随着信息时代的到来，城市的节奏越来越快，城市交通与经济发展的矛盾日趋尖锐。交通拥堵、交通安全、环境污染已成为社会关注的焦点。在中国城市发展的现状下，单单从改进道路和车辆等硬件方面来考虑，难以从根本上解决问题，而且从实际的经济状况和地理限制来考虑也是不现实的。城市交通控制作为组织、控制交通流的主要手段之一，在解决城市交通问题中担负着重要责任。但是传统的交通控制方法已不能有效解决交通问题，如何运用现代的科技手段来缓解日益严峻的交通压力是目前研究的重点。 基于目前交通问题及交通系统发展的现状，本文在前人理论的基础上，研究了分布式环境下实时Agent的结构及通信和协调机制，将实时Agent技术应用于交通控制系统，提出了基于Agent的智能交通控制的体系结构，探讨了各个交通元素Agent的功能以及它们的协调合作关系，研究了基于Agent的城市交通控制系统框架下的内部控制机理，以区域协调控制为重点，提出了基于改进Q学习的学习算法，此外，还引入了博弈论，阐述了基于改进Q学习和基于博弈论的多Agent协调机制，并通过仿真模型验证了算法的有效性，为基于Agent的智能交通控制系统的最终实现提供了理论指导和方法依据。 论文主要内容如下： 论文通过将Agent逻辑理论和实时智能系统相结合，建立了单一实时Agent的结构和控制模型。在Agent控制中，采用了任意时间算法生成缺省控制方案，较好地满足了多Agent系统的实时性；同时采用TAEMS(the Task Analysis，Environmental Modeling and Simulation Language)表达实时任务结构模型，提出了实时Agent方案质量的定义，制定了产生所有可选择方案的三种策略，即最高质量策略、最小执行时间策略和最高可能质量策略，基于任务质量和完成时间的折中算法设计了实时Agent调度算法，并给出了任务可调度性分析算法，在实现时采用计划缓存和学习进行优化，满足了实时Agent的控制运行的需要。并以此为基础提出一种基于多Agent技术的城市交通控制系统的模型框架。通过采用实时多Agent技术以分布式计算模式平衡交通控制网络的计算负荷，增强控制系统的鲁棒性与实时性。 论文研究了分布实时Agent的通信技术。论文在介绍Agent的通信语言KQML(Knowledge Query and Manipulation Language，KQML)的软件结构基础上，研究了实时Agent通信的解决方法(即在KQML消息的原语层增加时间约束)，引入了通信服务质量QoS(Quality ofService，QoS)的定义，给出了QoS的语义，提出了基于通信质量的KQML的实时扩展方法，解决了多Agent系统的实时通信问题；另外还研究了Agent通信安全性的原理，对KQML原语参数进行了安全性扩展，定义了实现安全机制的KQML两个新原语。 论文进一步研究了多Agent系统在实时约束条件下Agent间的协调和协作方法，建立了多Agent实时协调模型。论文讨论了基于合同网和部分全局规划两种工作方式及其相应的改进。并且将机器学习应用于自动协作中。通过利用贝叶斯法则来更新协作中的环境信息(即信念)，利用再励学习中的Q学习算法来生成协作中的提议，从而建立一个具有学习机制的多Agent自动协作模型。论文对传统Q学习进行了扩充，设计了基于Agent的当前信念和最近探索盈余的改进的Q学习算法。在此基础上，提出了基于改进Q学习以及博弈论的区域交通协调控制算法。 论文还研究了基于Agent的单路口交通控制方法。本文以多Agent技术为基础，讨论了交叉口Agent内部知识模型，指出了基于Agent进行单路口交通流控制的可行性，研究了基于改进Q学习的交叉口Agent内部控制策略。 基于以上讨论，论文以Visual C++为编程工具，结合桂林城市交通控制系统，采用面向对象的技术初步实现了系统设计，并对传统定时控制和基于Agent的改进Q学习控制两种方法对相邻两个交叉口的交通流进行控制的效果作了仿真比较。仿真结果表明，基于Agent的控制方法的总体效果明显优于定时控制。 论文最后总结全文的工作，并指出若干有待于今后进一步研究的内容。