本发明具体涉及一种基于stackelberg博弈的路径选择方法。
背景技术：
信息-物理融合系统cps(cyber-physicalsystem)是一个综合计算、网络和物理环境的多维复杂系统，通过3c技术(computing、communication和control)的有机融合与深度协作，以实现实时感知、信息服务和动态控制。近年来，人们研究了cps在电力、医疗、交通等领域的应用，并已取得了一些极具价值的成果。随着城市智能交通系统的建设和人们对汽车性能要求的提高，汽车cps(vehicularcyber-physicalsystem，vcps)也受到了很多学者的关注。在汽车cps中，实时传入传感器收集本车的实时信息或其它车辆的信息，通过一个统一的网络完成信息的交互和计算，并根据反馈的信息来完成对汽车的控制，使得汽车更易于驾驶，响应更快，更安全，更智能。由于在汽车cps的大多数应用中，比如智能路径规划、防碰撞系统以及车辆组网等。近年来，由汽车保有量急剧膨胀导致的城市交通拥堵问题不断发生，大大影响了国民生活质量和国家经济的发展。研究表明，多数交通拥堵的形成并非道路通行能力的不足因此，而是由于车辆没有得到较好的导流，路径选择技术在汽车cps中是一个值得关注的问题。
目前，常用的路径选择方法有基于路径最短和时间最短的方法，但是在现在城市交通复杂多变的情况下，选择路径最短可能是交通最拥堵的路段，等待的时间较长，同时也损耗大量的时间和能源，选择时间最短意味着可能路径较长，损耗的时间和能源也是较多的。无论是基于路径最短还是时间最短，其结果都相对单一，而且都满足不了城市交通和出行人群的需求。
技术实现要素：
本发明的目的在于提供一种能够高效全面的实现道路交通整体调节、并且为车主提供科学合理的路径选择的基于模糊stackelberg博弈的路径选择方法。
本发明提供的这种基于模糊stackelberg博弈的路径选择方法，包括如下步骤：
s1.获取当前所有道路的道路信息数据和车辆信息数据；
s2.计算当前所有道路和车辆的决策参数；
s3.根据步骤s2得到的决策参数，采用模糊控制规则得到当前各条道路的交通调节量；
s4.采用stackelberg博弈模型给每台车辆进行路径推荐，并获取每台车辆最终选取的路径结果；
s5.重复步骤s1～s4，直至当前交通系统达到纳什均衡状态，从而完成最终的路径选择。
步骤s1所述的当前所有道路的道路信息数据和车辆信息数据，具体包括当前所有道路的行驶费用(采用车辆行驶该道路时所耗费的油耗表示)、当前所有道路的数量、车辆在道路上的无障碍行驶的平均时间、当前道路的交通量和道路的通行能力(以道路的最大可承载交通量表示)。
步骤s2所述的计算当前所有道路和车辆的决策参数，具体为计算如下决策参数：
a.采用如下算式计算各条道路的阻抗ta(t)：
式中，t0为道路a上的车辆的无障碍行驶的平均时间，q为该道路当前时刻的交通量，c为当前道路的通行能力，α和β为事先设置的系数；
b.采用如下算式计算出行者的收益函数zt：
式中x为道路阻抗或行驶费用，σ为当前道路的所有参数x的方差，μ为当前道路的所有参数x的平均值；
c.采用如下公式计算管理者(将整个交通网络视为管理者)的收益函数zc：
式中n为交通网络中素有路径的条数，zt为出行者(将车辆视为出行者)的收益函数，
d.采用如下算式计算当前所有道路的道路拥挤度d：
式中q为该道路当前时刻的交通量，c为当前道路的通行能力；
f.采用如下算式计算当前所有道路的拥塞变化率r：
式中d为当前道路的道路拥挤度。
步骤s3所述的采用模糊控制规则得到当前各条道路的交通调节量，具体为将道路拥挤度和拥塞变化率模糊化后，根据事先指定的模糊规则，采用玛达尼推理法得到当前各条道路的交通调节量。
所述的模糊规则，具体为采用如下的步骤建立模糊规则：
(1)在道路拥挤度d的论域上，定义5个模糊子集，分别为：很小、较小、适中、较大和很大；
(2)在拥塞变化率r的论域上，定义5个模糊子集，分别为：很小、较小、适中、较大和很大；
(3)在交通调节量q的论域上，定义5个模糊自己，分别为：很小、较小、适中、较大和很大；
(4)采用如下规则作为模糊规则：
若d为很小，r为很小，则q取值为很大；
若d为很小，r为较小，则q取值为很大；
若d为很小，r为适中，则q取值为较大；
若d为很小，r为较大，则q取值为适中；
若d为很小，r为很大，则q取值为较小；
若d为较小，r为很小，则q取值为很大；
若d为较小，r为较小，则q取值为较大；
若d为较小，r为适中，则q取值为适中；
若d为较小，r为较大，则q取值为较小；
若d为较小，r为很大，则q取值为较小；
若d为适中，r为很小，则q取值为较大；
若d为适中，r为较小，则q取值为适中；
若d为适中，r为适中，则q取值为较小；
若d为适中，r为较大，则q取值为较小；
若d为适中，r为很大，则q取值为很小；
若d为较大，r为很小，则q取值为适中；
若d为较大，r为较小，则q取值为较小；
若d为较大，r为适中，则q取值为较小；
若d为较大，r为较大，则q取值为很小；
若d为较大，r为很大，则q取值为很小；
若d为很大，r为很小，则q取值为较小；
若d为很大，r为较小，则q取值为较小；
若d为很大，r为适中，则q取值为很小；
若d为很大，r为较大，则q取值为很小；
若d为很大，r为很大，则q取值为很小。
本发明提供的这种基于模糊stackelberg博弈的路径选择方法，采用stackelberg博弈的方法，将整个交通网络(“管理者”)与车辆(“出行者”)结合起来，以阻抗和道路拥挤度分别作为博弈的双方出行者和管理者的收益，使其达到各自尽可能最优的状态，减少了交通网络的拥挤可能性，而且运用模糊理论将道路拥塞度和道路拥塞变化率作为输入量，得出拥塞控制量，提高了路径选择的合理性与精确性。
附图说明
图1为本发明方法的方法流程图。
具体实施方式
如图1所示为本发明方法的方法流程图：本发明提供的这种基于模糊stackelberg博弈的路径选择方法，包括如下步骤：
s1.获取当前所有道路的道路信息数据和车辆信息数据；具体包括但不限于如下的数据信息：当前所有道路的行驶费用(采用车辆行驶该道路时所耗费的油耗表示)、当前所有道路的数量、车辆在道路上的无障碍行驶的平均时间、当前道路的交通量和道路的通行能力(以道路的最大可承载交通量表示)等；
s2.计算当前所有道路和车辆的决策参数；具体包括如下决策参数：
a.采用如下算式计算各条道路的阻抗ta(t)：
式中，t0为道路a上的车辆的无障碍行驶的平均时间，q为该道路当前时刻的交通量，c为当前道路的通行能力，α和β为事先设置的系数；
b.采用如下算式计算出行者的收益函数zt：
式中x为道路阻抗或行驶费用，σ为当前道路的所有参数x的方差，μ为当前道路的所有参数x的平均值；
c.采用如下公式计算管理者(将整个交通网络视为管理者)的收益函数zc：
式中n为交通网络中素有路径的条数，zt为出行者(将车辆视为出行者)的收益函数，
d.采用如下算式计算当前所有道路的道路拥挤度d：
式中q为该道路当前时刻的交通量，c为当前道路的通行能力；
f.采用如下算式计算当前所有道路的拥塞变化率r：
式中d为当前道路的道路拥挤度；
s3.根据步骤s2得到的决策参数，采用模糊控制规则得到当前各条道路的交通调节量；具体为将道路拥挤度和拥塞变化率模糊化后，根据事先指定的模糊规则，采用玛达尼推理法得到当前各条道路的交通调节量；具体地，采用如下的步骤建立模糊规则：
(1)在道路拥挤度d的论域上，定义5个模糊子集，分别为：很小、较小、适中、较大和很大；
(2)在拥塞变化率r的论域上，定义5个模糊子集，分别为：很小、较小、适中、较大和很大；
(3)在交通调节量q的论域上，定义5个模糊自己，分别为：很小、较小、适中、较大和很大；
(4)采用如下规则作为模糊规则：
若d为很小，r为很小，则q取值为很大；
若d为很小，r为较小，则q取值为很大；
若d为很小，r为适中，则q取值为较大；
若d为很小，r为较大，则q取值为适中；
若d为很小，r为很大，则q取值为较小；
若d为较小，r为很小，则q取值为很大；
若d为较小，r为较小，则q取值为较大；
若d为较小，r为适中，则q取值为适中；
若d为较小，r为较大，则q取值为较小；
若d为较小，r为很大，则q取值为较小；
若d为适中，r为很小，则q取值为较大；
若d为适中，r为较小，则q取值为适中；
若d为适中，r为适中，则q取值为较小；
若d为适中，r为较大，则q取值为较小；
若d为适中，r为很大，则q取值为很小；
若d为较大，r为很小，则q取值为适中；
若d为较大，r为较小，则q取值为较小；
若d为较大，r为适中，则q取值为较小；
若d为较大，r为较大，则q取值为很小；
若d为较大，r为很大，则q取值为很小；
若d为很大，r为很小，则q取值为较小；
若d为很大，r为较小，则q取值为较小；
若d为很大，r为适中，则q取值为很小；
若d为很大，r为较大，则q取值为很小；
若d为很大，r为很大，则q取值为很小；
s4.采用stackelberg博弈模型给每台车辆进行路径推荐，并获取每台车辆最终选取的路径结果；
每台车的出行者在选择具体道路时，可以根据自身的具体状况选择道路：比如，当出行者对当前道路不熟悉时，可以直接选择当前管理者推荐的路线，若出行者对当前道路比较熟悉，则可以根据出行者自己的经验选择道路，而仅仅只将管理者推荐的道路作为参考；
s5.重复步骤s1～s4，直至当前交通系统达到纳什均衡状态，从而完成最终的路径选择。
步骤s1、s2、s3为cps中的计算部分，计算各种所需的数据参数，步骤s4是cps的通信和决策部分，决策部分包括对管理者对路径推荐的决策和出行者最终选择路径的结果，通信部分为管理者对出行者的决策广播，以及出行者选择的路径反馈过程。