智慧公路多源数据下的交通出行演化模型

为探索智慧公路对出行者路径选择行为的影响,将网络可靠性和经验学习理论引入出行者的路径选择过程. 运用交通流理论统一化由智慧公路采集的多源数据类型,进一步采用最小方差加权平均方法融合多源数据. 智慧公路上的出行者根据融合信息实时决策出行路径;普通公路上的出行者根据前一天的路网交通状况和历史出行经验选择出行路径. 采用不动点理论证明模型解的等价性、存在性和稳定性条件. 算例结果表明：道路流量行为系数和感知时间误差的增大均会导致模型进入不稳定状态;在模型解稳定性方面,具有冒险倾向的出行者显著优于具有风险规避倾向的出行者,且多源融合数据演化的路网交通流量更具鲁棒性.     

基于RoboCup仿真机器人决策系统设计方法

针对基于RoboCup的仿真机器人决策系统设计问题。将智能体的BDI(Belief Desire Intention)模型和分层的体系结构相结合,并应用于仿真机器人的决策子系统的设计过程。实现了智能体之之间的团队协作。在决策系统的各层中，综合考虑了智能体的知识信念状态和当前的团队协作任务之间的相互影响关系，解决了智能体个体行为和团队行为选择的矛盾问题。仿真实验表明了决策方法的有效性。     

台风疏散时间选择决策建模与仿真

为了更加准确地估计疏散需求分布以及路网清空时间,提高台风疏散的效率,考虑被疏散个体做出疏散时间策略的主观选择,从而达到被疏散人口撤离的均衡分布,将被疏散者的交互作用因素融入离散选择模型,构建了基于随机最优反应均衡理论的台风疏散时间选择模型。最后运用Matlab软件仿真分析各参数变化对均衡策略下疏散时间决策的影响,验证模型了可行性和有效性。结果表明:被疏散个体的期望效用、个体间交互作用和个体的推断能力对疏散时间选择有显著的影响。     

基于信息共享的多智能体自主电子干扰系统

为了实现电子干扰机在复杂电磁环境中对辐射源的有效干扰,利用多智能体电子干扰机与信息共享机制,突破原有单传感器的有限信息感知能力,实现实时动态态势信息共享,增强电子干扰机的智能决策认知能力. 基于信息共享的多智能体自主电子干扰系统实现了μs级的干扰参数快速收敛,减小了单传感器的信息误差概率. 通过仿真实验表明,基于该方法的干扰参数更新策略随着态势环境的动态变化而实时自主调整,实现了更加自主与智能的认知电子干扰系统.     

FMS多智能体调度系统投标算法和评估模型

在FMS多智能体调度系统框架基础上,提出一种智能体生产招投标算法、评估模型和运输调度算法,招投标算法在个体利益最大化的情况下提出叫价策略,而为了防止陷入局部优化,在评估模型中引入信誉因子,该因子会抑制个体智能体的贪婪欲望,防止个体智能体陷入局部优化而影响整体目标.经过仿真证明,在规模不太大的情况下,该方法能够得到较好的调度结果.     

共享交通下的城市居民中长距离出行方式演化博弈

针对引入共享交通以解决城市居民中长距离出行可达性问题,采用演化博弈理论,从收益矩阵、邻居网络结构、策略转换规则3个方面建立考虑出行者异质特性和城市交通运行状态的演化博弈模型,使用多智能体仿真方法研究引入共享交通后的城市居民中长距离出行方式演化过程,分析相关参数对于演化过程的影响.结果表明:效用感知水平能够描述出行者的异质特性;平峰时段的出行者受接驳激励效用影响最大;提高外部成本能使早、晚高峰时段的出行者出行选择更加稳定;接驳激励效用和外部成本的提高都能够促使更多的出行者使用公共交通出行,由于存在非理性出行者,其对于公共交通出行比例的提升也是有限的.因此,在制定城市交通政策时需要考虑激励效率,并不断完善城市交通基础设施,以保证相关政策起到激励和管制作用.     

实时环境下多目标的路径选择模型

针对出行者出行需求多样化的问题,本文从时间、费用角度出发,构建了实时环境下基于多目标的路径选择模型。采用加权求和函数对多维数据聚集得到组合权重,而权重系数可依据出行者需求或喜好设定。为验证模型的实用价值,在仿真环境下,多目标模型与基于几何距离最短的路径选择模型在时间、费用、距离等评价指标进行了对比。实验结果证明实时环境下基于多目标的路径选择模型更具有实用价值。     

复杂可交互场景下基于异策略分层强化学习的搜救机器人自主决策

机器人在搜救任务中的自主决策能力对降低救援人员的风险具有重大意义.为了使机器人在面对复杂多解的搜救任务时能自主形成决策和合理的路径规划,设计了一种异策略分层强化学习算法.该算法由两层Soft Actor-Critic(SAC)智能体组成,高层智能体可以自动生成低层智能体所需的目标并提供内在奖励指导其直接与环境进行交互.在分层强化学习的框架下,首先将复杂可交互场景下的机器人搜救任务描述为高层半马尔可夫决策过程与低层马尔可夫决策过程的双层结构,并针对不同层级设计不同的状态空间、动作空间与奖励函数等.其次,针对传统强化学习算法中目标与奖励函数需要人工设计且缺乏通用性的问题,应用基于SAC的异策略分层强化学习算法训练双足移动机器人与复杂场景交互,通过数据的高效利用和目标空间的调整实现救援机器人的自主决策.仿真结果验证了所设计的算法在解决复杂多路径搜救任务中的有效性和通用性.     

一种锚点选择的容错机制

为改善多智能体系统的稳定性,基于整体刚度约束,多智能体自主构形定位,从锚点选择角度提出一种容错机制,将单组最佳锚点选择问题转换成多组较优锚点选择问题,保障多智能系统良好运行.并以7个智能体所形成的自主构形为例,进行了具体说明,并在上述基础上进一步定义故障锚点影响率,以表示故障锚点对多智能体系统的影响程度,便于多智能体系统锚点的重点维护.理论研究和仿真结果均表明所建议的锚点选择容错机制是正确的.     

社会协作的多智能体进化

提出了一种新的求解函数优化的算法．借鉴社会协作机制,定义可信任度表示智能体的历史活动信息,控制智能体间的相互作用; 引入“熟人关系网”模型构建和更新智能体的局部环境,利用多智能体之间的协作特性来加快算法收敛速度; 并构造了非一致变异算子保证智能体种群的多样性．仿真实验结果表明,与性能优越的多智能体遗传算法相比,该算法能以更少的函数评价次数找到精度更高的最优解．     

有限理性视野下拥挤收费对交通流逐日演化规律影响

为了解决拥挤收费政策在不同理性程度群体构成的交通流中的实施效果问题,在逐日路径演化模型的基础上引入拥挤收费政策,建立新的模型以研究拥挤收费条件下出行者逐日路径选择行为.并以一个由2条路径构成的路网为例,探讨了有限理性视野下拥挤收费政策对网络交通流逐日动态演化过程的影响.通过数值实验,分析了拥挤收费条件下网络交通流的演化特征,发现拥挤收费对网络交通流演化的最终状态以及系统平均走行时间有一定的影响;出行者的时间价值、理性程度会影响拥挤收费政策的实施效果.     

考虑交通诱导下新进出行者的网络交通流演化模型

研究了城市网络交通流的动态演化行为.在网络交通流的演化过程中,出行者根据路网状况不断调整自己的出行路径,假设OD对出行需求和路径流量受到OD对出行成本的影响,考虑在交通诱导下新进出行者的路径选择方式,以Logit分配模型表示新进出行者选择出行路径的比例,提出一个改进的交通流演化模型,并分析了该模型及其零点的一些特性,它能更好地反映现实中交通流演化结果.数值实验结果表明,模型可近似描述交通流演化到用户均衡态的过程,交通流能够收敛到均衡状态.     

考虑停车位不足的出发时刻选择问题

针对目的地停车位不足,出行者如何选择出发时刻的问题,在有限理性视野下综合考虑道路拥堵状况、出行者个人感知差异、目的地车位供给状况以及无法停入合法停车位后将受到惩罚等因素对出行者出发时刻选择的影响.依据前景理论设计实验,通过调查获取出行者出发时刻选择意向数据,构建出行者出发时刻选择模型.研究结果表明:停车位剩余状况影响出行者对出行结果的满意程度以及下一次出行决策.出行者出行结果满意度随着目的地剩余车位的减少而降低,当出行者的出行结果为满意时,出行者下一次出行由倾向于早到逐渐变为倾向于晚到.在车位不足,不能合法停车的情况下,不同的惩罚措施会影响到出行者下一次出发时刻的决策结果,惩罚越严重,出行者越倾向于早出发.     

Impacts of variable message signs on traffic congestion

The variable message signs (VMS) have been widely used in guiding and managing the dynamic traffic with development of intelligent transportation technologies. It is known that cell transmission model (CTM) can well reproduce such traffic dynamics as shock waves and jams. This paper presents a new method to estimate the route travel times by using the CTM in conjunction with a logit-based route choice rule. The impacts of VMS on a two-route scenario with recurrent and non-recurrent traffic congestion are numerically investigated by analyzing the changes of route flow and travel time. Simulation results show that in networks with suitable long links, the VMS can positively influence travelers' decision making so as to improve the system performance. For non-recurrent congestion, the value space of the route choice parameter that affects the flow distribution between two routes is narrower in the case of high traffic demand than that in the low demand case.     

基于出行计划数据的最优路径规划方法

现有基于交通流预测的路径规划方法大多使用历史或实时交通流数据,预测时效性有待提升.针对上述问题,提出基于出行计划数据的路径规划方法（RPTP）.该方法能主动捕捉出行者的未来交通需求,为车辆提供更合理的出行路线.基于出行计划的思想,设计基于出行计划数据的路径规划整体框架;构建基于出行计划路线数据的未来时段路网密度估计算法;采用空间堆叠的方式融合未来多时段路网密度,以此为依据改进D*Lite算法的启发函数.采用SUMO平台仿真验证,与静态路径规划方法（SPP）和滚动路径规划方法（RPP）进行对比分析.结果显示,在相同环境下RPTP方法能提高车辆的通行效率,缓解路网拥堵,有效验证了RPTP方法的优越性.     

公共交通方式转移价格的排序选择模型

通过意愿调查法对公共交通出行者的出行意向进行调查,研究了不同出行时间比下常规公共交通出行者转向轨道交通的意愿价格阈值影响因素及规律.基于排序选择模型,分别建立了基于排序Probit和排序Logit的公共交通内部方式转移价格阈值模型,并对模型进行局部效应分析.结果表明:性别、职业、收入、公交出行时间、公交出行费用及地铁与公交出行时间比对公共交通内部方式转移意愿价格阈值具有显著影响;常规公交费用支出每增加1元,其向轨道交通转移时的票价阈值为3、4、5、6元的概率分别改变-5.03%、1.07%、2.32%、1.00%.     

有限理性下出行者方式选择行为

为分析有限理性下出行者的方式选择行为,将前景理论引入方式选择决策中,分析不同时间价值出行者在私家车、公交车和出租车3种方式下的主观感知费用,并研究出行者在广义出行费用下、出行时间概率分布变化下和时间约束3种情景下的方式选择行为.通过算例对比前景理论与期望效用理论对出行者方式选择行为描述的异同,发现前景理论更依赖于决策权...     

满足瞬时动态DT/RC的动态拥挤收费模型研究

出行者的出行选择当中,除了路径选择之外,出发时间也是一个重要的因素.在面临拥挤收费时,出行者往往要重新选择自己的出发时间,以避免多交费,同时还要尽量在规定的时间内到达.运用双层规划模型和变分不等式相结合的方法,建立满足动态用户最优出发时间/路径选择条件的时变拥挤收费策略模型.表示为双层规划模型:上层模型确定收费路段在离散化的每个小时段的收费,以交通系统性能在各离散时段内达到最优为目标,进而使整个高峰时段的交通状况趋于平稳;下层模型表示瞬时动态用户均衡的出发时间/路径选择.     

机动车出行者出发时间选择的影响因素

采用陈述偏好(Stated preference survey,SP)调查法获取机动车出行者的出行行为数据,利用混合Logit模型建立了总体对象和典型对象出发时间选择行为模型。采用不同范围的出行行为数据对模型进行验证,结果表明:出行者的社会经济特性、预计的出行延误信息、对路网的熟悉程度、天气状况信息、交通信息的质量以及出行目的是影响出行者改变出发时间的主要因素,总体对象和典型对象模型存在一定的差异。研究结果揭示了交通信息在不同环境中对出发时间选择行为的影响不同,从而可以为交通信息发布方法和策略的确定提供依据。