基于Swarm的交通狀態(tài)模擬仿真研究

郭 祎

（1. 中國地質(zhì)大學（北京）資源環(huán)境管理實驗室，北京 100083；2. 中國地質(zhì)大學（北京）人文經(jīng)管學院，北京 100083）

0 引言

隨著經(jīng)濟的高速發(fā)展，大中城市汽車保有量的增長超過了城市道路的發(fā)展速度。隨之而來的交通擁堵現(xiàn)象，成為了城市發(fā)展過程中亟待解決的問題。

針對城市交通問題，國內(nèi)外眾多學者應用不同的方法進行了仿真研究。毛中亞等利用Matlab軟件對城市軌道交通系統(tǒng)進行了模擬[1]，萬衡等利用C語言編制了城市交通的仿真軟件并進行了分析[2]，吳先宇等應用面向?qū)ο蟮慕７椒ㄟM行了城市軌道交通樞紐適應性仿真[3]。關于城市交通仿真的研究還有很多，本文將參照相關研究成果，利用Swarm工具進行交通仿真，并對仿真結(jié)果進行分析。

Swarm是圣塔非研究所(Santa Fe Institute)Swarm開發(fā)組為基于多Agent仿真建模(Agent-Based Modeling, ABM)開發(fā)的一組標準計算機仿真建模工具[4]。近幾年，國內(nèi)外學者應用Swarm工具在多個研究方向取得了一定的成績。周慶和陳劍利用Swarm建立了供應鏈配送渠道系統(tǒng)簡化模型[5]，任玉瓏等建立了發(fā)電側(cè)電力市場多主體博弈模型[6]，徐詠梅則應用Swarm建模進行了企業(yè)戰(zhàn)略聯(lián)盟的結(jié)構(gòu)演化仿真[7]?？傮w上講，目前對于Swarm的應用多集中在經(jīng)濟、金融、財政以及供應鏈等領域的研究中，本文通過借鑒Swarm在方面的研究，對城市交通進行模擬，并針對交通擁堵的改善措施提出相關建議。

1 交通狀態(tài)復雜適應系統(tǒng)主體設計

在交通系統(tǒng)中，相互影響的仿真主體包括汽車、道路兩個方面。由于汽車本身沒有生命，因此將駕駛員的行為歸入汽車主體，作為整體進行研究。

1.1 汽車主體

雖然汽車的種類和用途有很多種區(qū)分方法，但是在交通狀況的研究中，所有的車都是占用道路資源的一個獨立的個體，而且從占用道路資源的角度來分析，所有主體的屬性都是一致的。而作為操縱汽車的司機，其目的包括從某地到另一地點的位置移動以及在移動過程中對于時間的要求。由于事情緩急和個人性格等條件影響，不同的駕駛者對于道路擁堵情況的容忍程度是不同的。同時，汽車處在道路之中，其移動的行為會對道路的擁堵情況產(chǎn)生一定的影響。

在模型中，將各種的汽車都看作同一種汽車主體，不做細致區(qū)分，都占據(jù)道路空間中一個點的位置。汽車主體的主要屬性有，駕駛員對于堵車的不耐煩程度、駕駛員的理想道路狀況、汽車所處的空間位置、汽車對于道路狀況變化的影響以及汽車在模型中顯示出的顏色。其中顏色是由不耐煩的程度決定的，程度低是顏色偏綠，程度高時顏色偏紅。

駕駛員的不耐煩程度受道路狀況影響，其具體的計算公式為：

其中Mi為不耐煩程度，Ni為理想的道路狀態(tài)，Wi為汽車所處位置的道路擁堵狀態(tài)。

汽車主體的另一個重要行為是汽車所處位置的道路擁堵狀態(tài)低于駕駛員理想的道路狀況時，汽車主體會隨機的向附近并不十分擁堵的位置移動，并降低原始位置的擁堵程度，增加新位置的擁堵程度。

1.2 道路主體

道路在仿真系統(tǒng)中抽象為網(wǎng)格中的點，每一個點代表了一小段道路的狀態(tài)。道路除了具體位置的屬性以外，在模型中最重要的屬性就是擁堵程度。不同道路在某一時間點的擁堵情況是不確定的，因此在模型中由系統(tǒng)隨機產(chǎn)生擁堵情況，而后根據(jù)汽車主體的變化而進行變化。

在模型中，道路主體，也就是汽車主體所處的環(huán)境，其屬性包括某點的擁堵程度、最高及最低擁堵水平、各位置的坐標等。道路主體的行為有在汽車遇到擁堵且超過了不耐心的程度時，幫助汽車主體選擇相鄰擁堵值較低的點，并可以根據(jù)汽車的移動行為而改變自身的擁堵狀態(tài)。

2 模擬仿真過程設計

2.1 交通狀態(tài)模擬系統(tǒng)步驟

Swarm模型的每一次仿真都是按照一定的次序完成多步驟的工作，而后不斷循環(huán)，最終得到主體的屬性隨時間的變化情況。

第一步，由系統(tǒng)隨機產(chǎn)生道路每一點的擁擠程度、汽車主體所處的位置等初始數(shù)值。

第二步，汽車主體判斷自己對于道路擁堵情況，并計算出不耐煩值。

第三步，如果不耐煩的程度高于理想的值，則汽車主體向其道路主體發(fā)出請求，移動到其他的位置。如果不耐煩值低于理想的值，則汽車不動，繼續(xù)在原始的道路行駛。

第四步，如果汽車移動，則原有道路主體的擁堵情況減小，道路的情況變好，使該道路中的汽車主體不耐煩值降低。相反新的道路主體擁堵情況增加，其中汽車主體的不耐煩值提高。

第五步，每次仿真重復第二到第四步，并輸出各種指標的變化情況。

2.2 政府在仿真過程中施加的影響

為了研究政府的政策對交通擁堵情況的影響，在模型中還有一個重要的影響因素就是政府的政策，由于政府并沒有作為模型中的一個主體，因此政府并不與道路以及汽車進行交互，而是通過改變初始值以及實驗方式來影響實驗的結(jié)果，從而分析政策對于道路以及汽車的影響，以及對于緩解交通擁堵起到的作用。

在模型中，政府對于實驗的影響有干涉汽車與道路之間的交互以及改變道路中汽車的總數(shù)等兩種方式。

3 模擬仿真及結(jié)果分析

基于上文設計的復雜適應系統(tǒng)模型，進行了兩次不同條件的實驗，并得到了研究的結(jié)果，并結(jié)合實際情況進行了分析。

圖1 無實時信息

圖2 有實時信息

圖3 不耐煩度的變化

3.1 提供交通實時信息對于交通狀況的影響

按照模型設計的設計情況，汽車主體在道路中對于道路的情況完全的了解，并可以結(jié)合自身以及道路情況進行判斷，選擇合適的道路行駛。在實驗開始時，汽車主體由于并沒有開始自適應的過程，分布較為聚集，而道路的擁堵情況也比較嚴重，如圖1所示。而隨著時間的推進，汽車主體逐漸分散到環(huán)境的各個部分，道路的擁堵情況也隨之下降，如圖2所示，從汽車主體不耐煩的程度來看，在實驗開始時由于汽車分布極不均勻，不耐煩的程度較大，而隨著汽車主體的移動，道路擁堵情況得以改善，不耐煩的程度逐漸下降，如圖3所示。在汽車主體隨機的運動中，數(shù)據(jù)有可能會出現(xiàn)小幅波動，但是在整體的趨勢上看整個模型仍保持一種較低的狀態(tài)。

可見，當汽車主體的完全了解道路信息時，道路的擁堵情況會得到很大的改善。目前中國具備實時路況提醒服務的城市只有北京和上海等少數(shù)幾個大型城市，而系統(tǒng)較為完善的只有北京。事實證明，北京的實施路況提示系統(tǒng)對于車輛的誘導和分流效果十分顯著。雖然，任何一個主體不可能及時了解交通路況的全部信息，但是信息越多對于道路擁堵的緩解效果就越明顯。綜上所述，逐步推薦大中城市的路況信息建設對于緩解大型城市的擁堵具有十分重要的意義。

圖4 原有主體情況

圖5 車輛增長后情況

圖6 增長后狀況變化圖

3.2 汽車總量變化對于仿真主體的影響

在上述實驗中，道路的擁堵情況隨著路況信息的完善交通擁堵狀況有了明顯的緩解，但是道路上的汽車每天都在以飛快的速度增加，據(jù)統(tǒng)計，北京的機動車在以每年五十萬輛的速度增長。因此本實驗在原有基礎上增加汽車主體的數(shù)量，其他的條件不變，再進行研究。得到的實驗結(jié)果如圖4所示，雖然汽車主體的不耐煩程度在實驗開始的時候急劇下降，但是隨后不耐煩程度又開始上升。同樣，圖5是汽車主體沒變是道路情況的變化曲線，基本上情況穩(wěn)定，但是如圖6所示，道路情況到達一定程度之后又逐漸的降低了，并不像汽車主體較少時始終處于良好的態(tài)勢。

可見路況信息提示的方案在汽車不斷增加的情況下并不能保證汽車主體和道路主體長期的良好態(tài)勢?，F(xiàn)實中城市機動車的保有量不可能始終不變，因此單一的政策并不能滿足緩解道路擁堵狀況的需要。采取交通限行的方式強制減少路上機動車的數(shù)量可以對緩解交通起到立竿見影的效果，但是隨著機動車基數(shù)的增長，還需要更加切實有效的方法來保證道路情況的長期良好態(tài)勢。同時不斷完善交通路網(wǎng)，增加出行可選擇的路線，從而降低車輛的密集程度，也可以較為有效地緩解交通擁堵。

4 結(jié)論

本文結(jié)合復雜適應系統(tǒng)理論，建立了交通狀況的復雜適應系統(tǒng)模型，并在不同的初始條件下進行了兩次仿真模擬實驗，得到了研究數(shù)據(jù)及圖表，并通過實驗結(jié)果分析對解決交通擁堵問題提出了一些建議，也為進一步完善模型進而得出更有意義的研究結(jié)果奠定了基礎。

[1] 毛中亞,郭其一.城市軌道交通系統(tǒng)諧波的小波降噪仿真分析[J].系統(tǒng)仿真學報.2006(18):939-943.

[2] 萬衡等.計算機仿真技術在城市軌道交通設計中的應用[J].華東理工大學學報.2007(04):238-243.

[3] 吳先宇,袁振洲.城市軌道交通樞紐適應性仿真系統(tǒng)實現(xiàn)策略[J].系統(tǒng)仿真學報.2010(22):783-790.

[4] 曹慕昆,馮玉強.基于多計算機仿真實驗平臺的綜述[J].計算機應用研究.2005(9):1-3.

[5] 周慶,陳劍.基于Swarm的供應鏈多主體聚集模型及其仿真[J].系統(tǒng)仿真學報.2004(6):1308-1313.

[6] 任玉瓏,等.基于Swarm的發(fā)電側(cè)電力市場結(jié)構(gòu)研究[J].統(tǒng)計觀察.2007(21):97-100.

[7] 徐詠梅,鐘擁軍.基于Swarm的企業(yè)戰(zhàn)略聯(lián)盟的結(jié)構(gòu)演化仿真[J].科技管理研究.2007(03):121-124.