本發(fā)明屬于交通管理，具體的說(shuō)是一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)方法及系統(tǒng)。

背景技術(shù)：

1、隨著移動(dòng)通信技術(shù)的普及，路徑誘導(dǎo)——通過(guò)信息系統(tǒng)(如智能手機(jī)應(yīng)用程序、可變信息標(biāo)志、車(chē)輛應(yīng)用程序)為駕駛者提供實(shí)時(shí)交通信息和最佳交通路線(xiàn)——在城市交通中扮演著愈發(fā)重要的角色。研究表明，路徑誘導(dǎo)能顯著影響交通系統(tǒng)的通行效率和溫室氣體排放。在城市道路交通網(wǎng)絡(luò)密集的情況下，通過(guò)路徑誘導(dǎo)方法提高交通系統(tǒng)效率并降低交通碳排放成為了一種可行的思路。

2、但傳統(tǒng)的路徑誘導(dǎo)方法往往側(cè)重于單一目標(biāo)(如出行時(shí)間最短)，而忽略了交通效率與溫室氣體排放之間的平衡，以及城市管理的多樣化需求或出行者多元化的偏好。因此，如何建立有效的多智能強(qiáng)化學(xué)習(xí)方法，為出行者提供差異化的交通路徑誘導(dǎo)，并能夠靈活切換不同誘導(dǎo)目標(biāo)，以更好地滿(mǎn)足不同情況下的交通誘導(dǎo)需求，把握和增強(qiáng)多目標(biāo)交通誘導(dǎo)對(duì)整個(gè)城市交通系統(tǒng)的調(diào)控能力，是當(dāng)前亟待解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在解決現(xiàn)有導(dǎo)航系統(tǒng)中誘導(dǎo)目標(biāo)單一、導(dǎo)致交通資源利用不均衡的問(wèn)題，提出一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)方法及系統(tǒng)，本發(fā)明考慮出行時(shí)間、排放等多重目標(biāo)，為不同起點(diǎn)-終點(diǎn)對(duì)(od對(duì))的出行者、同od對(duì)的不同出行者提供差異化的誘導(dǎo)路徑，在提升交通系統(tǒng)效率的同時(shí)減少系統(tǒng)排放，提升交通系統(tǒng)的整體效能，同時(shí)，本發(fā)明還能夠根據(jù)城市管理需求，靈活調(diào)整誘導(dǎo)策略，進(jìn)而提升城市交通管理的效率和響應(yīng)能力，具體技術(shù)方案如下：

2、本發(fā)明的一方面，提供了一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，該系統(tǒng)包括：

3、仿真模塊，用于對(duì)仿真交通需求進(jìn)行校準(zhǔn)；

4、優(yōu)化控制模塊，用于隨著時(shí)間推移最大化整個(gè)系統(tǒng)的累積獎(jiǎng)勵(lì)；

5、迭代優(yōu)化模塊，用于在信息交互中實(shí)現(xiàn)策略迭代優(yōu)化；

6、判斷模塊，用于通過(guò)仿真模塊信息判斷系統(tǒng)收益是否趨于穩(wěn)定；

7、輸出模塊，用于輸出管控方案。

8、具體的，在仿真模塊中，利用sumo作為微觀仿真平臺(tái)，標(biāo)定交通需求，并根據(jù)可行性為每個(gè)od對(duì)預(yù)審3-4條備選路徑。

9、具體的，在優(yōu)化控制模塊中，包括一個(gè)多智能體馬爾可夫決策過(guò)程模型，其優(yōu)化目標(biāo)是通過(guò)改進(jìn)智能體的策略，隨著時(shí)間推移最大化整個(gè)系統(tǒng)的累積獎(jiǎng)勵(lì)。

10、具體的，智能體的決策變量包括狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)；

11、其中，狀態(tài)是交通狀況的度量，用一個(gè)向量st＝(bt,i,vt,i,lt,i)表示，其中，bt,i表示在給定時(shí)間步長(zhǎng)下每條邊上的車(chē)輛數(shù)量，vt,i表示平均車(chē)速，lt,i表示平均行駛距離，每個(gè)智能體j的動(dòng)作是一個(gè)誘導(dǎo)分流率，在預(yù)先確定備選路徑中進(jìn)行比例分配；

12、動(dòng)作向量表示為其中m(j)表示備選路徑的數(shù)量。例如，對(duì)于一個(gè)特定的od對(duì)d，動(dòng)作表示分配給備選路徑1、2和3的車(chē)輛數(shù)比例；

13、獎(jiǎng)勵(lì)定義為反映交通效率的旅行時(shí)間(tt)與反應(yīng)環(huán)境影響的二氧化碳排放量(ce)的綜合指標(biāo)，表示為：

14、rt＝-αttt-(1-α)*γ*cet

15、其中，ttt＝∑ttt,e是車(chē)輛e在當(dāng)前路況下完成全程的通行時(shí)間，cet＝∑cet,i是路段i的二氧化碳排放量；

16、參數(shù)γ用于統(tǒng)一兩個(gè)值的數(shù)量級(jí)，具體數(shù)值基于仿真場(chǎng)景中的總行駛時(shí)間和總排放量，以及單個(gè)目標(biāo)優(yōu)化的總行駛時(shí)間和總排放量進(jìn)行估計(jì)；

17、通過(guò)權(quán)重α調(diào)整模型的優(yōu)化目標(biāo)：當(dāng)α＝0時(shí)，模型目標(biāo)為減少排放；當(dāng)α＝1時(shí)，模型優(yōu)先考慮通行時(shí)間和效率；

18、當(dāng)α＝0.5時(shí)，模型將減少排放與提高通行效率作為共同目標(biāo)，旨在尋找能夠?qū)崿F(xiàn)兩個(gè)目標(biāo)平衡的誘導(dǎo)優(yōu)化解。

19、具體的，在優(yōu)化控制模塊中，還包括使用初始化強(qiáng)化學(xué)習(xí)算法，以?xún)?yōu)化整個(gè)網(wǎng)絡(luò)的交通效率和排放；

20、其中，初始化強(qiáng)化學(xué)習(xí)算法為vda2c算法，使用從多智能體馬爾可夫決策過(guò)程獲得的轉(zhuǎn)換作為輸入來(lái)學(xué)習(xí)代理的狀態(tài)-動(dòng)作映射，并根據(jù)更新的策略將獎(jiǎng)勵(lì)動(dòng)作返回。

21、具體的，在優(yōu)化控制模塊中，還包括設(shè)置出行者偏好屬性。

22、具體的，在信息交互中實(shí)現(xiàn)策略迭代優(yōu)化包括：根據(jù)交通需求分析和仿真場(chǎng)景，選定od對(duì)并確定相應(yīng)的備選路徑；

23、在仿真模塊和優(yōu)化控制模塊之間建立信息交互機(jī)制，通過(guò)仿真過(guò)程收集智能體在不同狀態(tài)下采取各種動(dòng)作所獲得的獎(jiǎng)勵(lì)信息；

24、引入強(qiáng)化學(xué)習(xí)中的動(dòng)態(tài)調(diào)整機(jī)制，采用策略梯度方法優(yōu)化策略。

25、具體的，通過(guò)仿真模塊信息判斷系統(tǒng)收益是否趨于穩(wěn)定的標(biāo)準(zhǔn)為：當(dāng)仿真模塊輸出的獎(jiǎng)勵(lì)值趨于穩(wěn)定，或算法達(dá)到最大迭代次數(shù)，認(rèn)為優(yōu)化過(guò)程結(jié)束。

26、具體的，輸出管控方案包括在策略?xún)?yōu)化完成后，通過(guò)對(duì)比優(yōu)化前后的交通系統(tǒng)的效率和排放量，驗(yàn)證優(yōu)化策略的有效性。

27、本發(fā)明的另一方面，提供了一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)方法，包括如下步驟：

28、s1：初始化仿真模塊，實(shí)現(xiàn)對(duì)仿真交通需求進(jìn)行校準(zhǔn)；

29、s2：初始化優(yōu)化控制模塊，實(shí)現(xiàn)隨著時(shí)間推移最大化整個(gè)系統(tǒng)的累積獎(jiǎng)勵(lì)；

30、s4：利用迭代優(yōu)化模塊在信息交互中實(shí)現(xiàn)策略迭代優(yōu)化；

31、s5：通過(guò)判斷模塊實(shí)現(xiàn)利用仿真模塊信息判斷系統(tǒng)收益是否趨于穩(wěn)定；

32、s6：通過(guò)輸出模塊輸出管控方案。

33、有益效果：

34、1.本發(fā)明通過(guò)提供差異化的路徑誘導(dǎo)信息，避免同質(zhì)化導(dǎo)航信息引發(fā)的交通擁堵，實(shí)現(xiàn)交通流量的動(dòng)態(tài)均衡，顯著提升交通網(wǎng)絡(luò)整體效率并降低車(chē)輛排放，為綠色交通的發(fā)展提供有力支持?；诤贾菔辛羰焖俾芳爸苓厖^(qū)域交通數(shù)據(jù)進(jìn)行測(cè)試，在多個(gè)目標(biāo)下均證明了誘導(dǎo)策略?xún)?yōu)化對(duì)系統(tǒng)表現(xiàn)的提升效果。其中，在生態(tài)目標(biāo)下，道路網(wǎng)絡(luò)的整體效率提高了13.90％，二氧化碳排放量減少了16.09％，在實(shí)現(xiàn)提高效率和減少排放兩大目標(biāo)方面取得了顯著的共贏效果。

35、2.本發(fā)明提出了一種適用于實(shí)時(shí)交通誘導(dǎo)的多智能體馬爾可夫決策框架，能夠靈活適配不同誘導(dǎo)目標(biāo)，響應(yīng)多樣化的城市交通管理需求。該框架提升了交通管理的精準(zhǔn)性與適應(yīng)性，為復(fù)雜交通場(chǎng)景中的高效誘導(dǎo)提供了堅(jiān)實(shí)的理論與實(shí)踐基礎(chǔ)。

36、3.本發(fā)明充分考慮出行者的個(gè)體偏好，提出差異化定制的路徑誘導(dǎo)策略，能夠深入挖掘出行者需求與行為模式的潛在規(guī)律，同時(shí)顯著提高出行者對(duì)路徑選擇的滿(mǎn)意度和遵從度。在優(yōu)化后的誘導(dǎo)策略下，針對(duì)不同偏好屬性的出行者，分配的路徑呈現(xiàn)出顯著的傾向性，為個(gè)性化交通管理開(kāi)辟了新的方向。

技術(shù)特征：

1.一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：該系統(tǒng)包括：

2.如權(quán)利要求1所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：在仿真模塊中，利用sumo作為微觀仿真平臺(tái)，標(biāo)定交通需求，并根據(jù)可行性為每個(gè)od對(duì)預(yù)審3-4條備選路徑。

3.如權(quán)利要求1所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：在優(yōu)化控制模塊中，包括一個(gè)多智能體馬爾可夫決策過(guò)程模型，其優(yōu)化目標(biāo)是通過(guò)改進(jìn)智能體的策略，隨著時(shí)間推移最大化整個(gè)系統(tǒng)的累積獎(jiǎng)勵(lì)。

4.如權(quán)利要求1所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：智能體的決策變量包括狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)；

5.如權(quán)利要求3所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：在優(yōu)化控制模塊中，還包括使用初始化強(qiáng)化學(xué)習(xí)算法，以?xún)?yōu)化整個(gè)網(wǎng)絡(luò)的交通效率和排放；

6.如權(quán)利要求3所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：在優(yōu)化控制模塊中，還包括設(shè)置出行者偏好屬性。

7.如權(quán)利要求1所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：在信息交互中實(shí)現(xiàn)策略迭代優(yōu)化包括：根據(jù)交通需求分析和仿真場(chǎng)景，選定od對(duì)并確定相應(yīng)的備選路徑；

8.如權(quán)利要求1所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：通過(guò)仿真模塊信息判斷系統(tǒng)收益是否趨于穩(wěn)定的標(biāo)準(zhǔn)為：當(dāng)仿真模塊輸出的獎(jiǎng)勵(lì)值趨于穩(wěn)定，或算法達(dá)到最大迭代次數(shù)，認(rèn)為優(yōu)化過(guò)程結(jié)束。

9.如權(quán)利要求3所述的一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)系統(tǒng)，其特征在于：輸出管控方案包括在策略?xún)?yōu)化完成后，通過(guò)對(duì)比優(yōu)化前后的交通系統(tǒng)的效率和排放量，驗(yàn)證優(yōu)化策略的有效性。

10.一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)方法，其特征在于：包括如下步驟：

技術(shù)總結(jié)
本發(fā)明屬于交通管理技術(shù)領(lǐng)域，具體的說(shuō)是一種基于多智能體的多目標(biāo)交通路徑誘導(dǎo)方法及系統(tǒng)，仿真模塊，用于對(duì)仿真交通需求進(jìn)行校準(zhǔn)；優(yōu)化控制模塊，用于隨著時(shí)間推移最大化整個(gè)系統(tǒng)的累積獎(jiǎng)勵(lì)；迭代優(yōu)化模塊，用于在信息交互中實(shí)現(xiàn)策略迭代優(yōu)化；判斷模塊，用于通過(guò)仿真模塊信息判斷系統(tǒng)收益是否趨于穩(wěn)定；輸出模塊，用于輸出管控方案，本發(fā)明通過(guò)提供差異化的路徑誘導(dǎo)信息，避免同質(zhì)化導(dǎo)航信息引發(fā)的交通擁堵，實(shí)現(xiàn)交通流量的動(dòng)態(tài)均衡，顯著提升交通網(wǎng)絡(luò)整體效率并降低車(chē)輛排放，為綠色交通的發(fā)展提供有力支持。

技術(shù)研發(fā)人員：李德纮,戚子玥,朱政,王凌昊,蔣哲遠(yuǎn),胡雋
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15