一、多智能体角色定义（分布式协作核心）
- 路口智能体（Intersection Agent）：对应原方案路口 actor 实例，核心职能是管理路口通行状态，收集驶入 / 驶出车辆数据，维护车流密集量涨落时序清单，与邻域路口、车道智能体实时同步通行信息，同时存储自身到其他路口的备选路径库（基于 k - 最短路径算法预生成）。
- 车道智能体（Lane Agent）：映射原方案车道 actor 实例，负责监测车道车流密度、行驶限速、通行特征（如车辆类型、环境条件），维护特征组合计数清单，自主测算本车道的预计行驶时长，并响应路径查询请求。
- 路径规划智能体（Path Planning Agent）：全局协调核心，接收外部系统的车辆路径规划指令（含起始 / 目的路口、出发 / 到达时间、车辆特征），调度相关路口 / 车道智能体开展路径模拟，汇总多路径预计时长，筛选最优解。
- 任务调度智能体（Task Scheduling Agent）：对接外部任务分配系统，将最优路径结果转化为精准任务指令，支持 "指定出发时间" 或 "指定到达时间" 两种模式，同步反馈路径执行状态至各参与智能体。
二、核心协作机制
- 通信协议：采用 "订阅 - 发布 + 点对点协商" 混合模式，路口 / 车道智能体通过消息队列实时推送车流变化消息，路径规划智能体按需向目标智能体发起路径测算请求，确保数据同步延迟≤100ms。
- 数据共享规则：统一时空数据标准，路口智能体共享驶入 / 驶出车道 ID、路口行驶长度，车道智能体共享车流密度、通行时长统计，所有数据附带时间戳和可信度标签（基于数据采集频次生成）。
- 冲突协调机制：当多车辆同时请求同一条潜在最优路径时，路径规划智能体联合相关智能体进行二次推演，通过调整出发时间窗口、拆分通行顺序，避免局部拥堵。
三、路径搜索核心流程
- 指令接收与解析：任务调度智能体接收路径规划指令，提取关键参数（起始 S / 目的 D 路口、时间约束、车辆特征），转发至路径规划智能体。
- 备选路径召回：路径规划智能体触发 S 路口智能体，召回 S-D 间的多条备选路径（按长度升序排列），并向每条路径包含的路口 / 车道智能体发送 "通行测算请求"。
- 分布式模拟推演：各路口 / 车道智能体自主调用本地数据，结合车辆特征和时间约束，测算自身路段的预计通行时长，通过链式协作完成整条路径的时长累加（如 Lane1→Intersection2→Lane3 的时长依次传递汇总）。
- 最优路径决策：路径规划智能体收集所有备选路径的总预计时长，筛选最短时长对应的路径，同步至任务调度智能体，由其生成最终任务分配指令。
- 动态调整机制：行驶过程中，若车道智能体监测到车流突变（如密度超阈值），实时向路径规划智能体发送预警，触发二次路径搜索，快速切换至次优路径。
四、技术优势升级
- 自主性更强：路口 / 车道智能体可自主更新数据、测算时长，无需集中式控制，提升系统响应速度。
- 协作效率更高：分布式推演替代单线程模拟，多条备选路径可并行测算，路径搜索耗时降低 30% 以上。
- 鲁棒性更优：单个智能体故障不影响全局，邻域智能体可临时接管职能，避免系统瘫痪。