ATIS信息诱导下的路径选择行为研究

张薇

兰州交通大学 交通运输学院，兰州 730070

ATIS信息诱导下的路径选择行为研究

张薇

兰州交通大学 交通运输学院，兰州 730070

1 引言

先进出行者信息系统仿真工具（ATIS）作为智能交通系统（Intelligent Transportation System，ITS）的一个子系统，能够为出行者提供道路相关状态信息，从而影响出行者路径的选择，使得现有的道路网络资源得以充分利用，提高交通运输系统的功效。目前，ATIS技术还没有完全实施，相关ATIS的理论和应用研究成为热点问题。

国内外研究人员从不同的角度对公共交通出行者在ATIS信息下选择行为影响进行了相关研究。文献[1]研究了实时路况信息对于出行者的影响；Dia等应用智能体理论对交通信息对出行者路径选择行为的影响进行了研究[2]；贺振欢等分析了交通广播、VMS及车载诱导等诱导模式的特点及其对出行者路径选择行为的影响，建立了不同诱导模式下出行费用的计算模型及多种诱导模式混合作用下的出行者路径选择模型[3]；孙剑等根据ATIS环境下的不同出行者行为和信息属性，运用基于仿真的DTA给出了各类出行者的路径诱导算法[4]。城市交通系统是一个典型的复杂适应系统，随着复杂系统科学的发展，越来越多的研究人员将复杂适应系统（Complex Adaptive System，CAS）理论应用于城市交通系统中[5]。

本文主要从途中路径的调整角度出发，提出一种基于多Agent理论分析出行者在ATIS条件下的路径选择行为的方法，进行仿真分析，同时考虑ATIS系统对出行者的出行前的规划及出行后的在途影响，并应用Repast S工具进行仿真验证；最后得到了ATIS对交通系统的影响，为ATIS的合理配置和有效利用提供了理论依据。

2 Agent理论及Repast S介绍

随着分布式人工智能的发展，多Agent系统的研究广泛地开展起来。多Agent系统（Multi-Agent Systems，MAS）建立在资源共享和各个Agent的自主性之上，各个Agent能够协作工作，以实现整体识别的目标。构建具有自学习能力的Agent是多Agent系统研究的一个重点，在这种需求下，为多Agent系统引入学习机制能够使其更好地适应复杂环境，有更强的个体学习能力和社会学习能力[6]。Repast（Recursive Porous Agent Simulation Toolkit）是一个被广泛应用的免费、开源仿真平台。Repast允许通过可控的重复性计算实验来系统地研究复杂系统行为。Repast S的底层支持库中实现的Score元模型包含了多Agent建模环境的规范定义，Score元模型的模型架构主要包括主体Agent、关系Projection、环境Context三方面模型抽象要素的描述[7]。主体Agent是模型最基本的成员对象，模拟组成复杂系统的微观对象个体；关系Projection则反映了Agent间的基本交互联系；典型的Projection有network、geography、grid等关系；环境Context是Agent生存及活动的场所，Context中可根据系统仿真的需要配置多种Projection，各类Agent行为规则可由基于这些Projection的方法灵活实现。

3 模型建立

交通信息服务的实质即是通过提供合适的交通信息来诱导出行行为，使人们的出行选择与交通管理者的预期目标相一致。ATIS系统中，路网管理者实时监测交通状况，根据监测数据制定具体的诱导策略，再利用某种信息发布方式将诱导信息发布出去，出行者收到诱导信息后会根据自身原则和利益做出路径选择，判断是否需要以及如何调整出行选择，调整后的出行选择又作用于交通系统，使交通环境的状态发生改变，并反作用于管理者的诱导控制策略[8]。管理者给出的诱导信息又将影响出行者的路径选择行为，从而引发新一轮的出行行为调整过程。由于路况的随机性和出行者对交通环境认知的随时变化，出行者的出行路径也会随时发生改变，ATIS信息下的在途路径调整也尤为重要。

本文结合多Agent理论，将交通系统中的大量交通元素看做Agent个体，如车辆——出行者——交通管理者等。各种Agent能够根据环境做出一定的反应来适应环境的变化，在出行过程中，每个出行Agent即使是出发后也可以在途中进行路径的调整。每到达一个可选择的交叉路口，都可以根据需要参照当前ATIS信息做一次当前最佳路径选择，这样既考虑了交通系统的随机性，也保证了出行者对出行路径的随时调整的可能性。而且，出行前的规划与出行后的路径调整实质上采用同一种方法进行处理，使得出行者整个出行过程中的路径选择行为研究得以解决和简化。下面分别对不同ATIS系统中的Agent成员进行定义。

3.1 管理Agent主体

本模型中管理Agent只有一个，管理Agent根据路网状况给出诱导信息，主要的诱导信息是节点之间的路径集合及各路径的出行时间集合。路径的出行时间由相关道路单元的出行时间构成，这里采用交通BPR模型t=t0[1+α(V/C)β]。管理Agent的属性主要有路网中各路径的当前预测出行时间、平均行驶速度等，其行为就是计算以上各属性的值的方法。从节点i到节点j之间的某一路径当前预测出行时间通过下式求解：

3.2 出行Agent主体

将出行者和车辆视为一个驾驶员——车辆单元（Driver-Vehicle-Unit，DVU），即出行Agent主体。当一个DVU到达一个节点，可以根据自己的经验，参考ATIS提供的信息，决定是否需要改变原计划路径，若需要改变路径，则做出路径选择。ATIS实施的效果好坏，在很大程度上取决于交通系统中ATIS的用户对诱导信息的反应。因为路段的选择并不是只由ATIS的信息决定，往往还依赖于出行者对接收到的AITS信息的信任度。出行Agent的数量很多，其属性主要有出行Agent的速度、所在路段、预测出行时间、路径实际出行时间。

出行Agent的行为主要有以下两种：路径选择行为和微观规则。下面分别进行具体形式化定义。

3.2.1 路径选择行为

当出行Agent到达某一节点时，若有两个及以上路径可选时，可根据ATIS信息加之自己的主观意识来选择从当前节点到目标节点的行驶路径。ATIS信息能够提供当前路况下，Agent从当前所在节点到目标节点的各条路径及其所需时间。令Lk={lk1，lk2，…，lks}为当前节点k到达目标节点的路径集合，Tk={tk1，tk2，…，tks}为对应各条路径的出行时间，则出行Agent会做出选择：

其中，lki为min{Tk}所对应路径；lk′为出行Agent主观判断路径；α为信任度，当α=1时，表示出行Agent对ATIS信息完全信任，则选择ATIS信息指示路径，当α=0时，表示出行Agent对ATIS信息完全不信任，则选择自己主观判断的路径，当α∈(0，1)时，表示出行Agent对ATIS信息不完全信任，此时以一定的概率p选择ATIS信息指示路径，p=α，即有1-α的概率会选择主观判断的路径。

出行Agent自身的预测出行时间t计算流程，如图1所示。

出行Agent从节点i出发，目标节点为j时，出发时选择一条路径行驶，出行时间为t=，当到达k节点时，若出行Agent不调整原路径，则继续前行，t不变；若改变了路径，那么出行时间修正为t=tik+，其中，tik为从节点i到节点k的已行驶时间，为在k节点选择的路径的行走时间，以此类推，直到到达目标节点j时，预测出行时间等于实际出行时间。

图1 出行Agent预测出行时间计算流程图

3.2.2 微观规则

出行Agent在行驶中可能调整车速，规则如下。

（1）车辆加速规则：若v＜vmax，则v=v+1，其中v为出行Agent的当前速度，vmax为规定的出行者Agent的最大车速。

（2）随机减速规则：若v＞0，则v以概率PS减1，其中PS为出行Agent随机减速的概率，即随机慢化概率。

（3）安全控制规则：若v＞gap则v=gap，其中gap为出行Agent与同一车道上前车的间隔。

（4）车辆移动规则：x=x+v，其中x为出行Agent当前所在位置。

3.3 空间网格（grid）关系

Agent行为在二维网格（grid）空间中交互，管理Agent主体和出行Agent主体需要的信息交换都依赖于gird关系进行。下面为本模型所采用的基于Repast S的ATIS空间网格关系定义：

出行Agent主体根据路径选择方法来随时改变行驶路径，同时遵守微观规则不断调整自己的行驶速度，路径与速度的调整都直接反映在grid的位置上；管理Agent主体直接从grid中获取出行Agent主体相关信息，采集数据，从而计算出行时间及平均速度等属性；计算结果又以ATIS形式传递给出行Agent主体，出行Agent主体得到信息后，从而影响其后续行驶路径。

4 实例分析

图2为某城市某一路段抽象出来的交通网络拓扑结构图，包括6个节点和7条路段，其中路段长度用元胞数表示，元胞长度为最小车头时距，每个元胞仅能容纳一个出行Agent。设各路段长度均为20个元胞。这里以节点（1→6）为OD对进行仿真，即所有出行者从节点1进入仿真区域，从节点6离开仿真区域。

应用本文的方法建立模型，在Repast S仿真工具中根据所提出的方法定义各Agent的属性与行为。为计算简便，本实验中令所有出行Agent对ATIS信息的信任度均为α=0.6，出行Agent随机从节点1进入路网。通过Repast S仿真得到图3所示的车辆分布状况图。图3为当仿真时间tick=300时的路网状态，图中自上而下为路段1至路段7的车辆分布情况，黑点表示车辆，车辆自左向右在各路段上行驶。每个车辆到达各路段的最右端时，判断下一步进入哪个路段，最终由路段4或路段5行驶至节点6终止，离开路网。从图3可以看出各路段上的车辆分布基本均匀，避免了众车簇拥至某一路段，说明ATIS提供给出行Agent的信息，在一定程度上可以帮助缓解交通拥堵问题。

图2 路网拓扑结构图

图3 Tick=300时的车辆分布情况

通过计算各车辆的出行时间，如图4所示。从图4可以看出各车辆的出行时间相对比较集中，基本上都在170～300 tick之间，没有出现出行时间过长的车辆。说明ATIS信息使得道路资源能够合理分配，对出行Agent的路段选择有一定的指导意义。

图4 α=0.6时各车辆出行时间

当所有出行Agent对ATIS信息的信任度为α=0.9时，各车辆的出行时间分布如图5所示。

图5 α=0.9时各车辆出行时间

从图5可以看出此时的车辆出行时间比α=0.6时整体减少，说明出行Agent对ATIS信息的信任度越高，平均出行时间越短。

5 结论

以上实验将出行者的在途调整路径考虑在内，采用本文提出的基于Agent模型及方法对ATIS系统影响下的Agent进行研究。结果表明，无论从车辆的分布上，还是从出行时间上看，ATIS信息都发挥了一定的作用，使得交通管理者和出行者都有所收益。对出行者而言，ATIS提供的交通信息能够给予出行者一定的帮助，减少了决策过程中的不确定性。综上所述，在考虑出行者在行驶途中随时调整路径的情况下，ATIS信息对出行者的路径选择具有一定的指导意义，ATIS系统信息的实时性可以避免路径选择时新的拥塞现象的出现，另外可以增加信任度更新机制以避免路径局部寻优，从而提高出行质量。

[1]Srinivasan K K，Mahamassani H S.Dynamic decision and adjustment processes in commuter behavior under real-time information[R].USA：University of Texas at Austin，2002.

[2]Dia H.An agent-based approach to modeling driver route choice behavior under the influence of real-time information[J]. Transportation Research：Part C，2002，10（5）：331-349.

[3]贺振欢，杨肇夏，承向军，等.ATIS混合诱导模式下出行者路径选择仿真研究[J].系统仿真学报，2009，21（22）：7334-7338.

[4]孙剑，李克平，杨晓光.ATIS环境下动态多用户路径选择行为仿真研究[J].计算机工程与应用，2008，44（20）：222-225.

[5]赵凛，张星臣.基于Agent仿真的ATIS条件下路径选择行为研究[J].系统仿真学报，2007，19（7）：1590-1593.

[6]王浩畅，李钰，赵铁军.面向生物医学命名实体识别的多Agent元学习框架[J].计算机学报，2010，33（7）：1256-1258.

[7]North M J，Collier N T，Voss J R.Experiences creating three implementationsoftherepastAgentmodelingtoolkit[J]. ACM Transactions on Modeling and Computer Simulation，2006，16（1）：1-25.

[8]隽志才，鲜于建川.交通信息作用下的活动-出行决策行为研究[J].中国公路学报，2008，21（4）：88-92.

ZHANG Wei

School of Traffic and Transportation,Lanzhou Jiaotong University,Lanzhou 730070,China

Driving vehicles on the road probably change route according to road situation,which causes some difficulty to research of ATIS（Advanced Traveler Information System）.Traveler’s route choice and changing on road behaviors are studied based on method of multi-agent modeling and simulation.Traveler’s route choice model is build under changing on road,and an example is simulated using Repast S.Effect of traveler’s changing on road under ATIS is concluded at last.The method gives theory support for reasonable disposition and effective using.

Advanced Traveler Information System（ATIS）;Repast S;change on road;route choice

出行车辆在行驶途中会根据路况随时调整行驶路径，这给公共交通先进出行者系统（ATIS）的研究带来一定的困难。基于多Agent仿真建模方法对ATIS条件下出行者的路径选择及在途调整行为进行了研究，构建了在途路径调整下的出行者路径选择模型，并利用Repast S仿真工具进行仿真分析，得出了ATIS对出行者在途影响的结论。该方法为ATIS的合理配置和有效利用提供了理论依据。

先进出行者信息系统；Repast S工具；在途调整；路径选择

A

U491

10.3778/j.issn.1002-8331.1110-0627

ZHANG Wei.Research of traveler’s route choice behavior under ATIS.Computer Engineering and Applications,2013, 49（13）：234-236.

国家自然科学基金（No.61163009）；兰州交通大学青年科学基金（No.2011001）。

张薇（1980—），女，硕士，讲师，研究方向：路网可靠性，信息管理与信息系统。E-mail：zhangwei@mail.lzjtu.cn

2011-11-03

2012-02-03

1002-8331（2013）13-0234-03

CNKI出版日期：2012-03-27http://www.cnki.net/kcms/detail/11.2127.TP.20120327.1210.001.html