45、交通仿真中的智能体建模与应用

交通仿真中的智能体建模与应用

1. 驾驶员个体差异与记忆效应

人类驾驶员不仅会对即时交通环境做出反应，还会在较长时间尺度上根据交通状况调整驾驶风格，这种现象被称为记忆效应。例如，在拥堵交通中被困一段时间后，大多数驾驶员会增加他们偏好的时间间距；当出现较大车距或到达拥堵区域下游前端时，与自由交通情况相比，驾驶员加速会更慢，甚至可能降低期望速度。

与驾驶员间的差异不同，记忆效应体现的是驾驶员个体内的差异，即驾驶员在相似交通情况下的行为会因个人驾驶历史和经验而有所不同。多智能体方法可以轻松应对这种驾驶行为的扩展，只要有具体的模型来实现。

为了描述驾驶员在交通拥堵时的挫败感，我们引入了一个模型，该模型对智能驾驶员模型（Intelligent Driver Model，IDM）的一些参数引入了时间依赖性。我们假设驾驶风格的调整由一个内部动态变量 λ(t) 控制，它代表“主观服务水平”，范围从 0（静止状态）到 1（自由道路上）。主观服务水平 λ(t) 会根据智能体的速度 v(t) 以松弛时间 τ 向瞬时服务水平 λ₀(v) 松弛，其关系如下：
[
\frac{d\lambda}{dt} = \frac{\lambda_0(v) - \lambda}{\tau}
]
这意味着每个驾驶员的主观服务水平是过去经历的瞬时服务水平的指数移动平均值：
[
\lambda(t) = \int_{0}^{t} \lambda_0(v(t’)) e^{-(t - t’)/\tau} dt’
]
我们假设瞬时服务水平 λ₀(v) 是实际速度 v(t) 的函数，并且它应该是一个单调递增函数，满足 λ₀(0) = 0 和 λ₀(v₀)