基于多Agent的早高峰公交通勤者仿真研究

摘要

城市居民出行的聚集现象越加严重，尤其是在早晚高峰时段，由此而导致的城市交通拥挤问题已严重影响了居民的生活并且带来了空气污染及停车用地匮乏等问题。对通勤者出发时间的研究作为交通需求管理中的重要组成部分，能够帮助我们充分的理解出行者出发时间选择的影响因素和行为机制，是设计和评估交通政策的先决条件。
　　本文结合多Agent仿真技术及强化学习Bush–Mosteller算法，建立城市早高峰公交通勤出发时间选择仿真模型。通过对比相同条件下经典解析模型的结果验证了模型的正确性，并且再现了均衡的形成过程。从通勤者自身因素和环境政策因素方面出发进行了两类仿真实验，在关于通勤者自身因素的实验中，主要考虑了通勤者的异质性及有限记忆的特性；而在关于环境政策因素的实验中，重点考察了公交票价“峰前免费”政策及“公交优先”政策对出发时间均衡的影响。本研究加深了对通勤者出发时间选择行为和早高峰通勤均衡现象的理解，使用的方法也为探索复杂交通现象的形成和演化过程提供了一种有效的途径。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 多Agent建模方法

1.4 多Agent强化学习

1.5 本文研究内容及技术路线

第二章 基于多Agent的早高峰出发时间选择模型

2.1 模型情景

2.2 多Agent建模

2.3基于Bush-Mosteller的通勤者学习机制

第三章 模型检验与性质探讨

3.1经典解析模型及均衡性质

3.2理想组实验-仿真经典解析模型

3.3理想组实验性质探讨

第四章 早高峰情景中通勤者因素仿真研究

4.1仿真实验-考虑混合异质通勤者群体

4.2仿真实验-考虑有限记忆的通勤者情境

第五章 早高峰情景中环境政策仿真研究

5.1 “高峰前免费乘车”政策影响

5.2 公交提速政策影响

第六章 总结与展望

参考文献

发表论文和参加科研情况说明

致谢