | 一种列车自主调度深度强化学习方法和装置 | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 | |
Torrisi et al. | Toward a sustainable mobility through. A dynamic real-time traffic monitoring, estimation and forecasting system: The RE. SET project | |
Ahmad et al. | Applications of evolutionary game theory in urban road transport network: A state of the art review | |
US20230306546A1 (en) | Driving timetable generation method and apparatus, and electronic device | |
Lam et al. | Evaluation of a transportation system employing autonomous vehicles | |
CN102063645A (zh) | 一种公共交通运行服务质量的评价系统 | |
CN114241767B (zh) | 基于智慧交通综合数据仓城市体检数据分析方法及系统 | |
Schmidt-Dumont et al. | A case for the adoption of decentralised reinforcement learning for the control of traffic flow on South African highways | |
Ezzedine et al. | Integration of traffic management and traveller information systems: basic principles and case study in intermodal transport system management | |
Zhao et al. | A co-simulation, optimization, control approach for traffic light control with truck priority | |
Brodsky et al. | Integrated navigation and distributed control intelligent transport system | |
Yuan | Application of intelligent technology in urban traffic congestion | |
De Schutter et al. | • Advances traffic control on highways | |
Haque | Improved traffic analysis methodology for lane closure on two-lane highway work zone | |
Zhong et al. | Deep Q‐Learning Network Model for Optimizing Transit Bus Priority at Multiphase Traffic Signal Controlled Intersection | |
Hu | Adaptive Transit Signal Priority Algorithms for Optimizing Bus Reliability and Travel Time Using Deep Reinforcement Learning | |
Şerban et al. | Analysis and comparison between urban traffic control systems | |
Haberl et al. | Emission minimizing adaptive signal control: a multimodal optimization approach | |
Huang et al. | Research on the Influence and Optimization of Open Community on Road Traffic | |
CHU et al. | Typical intelligent transportation applications | |
Middelham | Predictability: some thoughts on modeling | |
Montsi | Calibration and validation of a micro-simulation model for operational performance evaluation of urban corridors | |
Roozemond | Self-optimising and self-organising urban traffic control systems |
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 |