下载文档原格式
《基于MATSim与SUMO的多分辨协同交通仿真系统设计与实现》篇一一、引言随着城市化进程的加速，交通问题日益突出，对交通仿真系统的需求也日益增长。
为了更准确地模拟和预测城市交通状况，本文提出了一种基于MATSim与SUMO的多分辨协同交通仿真系统设计与实现。
该系统旨在提高交通仿真的准确性和效率，为城市交通规划、管理和优化提供有力支持。
二、相关技术概述1. MATSimMATSim（Multi-Agent Transport Simulation）是一种基于多智能体系统的交通仿真工具，能够模拟大规模交通网络中的个体行为。
它具有高度的灵活性和可扩展性，适用于各种交通场景的仿真。
2. SUMOSUMO（Simulation of Urban MObility）是一款开源的微观交通仿真软件，能够对城市交通网络进行精确的仿真和模拟。
SUMO支持多种交通模式，包括汽车、公共交通、自行车等，具有丰富的功能和灵活的接口。
三、系统设计1. 系统架构本系统采用多分辨协同的架构设计，将MATSim与SUMO 进行集成。
其中，MATSim负责宏观层面的交通仿真和规划，而SUMO则负责微观层面的车辆行为模拟和交通流分析。
两者通过数据交换和协同工作，实现多分辨的交通仿真。
2. 数据流程本系统的数据流程主要包括数据输入、数据处理、数据输出三个部分。
首先，从城市交通网络中获取道路、交通流、车辆等数据作为输入；然后，通过MATSim和SUMO进行多分辨的交通仿真和模拟；最后，将仿真结果以图表、报告等形式输出，供用户使用。
3. 功能模块本系统包括以下功能模块：数据预处理模块、MATSim仿真模块、SUMO模拟模块、数据分析与可视化模块等。
其中，数据预处理模块负责对输入数据进行清洗和整理；MATSim仿真模块负责进行宏观层面的交通仿真和规划；SUMO模拟模块负责进行微观层面的车辆行为模拟和交通流分析；数据分析与可视化模块则负责将仿真结果进行统计和分析，并以图表、报告等形式进行展示。
基于多智能体的复杂系统建模与仿真近年来，基于多智能体的复杂系统建模与仿真成为了研究热点。
随着互联网、物联网技术等的普及，多智能体系统已经成为活跃于现代社会中的重要组成部分。
如何对多智能体系统进行建模和仿真，已经成为研究者们亟待解决的难题。
1. 多智能体系统的定义多智能体系统，简称MAS，是由多个独立的智能体组成的系统。
每个智能体具有自己的知识、目标和行动能力，能够协同工作，共同解决复杂的问题。
这些问题可以是需要人类互动的物理系统，也可以是虚拟的计算机系统。
多智能体系统的研究，不仅是在探索人工智能的新型方法，更是在开发应用于现实问题的电子计算机工具。
2. 多智能体系统的建模方法多智能体系统建模是通过建立各个智能体之间的关系，使多智能体系统可以应对不同的任务。
常见的多智能体系统建模方法有以下几种：（1）集中式建模方法集中式建模方法把多个智能体视为一个整体进行处理，每个智能体可以看成是一个子系统。
这种方法可以解决多个智能体之间数据共享和协同的问题，但缺点是仍然存在单点故障的风险。
（2）分布式建模方法分布式建模将每一个智能体看成独立的部分，通过互相连接进行通信和协同工作。
这种方法能够处理分布式智能体之间的传感器、执行器和其他单元来处理大量数据的问题。
但是，这种方法花费更多的时间和精力，并且需要更好的算法来处理通信固有的不确定性。
（3）混合式建模方法混合式建模是集中式建模和分布式建模相结合的方法。
智能体按照任务进行分类，一些任务采用集中式建模方法进行处理，另一些采用分布式建模方法进行处理。
混合式建模方法游刃有余地平衡了处理数据和通信问题。
3. 多智能体系统的仿真技术多智能体系统的仿真技术是现代计算机技术中最重要的领域之一。
它是通过计算机程序对多智能体系统进行虚拟环境的复制来模拟真实的工作环境。
仿真技术能够分析和测试不同的设计和决策方案，以及诊断问题和实验解决方案，进行不同需求的测试。
（1）离散事件仿真技术离散事件仿真是一种模拟多智能体系统的功效、共性和运行方式的方法。
基于互联网的智能交通系统的研究与应用一、引言随着互联网的快速发展和智能化技术的普及，基于互联网的智能交通系统逐渐成为了城市交通管理的新趋势。
智能交通系统是一种能够利用现代信息技术、立体感知技术、平台技术实现精准管控、协同调度、绿色出行的多层次、多元化的智能化交通系统。
在当前城市街头，出行人群越来越多，交通拥堵、安全隐患等问题也日益突出。
因此，如何利用智能交通系统有效解决这些问题也成为了我们关注的焦点。
二、互联网智能交通系统的概念及意义1.互联网智能交通系统的概念互联网智能交通系统是指利用互联网和相关的智能化技术，将现代交通管理、信息管理和发展模式综合应用，实现交通系统的精确定位、精准管控和精干服务，以全面提升城市交通管理效能和市民出行质量。
2.互联网智能交通系统的意义（1）精确定位：互联网智能交通系统可以通过对交通资源的精准定位，解决传统交通管理的盲目性。
（2）精准管控：通过精准定位和交通资源共享，实现对交通调度的精准、快捷管理，最大程度减少交通拥堵等现象。
（3）精干服务：通过互联网技术的应用，交通信息共享的形式让服务更具可视性、可操作性、更贴合市民需求，实现智能交通服务水平的提升。
三、互联网智能交通系统的架构和技术体系1.互联网智能交通系统的架构互联网智能交通系统主要由数据采集、信息管理、智能识别和协同调度四个部分组成。
其中，数据采集是系统的载体，信息管理是系统的核心，智能识别是系统的基础，协同调度是系统的关键。
2.互联网智能交通系统的技术体系互联网智能交通技术体系主要包括信息处理、传感器技术、网络技术、平台技术、智能识别技术等多方面的技术支撑，这些技术的应用可以将互联网智能交通系统打造成为一套集数据管理、诊断分析、智能决策、信息交互于一体的综合性交通管理平台。
四、互联网智能交通系统的应用示例1.交通拥堵监测与预测：利用互联网智能交通系统可以对路网空间和出行时间进行精细分析，同时通过大数据分析预测出交通拥堵的情况，以及拥堵预警，进一步指导行车路线选择，提高城市交通效率。
基于多智能体系统的智能控制及其应用研究随着科技的发展，智能控制领域也得到了巨大的发展。
多智能体系统是一种新兴的研究方向，该系统可以协同工作，共同完成特定的任务。
本文将探讨基于多智能体系统的智能控制及其应用研究。
一、多智能体系统的定义和特点多智能体系统是由多个智能个体组成的系统。
每个智能体都可以独立地进行决策，同时也可以通过与其他智能体交流和协作，完成各种任务。
多智能体系统具有以下特点：1.分布式控制：每个智能体独立地进行决策和控制，整个系统是分布式的。
2.强交互性：多个智能体之间可以相互作用和影响，形成复杂的交互关系。
3.自组织性：多智能体系统有自我组织的能力，在没有中央控制的情况下，可以自动形成特定的结构。
二、多智能体系统在智能控制中的应用多智能体系统在智能控制中有广泛的应用，以下列举几个具体的例子：1.智能交通系统：在城市交通中，各种车辆和行人交错穿行，易发生交通事故。
基于多智能体系统的智能交通系统可以通过车辆之间的通信和协调，减少拥堵和事故的发生。
2.智能电力系统：传统的电力系统采用集中控制方式，容易出现故障。
基于多智能体系统的智能电力系统可以通过对各种电力设备进行分布式控制和监测，提高电力系统的可靠性。
3.智能制造系统：在制造过程中，多个机器人需要协同工作完成生产任务。
基于多智能体系统的智能制造系统可以通过机器人之间的通信和协调，提高生产效率和品质。
三、多智能体系统的研究方向多智能体系统的研究方向包括以下几个方面：1.智能决策与协调：如何让多个智能体在自主决策的基础上，协作完成特定的任务，是研究的重点。
2.智能信息处理：多智能体系统需要进行大量的信息交换和处理，如何高效地进行信息处理，是研究的难点。
3.智能优化与调节：多智能体系统需要进行优化和调节，以达到最优的效果。
如何利用智能算法和控制方法，完成优化和调节，是研究的挑战。
四、多智能体系统的未来发展多智能体系统拥有广泛的应用前景和发展潜力。
基于多智能体系统的交通协同控制研究第一章引言交通拥堵是当今城市面临的一个普遍问题。
为了解决交通拥堵问题，提高交通效率，交通协同控制成为了一项重要的研究课题。
基于多智能体系统的交通协同控制，作为一种创新的解决方案，引起了广泛的关注。
本文将综述现有的研究成果，探讨基于多智能体系统的交通协同控制的原理、方法及应用。
第二章多智能体系统的基本原理2.1 多智能体系统的定义与特点多智能体系统由多个相互协作的智能体组成，每个智能体具有感知、决策和执行的能力。
多智能体系统具有分布式、并行、自组织和鲁棒性等特点。
2.2 多智能体系统的形式化建模多智能体系统可以通过图论和数学建模方法进行形式化描述与建模。
常用的模型包拟为图模型、博弈论模型和马尔可夫决策模型。
第三章交通协同控制的基本原理3.1 交通协同控制的概念交通协同控制是指通过多智能体系统实现交通网络中多个车辆之间的协同行为，共同达到交通管制目标的控制方式。
交通协同控制旨在提高交通效率，减少交通拥堵。
3.2 交通协同控制的方法常见的交通协同控制方法包括交通信号优化、路线规划和车辆行为决策等。
这些方法可以通过多智能体系统的协作与学习来实现。
第四章多智能体系统在交通协同控制中的应用4.1 交通信号优化多智能体系统可以实现交通信号的优化调度，减少交通拥堵和排队时间。
通过智能体之间的通信与协作，交通信号可以根据实时交通状况进行动态调整。
4.2 路线规划多智能体系统可以根据实时交通信息和车辆的目的地，实现优化的路线规划。
智能体可以根据不同的路况和目标选择最优路径，避免拥堵路段，提高整体交通效率。
4.3 车辆行为决策多智能体系统可以对车辆行为进行决策和规划。
通过智能体之间的通信与协作，车辆可以根据实时交通信息、周围车辆和道路情况做出决策，避免碰撞和拥堵。
第五章基于多智能体系统的交通协同控制的挑战与展望5.1 技术挑战基于多智能体系统的交通协同控制面临着通信、计算和协作等方面的技术挑战。
基于多智能体的智能交通管理系统随着城市人口的不断增长和交通工具的普及，城市交通管理面临着越来越大的挑战。
传统的交通管理系统往往是基于单个中心控制的，缺乏灵活性和实时性，无法适应不断变化的交通状况。
基于多智能体的智能交通管理系统能够有效解决这些问题，提高城市交通的效率和安全性。
1. 智能交通管理系统的概述基于多智能体的智能交通管理系统（MAITS）是一种新型的交通管理系统，通过多个相互协作的智能体来实现交通信号控制和交通信息管理。
MAITS的核心是智能体，智能体是自主的、具有决策能力的实体，它们通过相互协作和信息交换，实现了交通信号控制、车辆路径规划、交通预测等功能。
MAITS可以实时监测交通状况，根据交通状况动态地调整信号时间和车辆路径，避免交通拥堵和事故的发生。
MAITS还可以收集和分析交通数据，为城市交通规划提供有力支持。
2. 多智能体的交通信号控制传统的交通信号控制是基于单个中心控制的，控制范围有限，缺乏灵活性和实时性。
而多智能体可以分布在城市各个区域，协作实现交通信号控制。
多智能体之间的协作是基于通信和信息交换实现的。
当某个智能体检测到道路堵塞或事故发生时，它会向周围的智能体发送信号，通知他们相应信号的变化情况。
这些智能体会根据收到的信号进行相应的调整和变化，实现交通效率的最大化。
3. 车辆路径规划和交通预测传统的车辆路径规划主要是基于交通流量预测的，容易受到交通状况的干扰。
而MAITS可以实时收集和分析交通数据，基于实时数据和历史数据进行车辆路径规划，减少了误差和异常情况的发生。
交通预测是智能交通管理系统中的重要功能之一。
MAITS可以通过机器学习等算法对交通数据进行分析和预测，提前预测交通情况，及时调整信号时间和车辆路径，避免交通拥堵和事故的发生。
4. 智能交通管理系统的应用MAITS可以应用于城市道路、公路、机场等交通场景中，提高交通效率和安全性。
例如，在高速公路上，MAITS可以实时监测车流量，根据车流量的变化调整车道的使用比例，避免车辆拥堵和事故的发生。
基于多智能体模型的城市交通仿真模拟引言城市交通是现代社会中一个重要的组成部分，对于城市的发展和居民的生活质量有着重要的影响。
为了更好地理解和优化城市交通系统，研究人员采用了多智能体模型的城市交通仿真模拟方法。
本文将探讨基于多智能体模型的城市交通仿真模拟的原理、应用和挑战。
一、多智能体模型的基本原理多智能体模型是一种模拟和研究复杂系统的方法，它通过将系统分解为多个智能体，并模拟它们之间的相互作用，来研究整体系统的行为。
在城市交通仿真模拟中，每个智能体可以是一个车辆、一个行人或一个交通信号灯等。
这些智能体可以通过感知、决策和行动来模拟真实世界中的行为。
二、基于多智能体模型的城市交通仿真模拟的应用1. 交通规划基于多智能体模型的城市交通仿真模拟可以帮助交通规划者评估不同规划方案的效果。
通过模拟城市交通系统中的各个智能体的行为，可以预测不同规划方案对交通流量、拥堵程度和行程时间的影响。
这样，交通规划者可以根据模拟结果做出更科学合理的决策，以改善城市交通系统的效率和可持续性。
2. 交通管理基于多智能体模型的城市交通仿真模拟可以帮助交通管理者制定更有效的交通管理策略。
通过模拟交通信号灯、交通警察和交通指示牌等智能体的行为，可以评估不同交通管理策略对交通流量、交通事故率和交通拥堵的影响。
这样，交通管理者可以根据模拟结果优化交通信号配时、调整交通警力分配等策略，以提高交通系统的安全性和效率。
3. 自动驾驶技术基于多智能体模型的城市交通仿真模拟可以帮助研究自动驾驶技术在城市交通中的应用。
通过模拟自动驾驶车辆与其他交通参与者的交互行为，可以评估自动驾驶技术的安全性和效率。
这样，研究人员可以根据模拟结果改进自动驾驶算法和交通规则，以促进自动驾驶技术的发展和应用。
三、基于多智能体模型的城市交通仿真模拟的挑战1. 数据获取基于多智能体模型的城市交通仿真模拟需要大量的实时交通数据来支持模型的构建和验证。
然而，获取准确和实时的交通数据是一项挑战。
《基于MATSim与SUMO的多分辨协同交通仿真系统设计与实现》篇一一、引言随着城市化进程的加速，交通问题日益突出，对交通仿真系统的需求也日益增长。
为了更准确地模拟和预测城市交通状况，本文提出了一种基于MATSim与SUMO的多分辨协同交通仿真系统设计与实现。
该系统能够实现对不同空间和时间尺度的交通仿真，为城市交通规划和管理提供有力支持。
二、背景与相关技术2.1 MATSimMATSim（Multi-Agent Transport Simulation）是一种基于多智能体系统的交通仿真工具，可以模拟城市、区域乃至国家层面的交通系统。
其特点在于可以处理大规模的交通网络和车辆数据，同时能够进行长时间尺度的仿真。
2.2 SUMOSUMO（Simulation of Urban MObility）是一种微观交通仿真软件，可以模拟城市道路交通的详细情况。
其优点在于可以模拟复杂的交通场景和交通行为，如车辆换道、信号灯控制等。
三、系统设计3.1 系统架构本系统采用多分辨协同的设计思想，将整个交通仿真系统分为不同层次。
在每个层次上，使用MATSim和SUMO分别进行宏观和微观的仿真。
同时，不同层次之间通过数据交换和协同机制实现多分辨的协同仿真。
3.2 数据处理与建模本系统采用GIS（地理信息系统）数据作为基础数据源，包括道路网络、交通流等数据。
通过数据预处理和模型构建，将数据转化为仿真系统所需的输入数据。
在MATLAB和Python等平台上实现数据的处理和建模。
3.3 协同机制本系统通过实时数据交换和协同机制实现多分辨的协同仿真。
在每个时间步长上，MATLAB和SUMO分别进行宏观和微观的仿真，并将结果通过数据接口进行交换。
同时，根据仿真结果调整仿真参数和模型，实现动态的协同仿真。
四、系统实现4.1 MATSim模块实现在MATLAB平台上实现MATSim模块，包括智能体生成、路径选择、交通流分配等功能。
通过调用MATLAB提供的并行计算工具箱，实现大规模的仿真计算。
基于多智能体的城市交通仿真研究多智能体模型是一种研究社会、经济、生态等复杂系统的动态研究方法，交通系统是一个具有随机性、动态性和自适应性等特征的开放的复杂系统。
因此以多Agent技术为手段结合交通系统的组成和复杂性特征，利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，可以让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。
借助Netlogo软件平台，利用Traffic Grid模型仿真研究了有人参与的交通仿真实验，获取了随着时间变化的车辆平均速度、平均等待时间等数据，根据其变化曲线为建设低碳交通和智能交通系统（ITS）提供决策。
标签：多Agent;交通仿真;Traffic Grid模型;Netlogo1 引言交通仿真是20世纪60年代以来,随着计算机技术的进步而发展起来的采用计算机数字模型来反映复杂道路交通现象的交通分析技术和方法。
从试验角度看,道路交通仿真是再现交通流时间和空间变化的模拟技术，交通仿真是智能交通运输系统的一个重要组成部分，是计算机技术在交通工程领域的一个重要应用。
利用基于Agent的计算机仿真通过模拟交通系统中个体的行为，让一群这样的个体在计算机所营造的虚拟环境下进行相互作用并演化，自下而上的“涌现”出整体系统的复杂性行为。
多主体模型基本思路是：由于人类社会是由大量的个体构成的复杂系统，因而在计算机中建立每个经济实体的个体模型，这样的计算机中模型被称为Agent；然后让这些Agent遵循一定的简单规则相互作用；然后通过观察这群Agent整体作用的涌现性找到人工社会的规律，并用这些规律解释和理解人类社会中的宏观现象［1］。
文中以Traffic Grid模型为基础，仿真研究了交通系统从而得出停着的车辆数量，平均等待时间等曲线，为城市规划和决策者提供了数据。
2多主体建模主体（Agent，也有人译为智能体、代理）和多主体系统（Multi-Agent System,MAS）是随着分布式人工智能的研究而兴起的。
“主体（Agent）”一词一般用来描述自包含的（self-contained）、能感知环境并能在一定程度上控制自身行为的计算实体［2］。
人工智能学者Minsky在1986年出版的著作《思维的社会》（The Society of Mind）［3］中提出了Agent，认为社会中的某些个体经过协商之后可以求得问题的解，这些个体就是Agent。
Agent至少应具备以下几方面的关键属性：①自主性：Agent具有属于其自身的计算资源和局部于自身行为控制的机制，能在无外界直接操纵的情况下，根据其内部状态和感知到的（外部）环境信息，决定和控制自身的行为。
②交互性：能与其他Agent 进行多种形式的交互，能有效地与其他Agent协同工作。
③反应性：能感知所处的环境，并对相关事件做出适时反应。
④主动性：能遵循承诺采取主动行动，表现出面向目标的行为。
⑤推理和规划能力：Agent具有学习知识和经验及进行相关的推理和智能计算的能力。
多Agent系统（MAS）由多个自主或半自主的智能体组成，每个Agent或者履行自己的职责，或者与其他Agent通信获取信息互相协作完成整个问题的求解。
与单Agent相比，MAS有如下特点：①社会性：Agent处于由多个Agent 构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。
②自制性：在多Agent 系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。
③协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。
3仿真模型3.1 总体结构道路交通系统包含很多相互关联的实体，主要有道路（分为路段和交叉口）、信号控制设施、车辆、驾驶员、行人等。
这些实体有的具有一定程度的自制性和智能性，如驾驶员、行人等，有的是被动的受其他实体的影响，如路段等。
多主体技术能够对交通系统中的各要素进行建模［4］，如交叉口、信号灯、交通控制中心等，对这些要素进行简化，建立多主体概念模型。
主要Agent 有交通路网Agent、车辆Agent、信号灯Agent，其中交通路网Agent参考1979年Herman等［5］提出的二流模型（Two-fluid Model）,该模型认为交通流有运行车辆与停止的车辆组成。
路网描述：交通路网是道路交通系统的基础设施，承载着车辆的运行。
交通路网具有复杂的拓扑结构和集合特征，如果过于复杂则计算负载过重，故分为路段、路网、交叉口三次层管理，路网Agent负责存储维护整个交通路网的拓扑关系，为交通实体提供路网信息。
路段Agent负责本路段的描述，交叉口Agent 包含信号灯对象实现各入口车道交通流的时间分离，一个路段一个车道。
信号灯结构：信号灯是重要的交通控制设施，它实现对交叉口不同流向的车辆进行时间分离，减少车辆之间可能的冲突，改善交通安全，提高交叉口流通效率。
信号灯控制从本质上看，是一个典型的复杂适应系统，国内外相关学者对信号灯控制已做出大量研究，也产生许多控制方案，但都有相应的局限性，也普遍存在着鲁棒性差、不易扩展、计算复杂等缺点［5］，本模型从计算简单出发统一管理信号灯，一次初始化好时间间隔。
3.3初始化环境环境是由37×37的网格组成的，通过设置sliders ：grid-size-x=3，grid-size-y=4初始化一个4行3列的道路，其中两条道路交叉处有红色和绿色的瓦片分别代表红灯和绿灯，其中汽车数目通过设置slider：num-cars=54，点击Setup 按钮即形成道路图。
3.4相关规则3.4.1环境规则初始时车辆数目（num-cars ）一定要小于路（如图2中白色的表示道路）的数量，如果超出则提示警告信息。
如果无人参与此系统则设置current-auto? 为off ，有则设置on ，并且通过current-phase 选择一个交通灯为控制的交通灯。
此系统如果没有交通灯的参与则设置power? 为off ，反之则设置为on 。
3.4.2运行规则每一个时间步，车子按照当前速度向前行驶，如果当前速度小于限制速度（speed-limit ）并且它们前方没有车子，那么它们加速（speed-up ）行驶，如果前面的车辆速度小于自己的车速，那么当前车子要调整自己车速和前面的车速一致（slow-down ），遇到红灯或者停着的车辆，当前车辆要停止。
4案例分析及结果4.1 案例一目前，以城市交通为背景，研究诸如拥堵的形式、传播、消散、交通流在路网中的优化分布、车辆动态路径选择、特殊车辆控制等问题时，无信号灯交叉口车辆通行情况的准确性表征都是不可缺少的重要一环［6］。
按照上述模型运行，当在没有信号灯也没有人参与的情况下（power?设置为off），道路为4行3列，车辆数目为140时的运行结果。
当在有信号灯没有人参与的情况下（power?设置为on），道路为4行3列，车辆数目为140时的运行结果。
4.2 案例二按照上述模型运行，当在道路为4行3列，车辆数目为54时我们得出停着的车辆数量柱状图如图5，车辆平均速度柱状图.4.3 分析及结果由案例一可知，在有信号灯参与交通管理下交通却快速崩溃了，导致这种结果有多个因素，如信号灯控制不合理、车辆数目过大超过了道路的承载能力等。
有案例二可知，车辆平均速度与停着的车辆数量有一定的关系，正如二流模型中认为的路网宏观层面的平均行驶速度与路网上车辆的比重的幂运算成线性关系［7］.限于篇幅，文中只给了两个案例，有参数设置可以看出要得到高效的交通模拟数据需要大量的实验和多种组合，我们还可以得出有人参与交通管理的情况下交叉口的流通效率会提高，当有流动车辆进入交通道路或者离开交通道路会对上述结论产生何种影响等许多对实践有指导意义的结论。
结论文中从基于多Agent建模的角度出发，借助Netlogo软件平台，利用了“Traffic Grid模型”，模拟了不同组合的参数对交通系统产生不同的影响，获取了车辆平均等待时间、停止的车辆等随时间变化的曲线，但是由于此模型比较简单，模拟的范围小、没有采用实际路网等因素，有待更好的改善。
多主体模型以并行的方式模拟非线性因果的社会系统，使人们更好地理解社会现象，发现现象背后的机制，从而做出预测和辅助决策。
多主体建模目前还未形成成熟的体系，因而也没有一套完整而成形的理论，但可以预言，随着多主体思想的普及理论方法的完善，基于多主体建模和仿真会越来越多地应用于社会生活研究中。
参考文献：［1］张江，李学伟.人工社会——基于Agent的社会学仿真［J］．系统工程，2005(1)：23-26.［2］宜慧玉，张发.复杂系统仿真及应用［M］.北京：清华大学出版社，2008.4.［3］Minsky M The Society of mind ［M］.New York:Simon and Schuster Company,Inc.1986.［4］Cetin N,Nagel K,Raney B et rge-scale multi-agent transportation simulations［J］.Computer Physice communications,2002,147:559-564.［5］方良松，余春艳.基于数字荷尔蒙模型的信号灯控制算法［D］.福州大学（数学与计算机学院）硕士论文，2008.11.05.［6］袁绍欣，赵祥模，安疑生.无信号交叉口车流通行状况的混杂Petri网模型［D］.长安大学，陕西，西安，710064.［7］HERMAN R,PRIGOGINE I .A. Two-fluid Approach to Town Traffic ［J］.Science,1979,204(4389):148151.(下接第7页)输入编辑，选择线文件中组成区边界的线文件；（2）选择下拉菜单其它→自动剪断线；然后再选择下拉菜单其它→拓扑错误检查→线拓扑错误检查，如果有错误会弹出对话框，提示线拓扑有错的线段，根据提示修改错误，然后选取下拉菜单“其它” →线转换弧段并保存，形成一个区文件；（3）在已打开的线文件中，选择下拉菜单“工作区”→添加文件→添加区文件（选择建立的区文件）；然后再选择下拉菜单“其它” →拓扑重建，拓扑重建后的图形如图5所示；4点文件、线文件、区文件的叠加MAPGIS生成的三类文件分别保存在三个文件中，而CAD是保存在同一个文件中的，所以MAPGIS中，要查看一幅完整的地图，需要文件的叠加，如先通过“图形处理” →“输入编辑”打开已经建立的线文件，然后在下拉菜单“工作区” →“添加文件”，选择要添加的点文件和区文件，当然也可以打开区文件添加点文件和线文件。
