安莉

摘 要：基于演化博弈論，圍繞如何在車輛路徑選擇中提高誘導信息有效性和誘導效率等問題展開了研究。通過建立無誘導信息條件下的路網(wǎng)模型和建立誘導信息模型，研究不同初始條件對駕駛員的作用規(guī)律；通過拓展無誘導信息條件下的車輛路徑選擇的模型，設計了結合八鄰域摩爾模型和公共物品博弈模型的駕駛員群體策略演化機制，提高了誘導信息有效性和誘導效率。

關鍵詞：演化博弈 路徑選擇 公共物品博弈

中圖分類號：U495 文獻標識碼：A 文章編號：1672-3791（2018）04（c）-0126-03

伴隨著我國經(jīng)濟的騰飛和“十三五”規(guī)劃的順利進行，現(xiàn)在我國汽車數(shù)量的增長速度相當驚人。汽車數(shù)量的井噴式增長，造成了對交通管理的嚴峻挑戰(zhàn)，如何實現(xiàn)對道路資源的有效配置，成為了國內外學者研究的熱點問題。為了緩解這個問題，既需要增加基礎設施的建設，同時也需要加強對道路資源的有效配置優(yōu)化[1]。

交通誘導是智能交通最重要的研究領域之一，交通誘導可以為車輛駕駛員提供實時交通信息[2]，幫助車輛駕駛員做選擇和決策，提高整個網(wǎng)絡現(xiàn)有速率的綜合利用率，避免出現(xiàn)局部道路擁堵而另一部分道路沒有有效利用的情況[3]。因為上述對交通管理的重要作用，交通誘導一直是國內外研究領域熱點。交通誘導是從整個系統(tǒng)的角度出發(fā)，通過發(fā)布誘導信息可以使整個網(wǎng)絡實現(xiàn)最高的利用率，降低車輛駕駛員選擇路徑的最低成本。誘導信息最直接的作用是通過提供適當?shù)慕煌ㄐ畔碚T導車輛駕駛員的路徑選擇行為。

1 誘導信息條件下的車輛路徑選擇研究

1.1 路網(wǎng)模型描述

為了更好的分析道路網(wǎng)絡路徑誘導系統(tǒng)，構建路網(wǎng)模型如圖所示：

1.2 誘導信息條件下車輛路徑選擇模型的建立

距離相近的駕駛員之間組成八鄰域摩爾模型，八鄰域摩爾模型屬于二維方格網(wǎng)絡的元胞自動機，具有周期邊界條件，每個節(jié)點代表每個車輛駕駛員，每個駕駛均有八個鄰域駕駛員，如圖表示，該拓撲關系表示駕駛員與其鄰域駕駛員的的群體博弈關系。

距離相近的駕駛員之間組成八鄰域摩爾模型，八鄰域摩爾模型屬于二維方格網(wǎng)絡的元胞自動機，具有周期邊界條件，每個節(jié)點代表每個車輛駕駛員，每個駕駛均有八個鄰域駕駛員，如圖表示，該拓撲關系表示駕駛員與其鄰域駕駛員的群體博弈關系。公共物品博弈模型中，每個駕駛員和鄰域駕駛員進行博弈，每個駕駛員既參加以自己為中心的群體博弈，也要參與以其鄰域駕駛員為中心的群體博弈，整個模型初始狀態(tài)是接受誘導的駕駛員與拒絕誘導的駕駛員均勻混合分布在這個駕駛員群體中，每個駕駛員在初始時以等概率選擇接受誘導信息或拒絕誘導信息，即每個駕駛員的博弈策略可選有接受誘導信息（C）和拒絕誘導信息（D）兩種。

公式（3）中，nc與nd分別代表這個群體中選擇接受誘導的駕駛員數(shù)量和拒絕誘導信息的駕駛員數(shù)，c（x）代表駕駛員i的成本。駕駛員i收益將以r的倍數(shù)增值，然后平分給群體中的所有駕駛員。在該模型中，駕駛員在有誘導信息的條件下，為了提高自身收益，縮短出行時間，向周圍鄰域駕駛員學習，不斷改進自身的策略，選擇更優(yōu)的路徑。

1.3 誘導信息條件下車輛路徑選擇模型的演化

其演化規(guī)則如圖3所示，其步驟如下：

Step 0：h=h+1，x=0.1，i=0，給r、k、T、β賦值（x為誘導路徑的流量所占比例）；

Step 1：初始化，給出模型的初始狀態(tài)；

Step 2：根據(jù)時間行程函數(shù)求得選擇路徑的通過時間；

Step 3：根判斷駕駛員第i次收益，確定博弈的初始狀態(tài)；

Step 4：由博弈初始狀態(tài)確定第i+1次路徑L的流量；

Step 5：i=i+1，若i<100，轉 Step 2；否則轉 Step 6；

Step 6：若Δpi>0，x=x+0.1，轉 Step 1，否則轉 Step 7；

Step 7：若Δpi<0，轉 Step 0，否則結束。

1.4 數(shù)值仿真

如圖4-（a）所示，橫坐標為演化代數(shù)，縱坐標為接受誘導的駕駛員比例。在該初始條件 下，因為考慮一定的非理性因素，一部分駕駛員并沒有及時改進自己的策略接受誘導，在演化前期接受誘導的駕駛員比例有一定的下降趨勢；隨著演化代數(shù)的繼續(xù)增加，駕駛員通過利用模仿鄰域駕駛員的學習機制，越來越多的駕駛員開始接受誘導并提高了自身收益。接受誘導的駕駛員比例提高迅速，很快就趨近于1，說明該學習機制下達到交通誘導需要的演化代數(shù)更少，收益提高更明顯，誘導效率更高，誘導效果更顯著。

將圖4-（a）與圖4-（b）做對比可發(fā)現(xiàn)，同樣的初始條件下，八領域摩爾模型協(xié)作機制下達到博弈均衡只需要20 代左右的演化，而傳統(tǒng)演化博弈機制下達到博弈均衡需要100 代左右的演化，說明結合八鄰域摩爾模型的交通誘導算法微觀上減少了駕駛員的行程時間，減少了需要到達博弈均衡的演化代數(shù)，加快了誘導效率。

2 結語

本文在現(xiàn)有車輛路徑選擇算法研究的基礎上，設計了基于演化博弈的誘導信息，進而重點討論了誘導信息對車輛路徑誘導的作用規(guī)律并研究了如何提高誘導信息的有效性。并對上述的車輛路徑選擇算法進行了仿真研究工作，取得了一定的成果。

參考文獻

[1] 中華人民共和國國家統(tǒng)計局.中華人民共和國2016 年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[N].人民日報，2017-03-01（010）.

[2] 陸化普，孫智源，屈聞聰.大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應用綜述[J].交通運輸系統(tǒng)工程與信息，2015，15 （5）：45-52.

[3] 趙娜，袁家斌，徐晗.智能交通系統(tǒng)綜述[J].計算機科學，2014，5（11）：7-11.

[4] 何增鎮(zhèn).基于Multi-Agent 與博弈論的城市交通控制誘導系統(tǒng)及其關鍵技術研究[D].湖南：中南大學，2010.

[5] 董斌杰，李克平，廖明軍.誘導信息下基于博弈論的路徑選擇模型[J].北華大學學報：自然科學版，2007（1）：88-91.