基于多智能体仿真的地下道路线形及横向净距设计方法

摘要

本发明涉及道路交通安全与设计。为提供一种较理想的地下道路线形及横向净距设计方法。为达到上述目的，本发明采取的技术方案是，基于多智能体仿真的地下道路线形及横向净距设计方法，采用SOAR认知框架对地下道路行车中的驾驶员智能体进行建模，包括智能体工作记忆、长期记忆、程序性算子选择方法及学机制子模块。本发明主要应用于地下道路线形及横向净距设计。

主权项

一种基于多智能体仿真的地下道路线形及横向净距设计方法，其特征是，采用SOAR认知框架对地下道路行车中的驾驶员智能体进行建模，包括智能体工作记忆、长期记忆、程序性算子选择方法及学习机制子模块：SOAR认知框架工作记忆包括SOAR智能体的所有关于世界和内部推理的动态信息，它包括感知信息，中间计算，分级的状态以及相关的算子和目标等，智能体所有的推理和决策都在工作记忆中进行；SOAR认知框架长期记忆经过地下道路驾驶行为程序性记忆用产生式规则来进行表征，首先，用每个规则的“if”部分去匹配工作记忆里的元素，如果规则的“if”部分与工作记忆元素完全匹配，这个规则就会被触发，然后通过发送一条到运动系统的信息或产生改变当前状态的建议，引起“then”部分触发，即任何与当前目标、状态和算子匹配的规则会改变当前的目标和状态；程序式算子选择：经过地下道路的SOAR认知框架中采用数值偏好，长期记忆规则库中的每条规则包括匹配条件和匹配条件满足下可以建议的算子，以及此条件下建议该算子的数值偏好值，每添加一条新规则需要判断该规则中算子的初始数值偏好大小，并在决策过程中根据外界的反馈对该值的大小进行更新以使其更接近真实情况；学习机制：在子状态的处理过程中学习组块规则，当一个困境产生时意味着当期系统的长期记忆中没有可以利用的算子使得问题求解过程在问题空间中向前移动，需要自动创建一个新的规则来解决当前困境，组块规则的建立需要分析长期记忆中与达到结果相关的产生式规则及情节记忆线索。