一种基于多智能体系统的 智能交通管理系统外文翻译资料

 2021-12-09 10:12

英语原文共 13 页

一种基于多智能体系统的

智能交通管理系统

摘要

智能交通管理是当代交通问题最有前途的解决方案之一。交通中与紧急情况有关的交通,包括交通的神经网络改善、可变交通流量的分配、减少拥挤的交通道路和路径的数量及其负面影响(如延误、等待时间、驾驶员压力、噪音和空气污染,以及阻碍辅助设施IVE设备)。这项研究已经被新的多智能体系统用来管理交通。一方面,所提出的算法包括紧急情况下的流量改进,直到它被认为是实时的交通信息;另一方面,通过防止道路流量的增加,可以在一定时间内减少拥挤的交通状况(例如,在最短时间内提供建议的路径)。在本文中,集成环境包括用于进行虚拟智能体行为模拟的Jack软件。一般来说,我们可以在一个道路网中使用不同的模拟形式来显示拥挤和交通状况。在本文中,JACK软件用于显示仿真场景,该软件在多智能体系统建模中的通用性也十分显著,如智能体、设计、事件和功能。此外,这种交互的设计和分析比Jack软件中现有的设计简单。基于所提出模型的结果,该模型提出的方法在各个情况下与以前工作不同似乎是合理的。一方面,有一些建模系统基于简单有效的路网在不同任务场景下被看作是智能体。在这种情况下,为了实现共同的目标,可以通过智能体合作的概念来纠正和改变驾驶员在紧急情况下的行为。

关键字:多智能体;交通信息;智能交通;Jack(软件)

第1章 绪论

病人的紧急运输、与卫生系统有关的紧急事件和紧急手术、血液和血液制品的运输应在最短时间内完成;当医院要求输血机构向血库提出需要时,必须尽快转移,因为任何延误都会导致产品供应问题使得病人陷入困境。今天,智能交通系统是人类生活和社会冲突的重要组成部分。建立卫生信息系统可以更好地协调卫生院之间的工作,减少医疗差错的发生,降低医疗费用,为完善医院管理体系提供手段。智能交通系统是支持和监控道路交通的系统。智能交通系统包括自动跟踪指导[1]、交通优化[2,3]、运力运输网络管理[4]、实时交通信号控制[5,8,51]以及提高道路安全性等主题。与突发事件或紧急情况相关的运输成本正在增加。在许多国家,卫生保健预算正在下降,卫生机构面临着用更少资源提供更好服务的压力。在交通网络中的健康交通管理手段(HTM)与有效紧急事件处理相关,它包括改善心理系统、分配到可变交通流、减少交通拥挤的场所数量以及产生负面影响[6,7]。记录在案的有效交通管理通过实时干预提高了运输资源在时间和空间上的绩效。这种智能化的方法使应用于车辆导向系统的驾驶员更容易操作。由于交通量的变化和出行时间的增加,随着交通网络中车辆数量的增加,车辆指引系统已经成为最复杂的健康交通管理手段。因此,最佳路径不能是基于路径长度的最短路径。同时,分布式智能解决方案的应用也受到人们高度重视,其原因在于路径的地理位置以及人们不同观点的影响。因此,基于智能体的方法已经被建模为复杂的系统,其中许多独立的单元一起工作或相互协作[10]。本文提出了一种新的多智能体车流管理系统,该系统利用蚁群优化算法进行车流管理,具有自适应性强、计算时间短等优点[11]。本文将多智能体技术应用于车辆系统紧急情况下的交通管理。多智能体系统的各个规范在体系结构中都有隐藏的系统,在体系结构中,系统具有层次结构,并通过交通控制方法应用于多智能体系统。它已经在系统的上下两级中使用。因此,该系统既具有交通控制能力,又具有层次结构的特点,可在紧急情况下应用于交通管理系统。此外,在系统开发过程中还对Jack软件进行了集成和仿真。多智能体系统充分利用了该软件的优势,如软件接口,它是显示智能体与软件接口之间匹配方案的理想环境,是技术计算和网络建模仿真的理想工具。蚁群优化算法(ACO)在蚂蚁离开巢穴寻找食物来源时,刺激了它们的实际蚁群。为了完成这项任务,蚂蚁尽可能地通过信息素追踪进行通信,ACO算法已经在许多实际应用中证明了有效的优化技术[9,14]

由于层次结构,许多车辆被创建,并由道路集中选定的输入变量分布。本文提出了一种新的基于多种智能体的道路交通管理自适应多智能体系统,特别是蚁群行为,它具有良好的自适应性,减少了计算时间,通过整合影响路线选择的重要背景因素,用于路线评价。目的是提高整个道路网的质量,尤其是在拥挤和堵塞的情况下,考虑到驾驶员到达目的地的实时交通信息和行驶时间。为了达到目的,提高交通质量和繁忙程度,计算出健康地区车辆的行驶时间和实时交通信息。本文的组织结构如下:第二节概述了道路交通管理领域的研究和开展的工作。第三节介绍了本文提出的多智能体实时道路监控系统的模型。在第四节中,给出了有关结果的模拟和讨论,最后在第五节中总结了为下一项研究所进行的活动、评论和结构。

第2章 文献综述

近年来,我国交通安全与应急状态下交通管理的研究主要集中在两个方面:超支过程和多智能体系统。在Ducasse,2010年的一篇文章中,提出了一种更新的移动系统,通过电子数据保持健康,使其能够使用超量过程读取信息。在本文中,一个应用的移动软件应用程序可以接收健康信息,并考虑基于Android、驱动程序和援助人员,并远程查看相关的图像。在Roulym,2010的文章中,无线传感器网络被用于数据采集过程的自动化,收集到的信息通过应用覆盖过程传输给诊所的员工(健康)。Kofi,2009提出的另一种方法具有通过分布式操作系统获取数据交互和服务的能力。多智能体系统已被用于技术支持监测、处理和接收道路信息[21、28]。近年来,研究人员对使用人工智能技术和方法来解决与交通系统相关的复杂问题更感兴趣[17,37–39]。一个基于解决技术的系统已经发布,该技术将决策问题分为子问题和单独使用独立组织作为智能体。每个智能体都可以使用不同的方法、知识和资源来处理数据任务。智能体是指一个独立的组织,它可以采取一定的业绩来完成一系列的目标,并且在搜索其他智能体的个人目标时可以与之竞争和合作。智能体可以通过一系列功能来执行,包括利用大量领域知识、克服不正确的输入、实时学习决策环境以及用自然语言与他人交流的能力。多智能体方法形成于90年代中期,具有对复杂系统建模的能力,通常在寻求为众多独立单元提供解决方案时就知道了[23、24、33-36、40、45]。与交通管理领域的一些工作相关的研究都建立在群体智能的基础上。

图1显示了开发的MAS中智能体的通用体系结构。知识库模块是用规则库系统实现的,目前还没有实现对智能体的学习(知识更新)。如果需要学习任何智能体以获得更好的性能,它将在将来实现。决策模块的详细实现在建议的方法部分中进行了解释。 大部分的工作都集中在模拟和建模上,但其中一些工作安装在真实的样本中。本文将多智能体仿真方法应用于多智能体仿真,开发了多智能体体系结构和仿真系统。Swarm智能在交通和运输过程的复杂建模中得到了很好的应用[49]。蚁群优化(aco)[20,46–48]在解决特定行业的运输问题中得到了很好的应用,如旅行商问题(tsp)和二手车路径问题。此外,在过去的两年中,基于蚂蚁行为的运动和运行参数被用来进行相互比较,以适应动态环境。本研究的主要局限性在于不考虑实时动态信息,试图通过多智能体系统和多智能体仿真模型来修正蚂蚁行为,实现与交通管理的交互。

第3章 实时多智能体监控模型

将单独的任务建模为智能化,通过合作的概念,使救护车司机的每一次表现和行动都能达到平衡,从而达到一个共同的目标。多智能体模型之所以符合实际情况,是因为它比标准条件更适合个人行为和合作关系[25-27、56、57]

该模型认为,由于路径网络流量是驾驶员行为与网络效率对比的结果,因此所有驾驶员都不遵循所建议的导航方式。这意味着驱动行为将影响网络效率。

3.1确定拟定的交通规范

管理体系结构

基于一系列固定工具,在主路径上安装了流量管理,如下所示:

  1. 用于计算车辆数量的传感器
  2. 用于检测交通流的摄像头
  3. 显示道路状况的可变信息标志(vms)

由于使用交通管理模式十分重要,因此,全球定位系统(GPS)等卫星导航系统可疑非常方便的定期收集位置信息、车速和方向。这些研究工具的最新进展已引导实时交通信息改善道路选择的决策[23,24,58–60,63,64],Hamidi 2011[29,30]

在紧急情况下,应支持交通管理系统计算所有配备GPS设备的车辆的实时交通流量。交通控制中心负责发送和接收车辆的位置信息。当GPS信息不可用时,特别是在发展中国家(如伊朗),我们可以计算通过蜂窝数据网络的速度,如GSM(全球移动通信系统)[42,61];2012年),[29,31,43,44]。GSM系统可以提供手机公司获取的平均流量密度信息的近似大小。每打开一个手机,就像一个匿名探针,流量信息源,都会变成流量浏览器。事实上,一家手机公司可以为其客户追踪他所在的地点:对那些在道路上有伴的人进行匿名分析时,在不考虑车内移动设备的情况下,其速度比乘客在人群中行走的速度要快,或者每个人都有一个以上的移动设备,这种技术是在没有新的基础设施的情况下,将每辆车的平均速度作为实时形式提供的。当然。交通管理系统还需要考虑使用道路引导系统(RGS)来交互驾驶员和车辆之间的信息,以及地理信息系统(GIS)来提供道路网络的数字地图。无线通信设备(如射频)可以在远程传感器和RGS之间进行通信。这些系统可以放置在汽车或智能手机上。

3.2在紧急情况下管理运输的多智能体架构

为了实现和评估车辆的智能控制,特别是在分级系统中,可以使用基于多智能体系统的技术,其理由如下:

  1. 为了提高整个传输网络的复杂度和规模,需要分布式智能体和局部解决方案,解决这些问题的需求需要进入基于多智能体系统的技术领域。
  2. 智能网络中的信息流、优化和协商可以很好地集成和显示在多因素系统中。
  3. 在实际实施之前,系统可以采用多智能体的预试和分析系统。

在其提出的层次管理结构中,研究涉及三个物种:基于AGRE(agent-group-role-environment)的道路网络层次组织结构,由[22,52]提供。建议的模型有3个因素:

  1. 紧急情况智能体(ECA)
  2. 路径支持智能体(PSA)
  3. 智能车辆智能体(IVA)

图2显示了分层的多智能体体系结构,包括智能体和以及组成智能体之间的通信网路。多智能体系统(MAS)是面向智能体技术中最令人兴奋和发展最快的领域之一,它涉及自主决策实体的建模。微网格的MAS建模是构建智能交通系统的最佳选择之一,其中每一个必要的元素都由智能的自治智能体来表示。它提供了一个平台,利用人工智能和数学工具相结合来决定智能体的最佳行为(图2)。

然后,为了在系统中进行不同智能体之间的合作,如图3所示,在每个交叉口活动的顺序需要反复执行以到达目的地(健康中心)。

有必要考虑所有智能体在同一个周期内的性能,并在点对点同步通信的基础上交换消息。根据各机构活动周期的边界,收到一份重复的程序/措施/行动,其详细信息见[32,53–55]

3.3使用蚁群管理流量

提议的测量智能体,由主要值启动,特别是在驾驶员从起点到目的地的过程中,包括搜索每个目的地的最佳道路。

从多智能体技术的角度来看,该方法由三个不同智能体上的并行和分布式进程组成。车辆自适应路由方法[64]

  1. 智能车辆智能体:
  2. 主要来源和目的地值(对于所有qroad=1)
  3. 搜索可能的目标复合体
  4. 计算道路质量
  5. 路径的数目
  6. 计算转移的可能性
  7. 选择最佳路径
  8. 在交叉口后的最后的道路上计算归一化速度
  9. 计算加强值
  10. 路径的数量
  11. 道路监控智能体
  12. T的期间

根据从智能车接收到的大量信息,在图4中,提供了一个通用框架。控制环如图4所示,它在这段时间内经常出现。实时应用数据,作为仿真输入发送,基于智能体设置仿真结果和应用参数。通过根据性能标准绘制流量智能体参数,模拟各种参数在多智能体系统中运行,以及允许控制这些参数的应用。在给定的框架内,多个模拟以并行节点进行,它们是基于智能体的模拟,用于对流量进行建模,并必须设置输入系统以获取主要值::

  1. 来自应用程序的实时数据

② 模拟智能体的交通控制参数

所有的模拟都是同时进行的,并且接收到的实时数据与所有必要的信息都相同,以显示模拟中当前的应用情况。模拟还接收到一个交通控制参数值,该值通过多个模拟发生变化,并且由于模拟的随机性,可以使用相同的交通控制参数重复模拟。实时数据是从任何智能体发送的信息中获得的。

  1. 更新路径质量:
  2. 紧急情况下智能体
  3. 在时间t期间,通过网络更新路径的所有质量。

资料编号:[5967]

原文和译文剩余内容已隐藏,您需要先支付 20元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。