作者：吴学新; 凌帅; 李庚城市交通通勤多agent仿真强化学习
摘要：结合多Agent方法和强化学习模型,建立了城市高峰时段通勤者出行方式及出发时间选择 的计算机仿真模型.仿真研究了限行政策下通勤者的出行选择行为,再现了交通均衡的形成过程. 根据仿真结果分析了不同公交改善措施的实施效果.结果表明限行政策实施后,公交出行人数增加18% ,一定程度上缓解了高峰时段的拥堵状况,但也会导致出行者在非禁行日公交出行的概率减小, 因此仅采取限行政策起到的作用是有限的.在小汽车限行政策下,提高公共交通发车频率,能够使公交出行人数增加17.5% ,小汽车拥堵等待时间减少85 % ,有效地改善了道路交通状况,相比之下,降低公交价格的改善作用不明显.研究中采用的多Agent方法可以直观方便地描述丰富的个体行为, 同时在描述个体行为与系统的互动方面具有一定的优势,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.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
