國內圖書分類號：U491.5+4

國際圖書分類號：629

工學碩士學位論文

基于多智能體協(xié)商的

駕駛員路徑選擇行為仿真研究

碩士研究生：崔娜

導

申請

師：安實教授

學位：工學碩士

學科、專業(yè)：交通運輸規(guī)劃與管理

所在單位：深圳研究生院

答辯日期：2007年6月

授予學位單位：哈爾濱工業(yè)大學

ClassifiedIndex:U491.5+4

U.D.C:629

DissertationfortheMasterDegreeofEngineering

AMULTI-AGENTNEGOTIATION

APPROACHTOSIMULATEAND

ANALYZEDRIVERS?ROUTECHOICE

BEHAVIOR

Candidate:

Supervisor:

AcademicdegreeAppliedfor:

Specialty:

Affiliation:

dateofdefence:

degree-Conferring-Institution:

CuiNa

Prof.AnShi

MasterofEngineering

TransportationPlanningand

Management

ShenzhenGraduateSchool

June,2007

HarbinInstituteofTechnology

哈爾濱工業(yè)大學工學碩士學位論文

摘

要

城市交通流誘導系統(tǒng)(UrbanTrafficFlowGuidanceSystem，UTFGS)是智

能交通系統(tǒng)(IntelligentTransportationSystems，ITS)的重要研究內容。UTFGS

通過對車輛進行誘導來改善路面交通狀況，并最終實現(xiàn)交通流在整個路網(wǎng)上

的合理分配，動態(tài)路徑選擇是UTFGS中的核心理論。目前國內外對路徑選

擇方面的研究大多是從集中處理的角度考慮，這些方法由于信息收集和計算

速度等多方面的原因而在實際應用中受限。分布式的處理方法是解決動態(tài)路

徑選擇問題的另一個思路。本文從分布處理的角度出發(fā)，利用Agent技術具

有的智能性、學習性等特點幫助出行者處理出行信息，并通過智能體之間的

交互協(xié)商完成路徑選擇。在協(xié)商的過程中以駕駛員的出行意愿為主導，輔以

提高路網(wǎng)的整體效率，同時兼顧“用戶”最優(yōu)和“系統(tǒng)”最優(yōu)的分配原則。

本文首先分析了駕駛員路徑選擇行為的影響因素，通過決策意向調查，

確定了駕駛員在進行路徑選擇時的決策目標、相應權重及評價閾值。在此基

礎上，建立了各目標的效用函數(shù)以及評價出行路徑的線性效用最大值模型，

為智能體選擇出行路徑提供了依據(jù)。

根據(jù)多智能體相關原理，本文建立了3種類型的智能體：路網(wǎng)系統(tǒng)管理

者智能體Agent-TMS、協(xié)調者智能體Agent-ISP和代表駕駛員出行意愿的車

輛智能體Agent-IRCS。在此基礎上，建立了出行前的路徑選擇協(xié)商模型。

最后利用多智能體仿真軟件Starlogo，對3種不同出行比例(150：50，100：

100，50：150)情況下駕駛員無信息無協(xié)商出行、有信息無協(xié)商出行、有信息

有協(xié)商出行3種路徑選擇方式以及有信息有協(xié)商出行中各種車型組成比例

情況下的駕駛員路徑選擇行為進行仿真。仿真結果不僅揭示了出行信息的重

要性，也驗證了協(xié)商方法在駕駛員路徑選擇方面的有效性和優(yōu)越性。

關鍵詞交通流誘導；路徑選擇；多智能體協(xié)商

I

哈爾濱工業(yè)大學工學碩士學位論文

Abstract

UrbanTrafficFlowGuidanceSystem(UTFGS)isoneofthemost

importantresearchcontentsofIntelligentTransportationSystems(ITS).

UTFGStakesthemeasureofguidancetoimprovetrafficsystemperformance,

andfinallyrealizesmoreefficientassignmentinthewholeroadnetwork.

DynamicroutechoiceisthekerneltheoryofUTFGS.Actualresearcheson

dynamicroutechoicemostlyfocusoncentralizeddisposalmethod,whichis

alwayslimitedinpracticalapplicationforitscomplexityandslowcalculation

speed,whiledistributeddisposalmethodisanotherwaytosolvedynamic

routechoiceproblem.Inthispaper,theproblemisconsidedfromthepointof

distributeddisposal,andtakingadvantageofintelligenceandlearningability

ofagenttohelpdriversdealwithtrafficinformation.Finallynegotiation

amongagentsrealizesroutechoice.Intheprocessofnegotiation,drivers'

travelintentionwillbedominant,thentoenhancenetworkperformance,

whichwillgiveattentionbothtotheassignmentprincipleofuseroptimaland

systemoptimal.

Firstly,theinfluencefactorsofdrivers'routechoicebehaviorare

analysed.Bycarryingthroughdecision-makingintentinvestigation,the

evaluationcriteriaandtheircorrespondingweightsandanchorpointsthat

driverspayattentiontoduringtheprocessofroutechoiceareconfirmed.On

thebasisofsurvey,theutilityfunctionsofeachobjectiveandlinearutility

maximizationmodelusedformeasuringrouteperformancearesetup,which

providegistforagentstoselectroutes.

Accordingtomulti-agenttheory,threetypesofagentsaremodeled:

systemmanageragent(Agent-TMS),mediatoragent(Agent-ISP)anddriver

agent(Agent-IRCS),andtheroutechoicenegotiationmodelbetween

Agent-IRCSandAgent-ISPisalsobuilt.Byusingmulti-agentsimulation

software,Starlogo,threedifferenttravelscenarios:noinformationno

negotiationtravel,offeringinformationbutnonegotiationtravelandboth

offeringinformationandnegotiationtravel,aretested.Eachscenariois

II

哈爾濱工業(yè)大學工學碩士學位論文

simulatedundersmall(50:150),moderate(100:100)andbig(150:50)travel

proportionconditionswherenumericalvalueisthetravelnumberratioof

commonvehiclestoexperimentvehicles.Furthermore,thebesttravel

proportionofthethirdsenarioisstudiedaswell.Simulationresultsnotonly

provedthesignificanceoftrafficinformation,butalsotestifiedthevalidity

andsuperiorityofnegotiation.

Keywordstrafficflowguidance,routechoice,multi-agentnegotiation

III

哈爾濱工業(yè)大學工學碩士學位論文

目

錄

摘

要...............................................................................................................I

Abstract...........................................................................................................II

第1章

緒論..................................................................................................1

1.1研究背景與研究意義............................................................................1

1.2國內外研究現(xiàn)狀....................................................................................2

1.2.1國外研究現(xiàn)狀.................................................................................2

1.2.2國內研究現(xiàn)狀.................................................................................5

1.2.3國內外研究現(xiàn)狀分析......................................................................6

1.3本文主要研究內容................................................................................7

1.3.1駕駛員路徑選擇行為影響因素分析...............................................7

1.3.2出行前的智能體行為模型及協(xié)商模型...........................................8

1.3.3駕駛員路徑選擇行為仿真實驗......................................................8

第2章

駕駛員路徑選擇行為影響因素分析..............................................10

2.1駕駛員路徑選擇的影響因素...............................................................10

2.2駕駛員路徑選擇決策意向調查...........................................................12

2.2.1調查的目的和意義........................................................................12

2.2.2調查的方法和內容........................................................................12

2.3駕駛員路徑選擇決策意向調查數(shù)據(jù)分析............................................13

2.4駕駛員路徑選擇行為的效用理論.......................................................15

2.4.1效用理論及其在路徑選擇分析中的應用.....................................15

2.4.2效用函數(shù)模型的建立....................................................................16

2.5本章小結..............................................................................................18

第3章

出行前的智能體行為模型及協(xié)商模型..........................................19

3.1智能體與多智能體系統(tǒng).......................................................................19

3.1.1Agent技術......................................................................................19

3.1.2多智能體系統(tǒng)(MAS)....................................................................19

3.1.3多智能體系統(tǒng)在智能交通中的應用.............................................20

3.2出行前的智能體行為模型...................................................................21

3.2.1Agent-IRCS模型.............................................................................21

IV

哈爾濱工業(yè)大學工學碩士學位論文

3.2.2Agent-TMS模型.............................................................................22

3.2.3Agent-ISP模型...............................................................................24

3.3出行前路徑選擇的協(xié)商模型...............................................................25

3.3.1協(xié)商流程模型...............................................................................25

3.3.2協(xié)商模型的分析...........................................................................27

3.3.3智能體協(xié)商空間的更新................................................................30

3.4智能體初始化及協(xié)商模型的實現(xiàn).......................................................32

3.4.1智能體初始化...............................................................................32

3.4.2協(xié)商模型的實現(xiàn)...........................................................................32

3.4.3Agent之間信息的流動...................................................................33

3.5本章小結..............................................................................................34

第4章

駕駛員路徑選擇行為仿真實驗......................................................35

4.1Starlogo介紹及與智能體之間的聯(lián)系...................................................35

4.1.1Starlogo的功能...............................................................................35

4.1.2Starlogo與智能體之間的聯(lián)系........................................................36

4.2仿真流程..............................................................................................37

4.3駕駛員路徑選擇行為仿真界面...........................................................39

4.4駕駛員路徑選擇行為仿真環(huán)境...........................................................40

4.5駕駛員路徑選擇行為仿真車輛的控制................................................43

4.6仿真實例的驗證與分析.......................................................................44

4.6.1不同出行方案情況下的駕駛員路徑選擇行為仿真......................44

4.6.2不同車型組成比例情況下的駕駛員路徑選擇行為仿真..............47

4.7本章小結..............................................................................................48

結論..............................................................................................................49

參考文獻........................................................................................................51

附錄1決策意向調查表................................................................................55

附錄2備選路徑表........................................................................................56

附錄3平均車速變化曲線............................................................................58

攻讀學位期間發(fā)表的學術論文......................................................................62

哈爾濱工業(yè)大學碩士學位論文原創(chuàng)性聲明...................................................63

哈爾濱工業(yè)大學碩士學位論文使用授權書...................................................63

哈爾濱工業(yè)大學碩士學位涉密論文管理......................................................63

致謝..............................................................................................................64

V

哈爾濱工業(yè)大學工學碩士學位論文

第1章

緒論

1.1研究背景與研究意義

城市交通流誘導系統(tǒng)(UrbanTrafficFlowGuidanceSystem，UTFGS)是智

能交通系統(tǒng)(IntelligentTransportationSystems，ITS)的重要研究內容[1]。UTFGS

希望通過對車輛進行誘導來改善路面交通狀況，并最終實現(xiàn)交通流在整個路網(wǎng)

上的合理分配。動態(tài)路徑選擇是UTFGS中的核心理論[1,2]，它主要解決的問題

是：以實時的路況信息和交通需求為輸入，在一定的優(yōu)化目標下為出行者提供

最合理的出行路徑。

從集中處理的角度考慮，進行路徑選擇的方法以Dijkstra算法最具有代表

性，但這種算法由于信息收集和計算速度等多方面的原因而在實際應用中受限。

分布式的處理方法是解決動態(tài)路徑選擇問題的另一個思路[3]。本文希望借助多

智能體系統(tǒng)(Multi-AgentSystems，MAS)的概念，用分布處理的方法解決駕駛

員動態(tài)路徑選擇問題。

多智能體系統(tǒng)是近年來解決復雜系統(tǒng)問題的一種較好的分布式處理方法。

其特點是：把建模重點放在智能體的行為上，利用智能體之間的相互協(xié)調和自

我學習的功能，實現(xiàn)復雜系統(tǒng)的整體控制優(yōu)化[4]。智能體可以看作是系統(tǒng)某部

分的檢測和控制單元。某智能體在工作的同時，將控制方案與檢測到的參數(shù)傳

遞給與之相關的智能體，使其他智能體在做出本身控制策略的同時，能充分考

慮到該智能體的影響。所有的智能體通過建立自己的知識庫，利用學習機制，

信息共享，以及遞歸尋優(yōu)的方法，將局部優(yōu)化問題和系統(tǒng)優(yōu)化問題統(tǒng)一起來。

在城市交通的動態(tài)路徑選擇過程中，尤其適合使用智能體。這是因為：交通網(wǎng)

絡具有明顯的物理關聯(lián)性，這種強關聯(lián)性為智能體之間選擇性地協(xié)商與溝通提

供了便利，大大簡化了多智能體之間的信息傳遞問題；再者，多智能體系統(tǒng)比

較適合于解決復雜系統(tǒng)的建模和求解問題，能夠快速生成路徑，雖然這條路徑

不一定是嚴格意義上的用戶最優(yōu)，但這樣滿足了系統(tǒng)的實時性要求。

本課題來源于國家自然科學基金面上項目(項目編號：70673016)，項目名稱

是ITS環(huán)境下基于多智能體的交通行為分析方法研究。本文旨在通過開展實時

信息下駕駛員路徑選擇決策意向調查，分析駕駛員路徑選擇行為影響因素，建

立實時信息下駕駛員路徑選擇協(xié)商模型，在此基礎上利用多智能體仿真軟件

-1-

哈爾濱工業(yè)大學工學碩士學位論文

Starlogo，對多智能體模型進行仿真。通過設定不同的仿真環(huán)境，分析靜態(tài)網(wǎng)絡

中駕駛員經(jīng)驗路徑與動態(tài)信息網(wǎng)絡中駕駛員自主選擇的路徑和協(xié)商選擇出行路

徑情況下路網(wǎng)系統(tǒng)的性能，評價交通信息以及協(xié)商對駕駛員路徑選擇的動態(tài)影

響。

1.2國內外研究現(xiàn)狀

國內外對駕駛員路徑選擇模型研究的成果較為豐富，研究方法大致分為兩

類：一類是以效用函數(shù)為基礎的離散選擇模型，如多項Logit模型，多項Probit

模型以及它們的改進模型等。另一類是基于模糊邏輯和層次分析等排序方法的

混合模型。Agent在交通中的應用，多數(shù)是利用多智能體系統(tǒng)(Multi-Agent

System，MAS)的構架思想將一個復雜系統(tǒng)進行任務分解，形成多個Agent組成

的系統(tǒng)，由各個Agent相互協(xié)作共同完成復雜系統(tǒng)的任務，一般用于區(qū)域控制、

誘導系統(tǒng)等，通過Agent之間的協(xié)調與交互，達到系統(tǒng)效益最優(yōu)。另外一個應用

就是對交通行為個體的建模，比較有名的是BDI(Belief、Desire、Intention)模型。

在交通個體行為分析領域，多數(shù)結合微觀交通仿真工具來驅動Agent模型。

1.2.1國外研究現(xiàn)狀

基于效用函數(shù)的駕駛員路徑選擇模型研究由于用戶對使用某條路徑的

成本認識存在偏差，因此用戶平衡(UserEquilibrium，UE)原則的配流效果并不

理想。Daganzo和Sheffi于1977年提出隨機用戶平衡(StochasticUserEquilibrium，

SUE)條件，他們認為用戶選擇某條路徑的效用Uk不能被直接測量，而是由確定

項Vk和隨機誤差項k兩部分組成[5]。假設阻抗函數(shù)是正的、嚴格遞增、二次連

續(xù)可微的函數(shù)，Sheffi和Powell證明了SUE與無約束數(shù)學規(guī)劃的最優(yōu)性條件一致

[6]

型。

現(xiàn)有的離散選擇模型可分為三類：多項式概率模型(MultinomialProbit，

MNP)[7~9]、多項Logit模型(MultinomialLogit，MNL)和基于一般極值理論(General

ExtremeValue，GEV)的模型。其中MNL模型又有多種改進形式：巢式Logit模型

(NestedLogit，NL)[10]、逐對組合巢式Logit模型(PairedCombinatorialNested

Logit，PCNL)[11]、C-Logit模型[12]和路徑規(guī)模Logit模型(PathSizeLogit，PSL)[13]

等。

-2-。此后，多位學者對SUE問題進行了深入研究，提出了多種離散的路徑選擇模

哈爾濱工業(yè)大學工學碩士學位論文

MNP是由Daganzo和Sheffi提出的[14]。他們假設隨機誤差項k服從正態(tài)分

布。若某個OD之間的路徑集合為K，根據(jù)效用最大化假設，路徑k被出行者選

擇的概率為

P(U

(1-1)

如果路徑集合中只有兩條路徑，此時的概率求解是一元正態(tài)分布問題，比

較容易解決。但當路徑集合中多于兩條路徑時，問題就轉化成多元正態(tài)分布求

解問題。這類問題的運算十分復雜，Clark提出的循環(huán)逼近法可用來解決這個問

題，也可用蒙特卡洛仿真對其進行求解。

雖然使用Clark循環(huán)逼近法可以解決多條路徑的選擇問題，但計算量仍然十

分繁重，而且隨著可選路徑的增多，其逼近的效果越來越差，這已成為MNP模

型的應用受到限制的一個重要原因。MNP模型的應用受到限制的另一個因素是

隨機誤差項協(xié)方差矩陣的估計比較困難，據(jù)此，Tetsuo提出了一種結構化協(xié)方差

矩陣，簡化了矩陣的求解[8]。

MNL模型是McFadden提出的[15],假設隨機誤差項服從獨立同分布的Gumbel

變量。根據(jù)效用最大化的假設，可得路徑k被選中的概率為

Pk

exp(Vk)

∑exp(Vj)

j∈Krs

(1-2)

MNL模型具有簡單的結構，運算上也比MNP模型簡單許多。但它假設隨機

誤差項獨立同分布，而在實際路網(wǎng)中，各條路徑之間往往有重復路段，因此產(chǎn)

生了不相關備選方案的獨立性(IndependenceofIrrelevantAltervative，IIA)現(xiàn)象。

為了彌補MNL模型的缺陷，多位學者對這一模型進行了改進，比較典型的

有PSL模型和C-Logit模型，它們主要是通過增加校正項來解決路徑之間的相似

性問題。

McFadden提出了GEV模型的特征函數(shù)G(Y1,Y2,K,YK)，Y1,Y2,K,YK≥0。這

一函數(shù)具有非負、均勻、奇數(shù)階偏導數(shù)非負、偶數(shù)階偏導數(shù)非正以及對于任意

一項Yi趨于無窮則G函數(shù)趨于無窮等優(yōu)良性質。對于任意函數(shù)，只要它具備這些

性質，就可根據(jù)GEV模型得到其中某個選擇項k被選中的概率為

YG(Y,Y,K,YK)

Gk(Y1,Y2,K,YK)

(1-3)

,Y,Y

GEV模型實際上是MNL模型以及MNL的大多數(shù)改進模型的一般形式，比如

-3-Pkk≥Ui)，i∈K且i≠k

Pkkk12

其中Gk(Y12,K,YK)是G(Y12,K,YK)對Yk的一階偏導數(shù)。

哈爾濱工業(yè)大學工學碩士學位論文

NL、PSL和CL等模型都可以轉化為GEV模型，它們的主要區(qū)別在于對G函數(shù)具

體表達式的差異。近年來，混合Logit模型提出誤差項由兩項構成，一項服從正

態(tài)分布，一項服從獨立的Gumbl分布。Walker和Bekhor等認為，混合Logit模型

中類似于Probit的部分可通過使用Logit核心平滑概率模擬器解析地表示出來，因

此路徑選擇概率容易計算。

1994年，Teodorovic和Kikuchi首先將模糊邏輯用于路徑選擇中，在模型中，

他們將出行時間定義為模糊數(shù)，對于由兩條路徑組成的網(wǎng)絡，用近似推理機獲

得每個駕駛員對路徑的偏好，并研究了網(wǎng)絡加載機制[16,17]。

Lotan(1997)、Lotan和Koutsopolous(1994)也基于模糊集理論和近似推理，建

立了路徑選擇模型。他們提出了一個離散選擇行為的兩階段框架模型，第一階

段駕駛員根據(jù)所提供的信息更新自己的知識，第二階段采用模糊推理機進行決

策[18,19]。

多智能體技術在路徑選擇研究中的應用國外在應用多智能體技術研究

駕駛員路徑選擇方面的內容大致可以分為兩類：一類是將駕駛員——車輛單元

做為一個整體進行研究建模，從出行個體的角度研究駕駛員的路徑選擇行為。

比較具有代表性的是Husseindia在2002年基于Agent的方法為駕駛員－車輛

(DVUs)建模，研究實時信息影響下駕駛員的路徑選擇行為。駕駛員－車輛(DVUs)

被標定為自治的軟件組件，它們每個都被設定一定的目標以及一個知識庫，包

括一定的信念、傾向和喜好。每個DVU基于對環(huán)境的感知都具有選擇路徑的能

力。案例研究清晰地反映出方法的可行性，以及基于BDI模式開發(fā)更加復雜的

駕駛員動態(tài)行為模型的潛在可能性[20]。同年JoachimWahle等人也開展了此類研

究，在假定車輛安裝了信息接受裝置并且駕駛員完全相信信息的情況下，利用

BDI(Belief、Desire、Intention)模型對車輛進行建模，Agent模型分為兩層結構：

戰(zhàn)略層和戰(zhàn)術層。通過在簡單的兩條相等長度的路徑上進行仿真，分析結果發(fā)

現(xiàn)提供的信息本質不同使得信息對系統(tǒng)性能的影響不同。同時出行時間信息會

導致兩條路徑上車流量、行車速度和密度發(fā)生擺動，隨著接受信息的車輛比例

的增加，這種波動會越加明顯[21]。另外也有一部分學者應用同類方法研究車輛

在出行過程中的跟馳、換車道等問題。如PeterHidas在2002年提出了采用Agent

技術在微觀交通流模型中標定車輛換車道和合流的模型，這些模型整合了強制

性和協(xié)商性的換車道過程[22]。2005年他又深入研究了這個問題，在交通阻塞條

件下，通過視頻檢測收集機動車合流和交織的行為數(shù)據(jù)，并采用Agent技術重

新建立了一個新的車輛換車道模型。仿真結果顯示它能以一個更加真實的方式

仿真高度阻塞的交通流[23]。

-4-

哈爾濱工業(yè)大學工學碩士學位論文

另一類研究內容是對整個路網(wǎng)進行建模，將其中的車輛、路網(wǎng)環(huán)境、控制

信號等分別看作不同的Agent，通過智能體之間的協(xié)商與協(xié)作來完成系統(tǒng)的運

行。具有代表性的是JeffreyL.Adler等人在2002年為了實現(xiàn)路網(wǎng)通行能力在時

空上更加有效地分配，同時又不過分侵犯個體出行者的出行意愿，提出了多智

能體之間的“原則”協(xié)商模型，這些參與協(xié)商的智能體包括：路網(wǎng)管理者，信息

服務者和安裝有路徑導航系統(tǒng)的車輛[24]。2003年他們又針對這種“原則”協(xié)商模

型進行了具體化，并且進行了仿真。仿真的結果顯示出這種協(xié)商模式可以優(yōu)化

網(wǎng)絡性能，并提高出行者的滿意度[25]。

1.2.2國內研究現(xiàn)狀

實時信息下駕駛員路徑選擇行為研究國內對駕駛員路徑選擇行為的研

究主要也是從模型和仿真兩個方面展開的。其中針對出行信息對駕駛員路徑選

擇行為影響的研究成果較為豐富。比較具有代表性的是2000年，石小法、王煒

等人考慮了交通信息對出行者選擇出行路徑的動態(tài)影響，建立了一種動態(tài)路徑

選擇模型。將不同類型的出行者對路段(路徑)運行時間的預測看作不同的隨機過

程，通過對出行路徑上節(jié)點的到達時間取期望值，利用一階近似表達式，研究

交通信息對出行者路徑選擇行為的影響[26]。2001年，他們又利用隨機均衡模型，

分析了交通信息對公路交通網(wǎng)絡的影響，并利用經(jīng)濟學的方法對不提供交通信

息(模型NI)和提供交通信息(模型I)兩種模型進行比較，驗證了交通信息在提高

交通網(wǎng)絡效率方面的有效性[27]。2002年林震、楊浩等人在研究出行者的出行心

理和出行行為的基礎上，分析了交通信息對出行選擇的影響，并提出在交通信

息誘導出行者出行時，存在信息過剩、過激反應和集聚反應等問題[28]。2003年，

張存保、楊曉光等人針對這些現(xiàn)象，研究了系統(tǒng)中信息質量、信息服務對象、

信息發(fā)布方式和信息發(fā)布位置等問題[29]。同樣是研究交通信息對出行者路徑選

擇行為的影響，李志純，黃海軍研究的內容有所不同，在假定路網(wǎng)中部分出行

者配備信息接收裝置的前提下，他們利用離散選擇理論中的層次選擇結構模型

和交通規(guī)劃理論中的隨機均衡方法，研究了交通信息對出行者終點選擇、方式

分擔和路徑選擇行為的綜合影響，并建立了一個與網(wǎng)絡均衡條件等價的數(shù)學規(guī)

劃模型[30]。

路徑選擇模型方面，蒲棋、楊曉光在1998年研究總結出描述性信息在運用

中的特征，初步建立了提供旅行時間信息條件下駕駛員的路徑選擇模型[31]。2002

年石小法也建立了一種ATIS環(huán)境下的動態(tài)路徑選擇模型。出行者采用貝葉斯方

-5-

哈爾濱工業(yè)大學工學碩士學位論文

法根據(jù)ATIS提供的交通信息和出行經(jīng)驗來更新路徑運行時間預測(意識)，并使

用意識運行時間效用函數(shù)作出出行選擇計劃[32]。2003年，孫燕、陳森發(fā)等人考

慮了駕駛員在路徑選擇中的不同要求，依據(jù)層次分析法和灰色評價理論建立了

一種根據(jù)駕駛員的偏好自適應選擇最優(yōu)路徑的方法[33]。

仿真方面，曾松、楊曉光在2002年通過駕駛員調查和計算機仿真測試等實

驗分析方法研究駕駛員的路徑選擇模式，對行程時間信息作用下駕駛員在熟悉

程度不同的路徑之間選擇進行分析，討論行程時間信息使駕駛員由常用路徑改

換到其它路徑上的傾向性，并使用多項式Logit模型對實驗數(shù)據(jù)進行分析[34]。

2001年李強、繆立新等人描述一個基于路徑的動態(tài)交通仿真模型(RDTS)，使用

一個微觀交通流仿真器結合一個駕駛員路徑策劃器來實現(xiàn)路網(wǎng)中每輛車從出發(fā)

地到目的地行程的模擬。應用開發(fā)的時間相關最短路模型，駕駛員在向目的地

前進途中可以根據(jù)交通條件的動態(tài)變化而動態(tài)地選擇和變更路徑。RDTS模型

采用一個路徑選擇模型來模擬詳細的動態(tài)交通分配過程，并能反映路網(wǎng)中個別

車輛的行為表現(xiàn)及其相互作用[35]。

智能體在交通中的應用國內在路徑選擇中應用智能體或者多智能體技

術的研究起步比較晚，文章多數(shù)在2003年以后。清華大學的夏冰、張佐等于2003

年給出了一種基于多智能體系統(tǒng)的動態(tài)路徑選擇新方法，該方法借助模擬軟件

PARAMICS建立了一個基于多智能體的交通誘導系統(tǒng)，并實現(xiàn)對一個簡單路網(wǎng)

的誘導管理，仿真的結果說明多智能體系統(tǒng)在實際交通誘導應用中的可行性[4]。

2004年向傳杰、賈云得等在Multi-Agent系統(tǒng)規(guī)劃的基礎上，綜合傳統(tǒng)兩點之間

最短路算法、自行設計的點聚合算法和鄰近點融入算法，并根據(jù)路況的變化和

GPS系統(tǒng)計算出的新路徑調整生成的路徑，形成了一種高效的智能路徑規(guī)劃系

統(tǒng)。實例研究表明，采用該路徑規(guī)劃系統(tǒng)可減少每天出車數(shù)量，平均降低行車

里程并降低運送的成本[36]。2005年邱凌云、陳鋒通過對交通流中駕駛員、車輛

特性的分析，將駕駛員和車輛視為一個整體，并基于Agent理論對之進行建模，

文中詳細分析了Agent的生成和路徑搜索及選擇算法，研究了Agent的跟馳、

換道和擠占道等行為[37]。

1.2.3國內外研究現(xiàn)狀分析

從國內外的研究成果來看，國外對實時信息影響下駕駛員路徑選擇行為的

研究成果比較豐富，發(fā)展了比較成熟的模型及方法，這其中有比較熟悉的基于

效用函數(shù)的Logit模型和Probit模型，以及這些模型的改進和延伸。國內在此方

-6-

哈爾濱工業(yè)大學工學碩士學位論文

面的研究成果也比較多，而且也有以國家自然科學基金為依托開展的研究。

智能體方面，國外的研究較多，在交通中應用Agent也有許多案例，在對

交通行為個體建模方面有成熟的BDI模型，而且多數(shù)將Agent分為兩層體系：

戰(zhàn)術層和戰(zhàn)略層，并通過微觀交通仿真來驅動Agent的模型；在Multi-Agent系

統(tǒng)建模方面，大多是建立合作分布式的多智能體系統(tǒng)，在進行動態(tài)路徑選擇的

同時，提高路網(wǎng)的整體效率，從而研究不同性質、不同類型的信息對整個交通

系統(tǒng)的影響。國內在交通中引入Agent技術相對比較晚，一部分為集中式智能

體系統(tǒng)，表現(xiàn)為建立領導者Agent，即從控制者的角度進行協(xié)商、互助；另一部

分為分布式智能體系統(tǒng)，即將一個復雜系統(tǒng)(比如交通控制系統(tǒng))進行任務分解，

分解為多個能夠完成一定目標、進行協(xié)作的Agent，通過Agent之間的交互有效

解決復雜問題，這也是近年來研究的熱點。而對交通行為個體的建模主要集中

在跟馳、換道和擠占道等方面的研究。

從國內外的研究現(xiàn)狀來看，駕駛員路徑選擇數(shù)學模型研究較多，仿真研究

相對較少。應用Agent技術研究動態(tài)網(wǎng)絡中駕駛員路徑選擇行為的成果主要集

中在兩個方面，一是對駕駛員——車輛單元個體建模，以實現(xiàn)“用戶”最優(yōu)分配

原則為主；二是從路網(wǎng)系統(tǒng)的角度入手，以提高路網(wǎng)整體效益為目標，即以實

現(xiàn)“系統(tǒng)”效益最優(yōu)為主，比較缺少綜合二者分配原則的研究。

1.3本文主要研究內容

根據(jù)國內外的研究現(xiàn)狀，本文綜合考慮駕駛員路徑選擇行為的影響因素，

應用多智能體技術對動態(tài)網(wǎng)絡中駕駛員路徑選擇行為進行研究，同時在多智能

體協(xié)商的過程中著重體現(xiàn)駕駛員的出行意愿，兼以提高路網(wǎng)的整體效率。通過

這種分布式處理的方法，為駕駛員路徑選擇提供一種新的方法。因此，本文主

要研究內容有以下幾個方面：

1.3.1駕駛員路徑選擇行為影響因素分析

1)分析影響駕駛員路徑選擇行為的各個因素，同時為了明確駕駛員的決策

意向，采用RP調查與SP調查相結合的方法開展決策意向調查。調查的目的主

要是確定駕駛員進行路徑選擇的決策標準，即決策目標、決策目標的權重以及

相應目標的評價閾值；

2)運用效用理論建立各評價指標的效用函數(shù)以及評價出行路徑的線性效

-7-

哈爾濱工業(yè)大學工學碩士學位論文

用最大值模型，為智能體建立協(xié)商前的可選路徑集合提供依據(jù)。

1.3.2出行前的智能體行為模型及協(xié)商模型

1)根據(jù)智能體相關原理，建立出行前的智能體行為模型。著重研究各種智

能體在路徑選擇和協(xié)商過程中的角色和功能，最后給出智能體之間的關系；

2)建立車輛出行前路徑選擇的協(xié)商模型，重點分析了Agent-IRCS和

Agent-ISP之間協(xié)商選擇最優(yōu)出行路徑的過程，智能體協(xié)商空間的實時更新提高

了優(yōu)選路徑的可靠性。通過確定智能體初始化條件，明確協(xié)商模型的實現(xiàn)過程

以及智能體之間信息的傳遞方式，為開展駕駛員路徑選擇行為仿真實驗提供依

據(jù)。

1.3.3駕駛員路徑選擇行為仿真實驗

1)介紹多智能體仿真軟件Starlogo的功能及其與智能體之間的聯(lián)系；

2)確定仿真流程，設計仿真界面，描繪仿真路網(wǎng)；

3)在智能體模型和協(xié)商模型的基礎上，對不同出行比例情況下駕駛員無信

息無協(xié)商出行(scene=0)、有信息無協(xié)商出行(scene=1)、有信息有協(xié)商出行

(scene=2)3種路徑選擇方式以及scene=2時不同車型組成比例情況下的駕駛員

路徑選擇行為進行仿真。得到車輛總出行時間、平均出行距離和平均出行時間

以及轉換到協(xié)商路徑的實驗駕駛員比例等參數(shù)以及平均速度曲線圖，并對仿真

結果進行分析。

-8-

哈爾濱工業(yè)大學工學碩士學位論文

駕駛員路徑選擇決策意向調查

系統(tǒng)決策意向

線性效用最大值模型

排隊論

協(xié)商

信息

IRCSAgent

仿

真

路

網(wǎng)

描

繪

ISPAgent

智能體模型與協(xié)商模型

智

能

體

初

始

化

仿真實例驗證

協(xié)

商

模

型

實

現(xiàn)

TMSAgent

仿真交通條件

仿真方案

路網(wǎng)容量

V=200

不同車型

組成比例

無信息

無協(xié)商

Scene=0

有信息

無協(xié)商

Scene=1

有信息

有協(xié)商

Scene=2

駕駛員路線選擇行為仿真

圖1-1技術路線圖

Fig.1-1Flowchartofthispaper

-9-

哈爾濱工業(yè)大學工學碩士學位論文

第2章駕駛員路徑選擇行為影響因素分析

2.1駕駛員路徑選擇的影響因素

假設甲乙兩地之間存在多條路徑供出行者選擇，每條路徑所提供的服務

的屬性不同。那么，出行者如何在不同的路徑之間進行選擇?一般來說影響

出行者進行路徑選擇的因素主要包括以下幾個方面：

1)經(jīng)濟因素

①道路收費

駕駛員選擇通行條件相對較差的平行道路的最主要和最直接的原因就

是道路收費。美國道路收費專家里達·約翰遜認為，公路使用者是基于他們

的感知成本(即出行者能立即或直接知道的成本，出行者不會感知其出行行

為對社會產(chǎn)生的成本，也不會把這類成本作為決策時的考慮因素)做出決策

的，該成本表現(xiàn)之一就是公路使用者直接掏出的花費[38]。因此，在存在與

收費道路平行的其它線路的條件下，駕駛員對直接從腰包里掏出的現(xiàn)金是非

常敏感的。

②運營費用

主要是指車輛運營所產(chǎn)生的有關費用，包括燃油費，輪胎磨損費用和機

件磨損費用，以及阻塞成本(在阻塞經(jīng)濟學中，阻塞成本被定義為在交通阻

塞的條件下，燃油費等物質損耗的增量與所等待時間的機會成本之和)。由

于車輛運營費用受道路的自然條件(路面平整度、道路的平縱面線形)和運營

條件(車速、交通擁擠狀況)的影響，因此在相同的車況條件下，道路等級越

高，道路狀況越好，車輛運營成本水平就越低，對于駕駛員來說越具有吸引

力。

2)時間因素

人們駕車出行追求的就是一種便捷性，因此時間因素往往是出行者最為

關注的，它主要是指從出發(fā)到目的地，完成整個行程的時間，包括正常的行

駛時間、因擁擠造成排隊時間等。高速公路與平行公路相比其最明顯的級差

效益就體現(xiàn)在行車時間較短。目前，隨著我國油價攀升，行車時間往往意味

著運營費用低，所以，駕車出行者更加注意在公路收費和新的運營成本間權

衡得失做出決策。

-10-

哈爾濱工業(yè)大學工學碩士學位論文

(3)駕駛員經(jīng)驗

通常駕駛員對其出行的區(qū)域比較熟悉，在面對多條可行路徑時，駕駛員

也會受駕駛經(jīng)驗的影響，根據(jù)不同的道路形狀進行選擇。這些因素主要包括

道路技術等級、路面結構、道路徑型、路段飽和度、事故率、交叉口數(shù)量和

類型、沿途風景、路面平整度、最大縱向坡度、最小曲線半徑等，這些因素

相對而言在較長的時間內不會發(fā)生變化，構成了駕駛員駕駛經(jīng)驗的基礎[39]。

在出行前，如果已知可行路徑的各種條件，駕駛員會根據(jù)自身的駕駛經(jīng)驗的

積累程度，結合實際道路出行服務信息引導當前選擇，選擇的結果將會累積

作為下次出行的參考。

先前駕駛經(jīng)驗

指導

當前路徑選擇

選擇結果

反饋補充

圖2-1駕駛員選擇路徑思維過程

Fig.2-1Thingkingprocesswhendriver'sselectingroutes

4)外部信息

外部信息主要包括交通管理部門提供的對目前交通現(xiàn)狀的描述信息和

對未來交通狀況的預測信息。描述性交通信息是指對現(xiàn)實道路交通狀況及交

通環(huán)境的概括性描述，包括交通擁擠阻塞、排隊長度、天氣狀況等，目前我

國部分大中城市交通管理部門主要通過廣播系統(tǒng)或者道路指示牌提供此類

描述性信息。預測信息主要是指駕駛員根據(jù)自身多年的行車經(jīng)驗對不同路徑

未來交通狀況的預測。道路交通信息是隨時間而不斷變化的。因此，駕駛員

在出行中會根據(jù)變化的道路交通信息，來不斷調整自己選擇的路徑。

5)其它因素

①交通安全

出行過程中不僅要強調便捷經(jīng)濟性，更要注意行車的安全性，目前我國

的交通事故率呈逐年遞增趨勢，保障人們出行的生命財產(chǎn)安全是根本，因此

駕駛員在出行中必須堅持安全性。

②舒適性及收費公路的長度

除了考慮經(jīng)濟因素外，行駛的舒適性也會影響駕駛員選擇出行路徑，其

影響因素也很多，如道路的通行能力、交通流量、平均車速、行車視距等，

主要還是受當時路段的交通量的影響，可用服務水平來進行衡量。此外，收

費公路的長度也是影響因素之一。收費公路越長，公路使用者節(jié)約的行駛時

-11-

哈爾濱工業(yè)大學工學碩士學位論文

間的絕對數(shù)量越大，直接感知的時間價值越高，收費公路對使用者的吸引力

越大。反之，出行者會覺得選擇收費公路的意義不大。

影響駕駛員進行路徑選擇除以上因素外，還有諸如地區(qū)經(jīng)濟發(fā)達程度、

季節(jié)氣候等其它因素。

2.2駕駛員路徑選擇決策意向調查

2.2.1調查的目的和意義

無論是路網(wǎng)管理者還是駕駛員，在路徑選擇過程中都有其側重的決策目

標(即決策意向)，如最少的出行時間、最短的出行距離、最小的(平均)V/C

比等。由于路網(wǎng)管理者是文中虛擬的角色，因此其評價指標可結合實際來確

定，無需調查。為了明確駕駛員的決策意向，擬定對駕駛員進行路徑選擇意

向調查。調查的目的是確定代表駕駛員利益的智能體的決策行為標準，即評

價目標、決策目標的權重以及相應目標的評價值等，從而建立路徑選擇決策

函數(shù)。實際上，評定駕駛員決策行為的標準很多，如基于出行時間的目標：

最小化出行時間、最小化行程延誤(滿足出行需求)；基于出行復雜性的目標：

最小化出行距離、最小化主干道的使用、最小化轉彎數(shù)量等。由于本次調查

主要是為了建立具有駕駛員特點的路徑選擇模型，求取模型參數(shù)，因此關鍵

在于明確在進行路徑選擇的過程中，駕駛員最注重的評價標準。

2.2.2調查的方法和內容

首先，確定數(shù)據(jù)收集所采用的方法。目前調查駕駛員在實時信息下路徑

選擇行為的方法主要有：RP調查，了解被調查者在某選擇狀態(tài)下的選擇結

果以及選擇條件，其最大特點在于調查的內容是已經(jīng)發(fā)生過的事情；SP調

查，是對某一選擇狀態(tài)，了解被調查者在這一選擇狀態(tài)下的選擇結果，其最

大特點在于調查的內容是尚未發(fā)生的事情[40]；雖然本次調查的內容是駕駛

員以往的經(jīng)驗數(shù)據(jù)，但SP調查的形式比較適合本次調查。因此本文決定采

用RP調查與SP調查相結合的方法對出行駕駛員進行問卷調查。

其次，確定調查的內容。初步擬定的調查內容包括三個部分，主要包括：

1)確定駕駛員出行評價指標，大致包括2.1節(jié)中的的出行時間、出行

-12-

哈爾濱工業(yè)大學工學碩士學位論文

費用等影響因素；

2)衡量出行評價指標的權重，即對每一評價指標打分，以此作為建立

模型時選擇權重的依據(jù)；

3)對每一出行標準，給出理想值f0與最小極限值f1，如出行時間20

分鐘時為85分(理想點f0)，出行40分鐘時為25(極限點f1)等。

這三個部分在調查時需依次進行，不能在一張問卷中同時實現(xiàn)，調查中

要求被調查者對于選擇方案的回答大致可以分為選擇、排序、打分以及匹配

4種。調查表格見附錄1。

2.3駕駛員路徑選擇決策意向調查數(shù)據(jù)分析

針對上節(jié)的調查內容，對調查結果進行整理分析：

1)駕駛員出行評價指標：調查結果如表2-1所示，從各評價指標所占

的百分比來看，出行時間仍然是最重要的，其次是行程延誤，這也可以說明

時效性是駕駛員在出行中最注重的。安全性和舒適性可以用量化的指標：路

段交通量與通行能力的比和路段的行程速度與自由流速度的比值來度量。

表2-1駕駛員出行評價指標調查表(%)

Table2-1Evaluationindicessurveytablefordistributiondrivers

出行時間

40

行程延誤

25

經(jīng)濟性

11.5

安全性

9.5

出行距離

7

舒適性

5

其它

2

2)結合駕駛員出行評價指標調查表，最終確定在Agent-IRCS模型分析

中，主要考慮出行時間、行程延誤、行程費用、出行距離、路段交通量與通

行能力的比(V/C)和路段的平均速度與自由流速度的比(L/F)這6個評價指

標。同時確定系統(tǒng)(即路網(wǎng)管理者)效率的評價指標，以此作為建立代表路網(wǎng)

管理者利益的Agent-ISP的模型的參數(shù)依據(jù)。這些指標分別是：

路網(wǎng)中每條路段的交通量與通行能力的比(V/C)：該值較低時意味著該

路段使用率較低，但它還不是最壞的情形，最壞的狀況是某些路段過飽和利

用，而其它道路沒有被使用。

路網(wǎng)中每條路段的平均速度與自由流速度的比(L/F)：一條路段的利用

率較高時并不意味著有助于改善系統(tǒng)狀況，此時該路段的平均速度與自由流

速度的比值還必須接近1。同理，較高的平均速度與自由流速度的比值也不

-13-

哈爾濱工業(yè)大學工學碩士學位論文

意味著系統(tǒng)狀況較好，此時路段利用率可能較低。

針對最終確定的6個評價指標進行權重調查與標定點調查，調查結果如

表2-2和表2-3所示，這里也一并給出ISP的目標權重與標定點，如表2-4

所示：

表2-2各評價指標權重分布

Table2-2Weightdistributionofeveryevaluationindex

目標

出行時間

行程延誤

行程費用

出行距離

路段交通量與通行能力比

路段平均速度與自由流速度比

Agent-ISP權重的分布

0

0

0

0

55±10

45±5

Agent-IRCS權重的分布

40±10

7.5±2.5

25±5

5±5

15±10

20±10

表2-3Agent-IRCS標定點分布表

Table2-3AnchorpointdistributionofAgent-IRCS

目標

理想點f

0

(0.85)

極限點f

1

(0.25)

出行時間

行程延誤

行程費用

出行距離

路段交通量

與通行能力比

路段平均速度

與自由流速度比

OD點間最短的出行時間

期望的出行時間

OD點間最少的出行費用

OD點間最短的出行距離

0.2

1.5

-14-

1.75倍OD點間

最短的出行時間

延誤15分鐘到達

1.5倍OD點間

最少的出行費用

1.5倍OD點間

最短的出行距離

0.9

0.5

哈爾濱工業(yè)大學工學碩士學位論文

表2-4Agent-ISP標定點分布表

Table2-4AnchorpointdistributionofAgent-ISP

目標

理想點f

0

(0.85)

極限點f

1

(0.25)

出行時間

行程延誤

行程費用

出行距離

路段交通量與通行能力比

路段平均速度與自由流速度比

——

——

——

——

0.1

1.25

——

——

——

——

0.75

0.5

2.4駕駛員路徑選擇行為的效用理論

2.4.1效用理論及其在路徑選擇分析中的應用

在決策理論中，后果對決策人的實際價值，即決策人對后果的偏好次序

是用效用(Utility)來描述的。效用是偏好的量化，早在1738年，Daniel

Bernoulli就指出：若一個人面臨從給定行動集(風險性展望集)中作選擇的決

策問題，如果他知道與給定行動有關的將來的自然狀態(tài)，且這些狀態(tài)出現(xiàn)的

概率已知或可以估計，則他應選擇對各種可能后果的偏好的期望值最高的行

動[41]。按照心理學解釋，人的出行行為可以描述為下面的過程：人在產(chǎn)生

某種出行的需求之后，便會根據(jù)自身以及外界的各種環(huán)境條件(供給條件)，

選擇一種具體的實現(xiàn)過程，選擇的具體行為可能發(fā)生變化，但是他本身的效

用分析和決策一般不會發(fā)生變化，即以所獲得的效用最大為決策[38]。

本文引入效用函數(shù)的概念，消費者依據(jù)效用最大化，在進行消費選擇時，

使自身獲得最大效用。出行者選擇出行路徑的過程就是消費者對交通路徑這

種公共服務進行選擇的過程。出行者根據(jù)獲得的信息或者經(jīng)驗來選取最適合

的出行路徑。

交通現(xiàn)象的各種宏觀表征是大量個體出行者選擇行為的綜合結果，從分

析具體的個體出行行為入手研究交通現(xiàn)象，可以認為出行者的路徑選擇行為

受一系列因素的影響最終做出決策。目前，大部分研究者所使用的決策理論

是隨機效用理論，即在選擇肢既定的情況下，以效用來描述各個選擇的吸引

-15-

哈爾濱工業(yè)大學工學碩士學位論文

程度。效用被假定是服從一定分布的隨機變量，它與選擇肢的特性和選擇者

個體的社會經(jīng)濟屬性有關。

人們出行時，對道路進行選擇和使用，實質上是道路為出行者提供了服

務，這種服務是無形的，它滿足了人們從出發(fā)點到目的地的一種需要，因此

從經(jīng)濟學的角度講，道路的服務就具有了“效用”，它由很多具有效用的客

觀因素組成，如行車時間、運營費用、收費水平等等。出行者出行時也受到

出行目的、駕駛經(jīng)驗等主觀因素的影響，所以道路的這些“組合效用”就會

在不同程度上影響出行者的整個出行過程。

2.4.2效用函數(shù)模型的建立

從起點到出行者的目的地，往往會有多條可行的道路，不同的道路服務

屬性不同，對出行者出行需求的滿足程度就不同。如果在出行前得到道路的

各種信息，出行者就會選擇能夠最大程度上滿足他的出行需求的線路，即是

綜合效用最大的路徑。這可以做如下定義：最優(yōu)路徑是指在通達出行者出行

目的的多條線路中，能夠最好地滿足出行者愿望的線路，即是出行效用最大

的線路，要選擇整體服務效用最大的路徑就需要綜合考慮多種因素的影響

[42]

。

根據(jù)消費者行為理論，消費者是以效用最大化為目標分配和使用自己的

有限收入，選擇自己的消費對象。消費者在進行決策時，需要先求出各決策

后果的效用值，效用值可通過效用函數(shù)求出。由于決策者在不同時期其效用

函數(shù)往往不一樣，因此在做決策之前應先求出效用函數(shù)。誠然，道路使用者

在選擇最佳通行線路時也是遵循效用最大化。由于效用越大，被選擇的可能

性也越大。為量化出行者選擇不同路徑時所獲得的效用，本文建立了效用函

數(shù)模型。

效用函數(shù)模型基于下述基本假定：

1)出行者是理性的，即某一出行線路的選擇函數(shù)值越大，其被選擇的

可能性也越大。

2)出行者總是選擇具有最大效用的路徑出行，以實現(xiàn)自身效益最大即

運行成本最低，道路使用效益最高為目的。而由于出行者的偏好對出行路徑

選擇的影響不作為主要影響因素。

3)出行路徑對于出行者的效用與其服務屬性之間有線性關系，選擇函

數(shù)是可以量化的線性組合函數(shù)。

-16-

哈爾濱工業(yè)大學工學碩士學位論文

4)出行者全面掌握交通信息。用戶擁有實時動態(tài)交通信息服務，用戶

在行駛過程中能夠及時收到有關前方道路交通條件的信息，以便做出決策。

設選定的各評價指標的目標函數(shù)分別為f1(t)、f2(D)、f3(c)、f4(d)、

f5(V/C)、f6(v/v0)，其中f1(t)、f2(D)、f3(c)、f4(d)、f5(V/C)的目標值

要求越小越好，f6(v/v0)的目標值要求越大越好。對于各項評價指標分別給

予一定的效用值dg(即對出行者效用滿意程度的評分)，dg∈[0,1]，(g1，

2，…，6)。意為：當出行者通過各項指標和各可行路徑對比以及根據(jù)駕駛

經(jīng)驗對某一目標值極為不滿時，dg0；當目標值達到出行者最滿意程度時，

dg1。dg與fg的關系為

dgF(fg)

(2-1)

,d

f3(c)、f4(d)、f5(V/C)的減函數(shù)；d6則是f6(v/v0)的增函數(shù)。參考文獻[41]

中給出了dg的計算方法。

dge

?f?f1?

?f?f?

(g1,K,5)

(2-2)

dg1?e

?f?f1?

?f?f?

(g6)

(2-3)

式中f——當前某一可行路徑出行時間(行程延誤或其它因素)檢測值或估

計值；

f0——可行路徑的出行時間(行程延誤或其它因素)滿意度最大值(理

想值)；

f1——可行路徑的出行時間(行程延誤或其它因素)滿意度最小值(極

限值)。

通過線性效用最大值模型可以評價出行路徑的表現(xiàn)，每一條路徑的效用

值可由下述方程來衡量，其表現(xiàn)形式為0到100之間的某個數(shù)值：

-17-根據(jù)各目標函數(shù)的意義和包含的內容可知，d12,K,d5是f1(t)、f2(D)、

?e?01?

??

?e?01?

??

哈爾濱工業(yè)大學工學碩士學位論文

Uir∑gidgir

g

(2-4)

∑

g

i

g

100

(2-5)

式中i——第i個智能體；

r——路徑r；

Uir——第i個智能體第r條路徑的效用值；

gi——智能體i的第g個目標的權重；

dgir——第i個智能體第r條路徑第g個目標的效用值。

權重被分配給組成效用方程的一系列目標，因此所有權重的總和等于

100。

f是一個實時的變量，在出行前的信息服務中，通過對動態(tài)的信息采集

并計算得到；若無法得到實時的動態(tài)信息，建議采用歷史經(jīng)驗值：對歷史同

一周期(7d)的同一時段的多個觀測值進行平均，得到近似的f值，這樣可以

減少常發(fā)性事故對效用值評價的影響。

f1和f0的值在式中為常數(shù)，這兩個值對標定人的主觀因素影響很重要，

如駕駛經(jīng)驗，出行時間等，通過2.2節(jié)中的調查方法確定f1和f0的具體值。

2.5本章小結

本章分析了駕駛員進行路徑選擇時的各類影響因素。為了明確駕駛員的

決策意向，采用RP調查與SP調查相結合的方法開展意向調查，調查的目

的主要是確定駕駛員進行路徑選擇的決策標準，即決策目標、決策目標的權

重以及相應目標的評價閾值。最后運用效用理論建立各評價指標的效用函數(shù)

以及評價出行路徑的線性效用最大值模型，為智能體建立協(xié)商前的可選路徑

集合提供依據(jù)。

-18-

哈爾濱工業(yè)大學工學碩士學位論文

第3章出行前的智能體行為模型及協(xié)商模型

3.1智能體與多智能體系統(tǒng)

3.1.1Agent技術

對于“Agent”一詞，在一些文獻中被翻譯為智能體、代理、主體等，目

前“Agent”的概念還沒有統(tǒng)一的標準，本文將其譯為智能體，并沿用其英文

表示法“Agent”。

Agent是人工智能領域里發(fā)展起來的一個概念，對其如何定義還沒有統(tǒng)

一的說法，通常認為Agent是一個硬件或軟件系統(tǒng)(這里指軟件系統(tǒng))，是一

個自包含程序，被稱為“softsoftware”或“會思維的軟件”[43]。Agent能夠控制

自己的決策與動作，將會隨著不斷使用變得更加聰明。具有學習能力的Agent

能夠接管一些工作，分析使用者的喜好來解決問題。Agent一般具有以下特

點：

1)自主性：Agent能在沒有人或其它Agent直接干涉的情況下持續(xù)運

行，并能控制其自身的動作和內部狀態(tài)。

2)反應性：Agent能夠感知外界環(huán)境，并對外界環(huán)境的變化適時地做出

反應。

3)適應性：Agent具有學習能力，不僅能對外界環(huán)境的變化做出反應，

而且能夠采取一種面向目標的行為。

4)社會性：Agent能夠通過某種Agent通信語言與其它Agent進行交互。

根據(jù)Agent的特點和應用范圍，可以分為三種基本類型：分布式人工智

能Agent、智能界面Agent、移動Agent。目前Agent技術應用較為廣泛，主

要應用在數(shù)據(jù)挖掘、電子政務、企業(yè)信用評價、智能交通、項目管理等方面。

3.1.2多智能體系統(tǒng)(MAS)

多智能體系統(tǒng)是由多個Agent組成的集合，Agent之間以及Agent與環(huán)

境之間，通過通訊、協(xié)商與協(xié)作來共同完成單個Agent的不能解決的問題[43]。

-19-

哈爾濱工業(yè)大學工學碩士學位論文

在開放的多智能體系統(tǒng)中，每個Agent都具有自主性，在求解過程中會

按自己的目的、知識與能力進行活動，經(jīng)常會出現(xiàn)矛盾沖突，其根源在于

Agent間知識的不完備性(Incompleteness)、目標的不一致性(Inconsistency)、

不兼容性(Incompatibility)等方面。由于封閉世界假設對多智能體系統(tǒng)不成

立，因此不能用演繹邏輯的方法解決矛盾，必須引入?yún)f(xié)商與協(xié)作機制。

多智能體協(xié)作是指多個Agent通過協(xié)調各自行為，合作完成共同目標。

而所謂協(xié)商，則是指多智能系統(tǒng)中各Agent借助通訊來交換各自目標，直到

各Agent的目標一致或不能達成協(xié)議(失敗)，本文采用的就是這種協(xié)商的方

法來解決駕駛員的路徑選擇問題。

多智能體系統(tǒng)的研究領域包括許多方面，比如系統(tǒng)的組織結構，Agent

間的通訊，Agent間的協(xié)商與協(xié)作，Agent系統(tǒng)中的機器學習，Agent