[发明专利]基于多智能体仿真的城市公共交通政策分析平台

权利要求书

1.一种基于多智能体仿真的城市公共交通政策分析平台，其特征是，由大规模自治Agent松散藕合所构成，形成多Agent系统，通勤者Agent代表在早高峰有出勤需求的居民，其基本行为模式为在每个仿真天内乘坐公交车至工作区上班，结束通勤后衡量此次通勤的成本，更新经验库和知识；系统包括如下几个主要模块：

环境感知模块：用于感知环境中的拥挤、早到或迟到的延误惩罚因素；

记忆存储模块：用于保存和提取历史通勤信息；

成本衡量模块：结合环境感知模块计算通勤成本；

经验库：随着系统的演化Agent会不断更新自己的经验，其内容体现了Agent对记忆中整个高峰通勤状况的感受和评价；

学习机制：采用基于Agent的Bush-Mosteller算法；

决策控制模块：结合经验库和通勤者记忆的信息，对下一个仿真天选乘的班次进行决策；其中，基于Bush-Mosteller的通勤者学习机制包括：

1)采用Bush-Mosteller强化学习模型；

2)策略学习机制

将BM模型应用到早高峰通勤情境下，通勤者的可选策略集即为早高峰所有班车集合，记为T，每一辆公交车代表一个选择策略，每个策略对应一个选择概率从而整个策略集对应了一个概率向量，由随机决策准则决定每仿真天内通勤者所选策略，通勤者单次通勤效用由成本衡量模块计算；

3)刺激计算规则

在BM标准模型中，刺激s_a的计算方式公式如下：

其中

c_a—策略a相对应的平均通勤

A—通勤者对此次通勤成本的期望

c_max—该通勤者的历史最高通勤成本

c_min—该通勤者的历史最低通勤成本

式(1)的分母表示该通勤者历史任意一次成本与期望之差的绝对值的上确界；

4)概率更新过程

把A取为该通勤者的历史平均通勤成本，在一次通勤中采用策略a之后，其对应概率p_a更新规则如下：

在式(2)中，p_a,t代表t时刻策略a对应的选择概率，l表示学习率0＜l＜1，其体现了通勤者学习的速度，s_a,t是在t时刻选择策略a后计算得到的刺激；

对于未被选择的策略，其对应的概率更新规则如下：

2.如权利要求1所述的基于多智能体仿真的城市公共交通政策分析平台，其特征是，采用在参数一致的情况下对比经典解析结果的方法，检验多Agent系统模型的正确性：采用Tian模型作为验证多Agent方法适用性的基准模型，在Tian的模型中，通勤者被假定为是同质的，并且对整个早高峰通勤状况具有完备信息，首先采用与其一致的假定条件和参数设置进行实验，从H_i站出发，选择乘坐班车j的通勤者的总成本用如下公式计算：

其中，αTⁱ代表车内旅行时间所带来的成本，p_i表示从H_i站出发到工作地W的票价，假定p_i是恒定的并不随时间变化，表示通勤者从H_i出发乘坐班车j到达W过程中的总拥挤成本，拥挤成本的计算用一个包含车内拥挤水平和站间行驶时间的函数表示，如式(5)：

其中，是从站H_m上车乘坐班车j的通勤者数量，显然有τ_s表示从站H_s到站H_s+1的行驶时间，拥挤函数g(n)代表通勤者对拥挤水平的感知，当车厢内没有人的时候，拥挤成本为0，即g(0)＝0；g(n)取线性函数；

式(4)中的第四项δ(j)表示通勤者乘坐班车j所获得的延误惩罚成本，这里延误惩罚成本的定义与Vickrey的瓶颈模型一致，模型中用T＝{ξ,...,2,1,0,-1,-2,...,-ζ}表示所有公交车的集合，ξ和ζ取足够大以确保所有通勤者均能在整个交通高峰阶段完成通勤，假定只有一辆公交车是在上班时间时刻准时到达工作区W的，用0表示，由此，j＞0表示在上班时间之前就到达W的公交班次，早到的时间即j×t，其中t为公交车发车间隔，j＜0表示在上班时间点之后到达W的公交班次，迟到时间为-j×t，δ(j)的计算如式(6)：

其中，β和γ均为正数，分别代表早到、迟到情况下每单位时间所带来的延误惩罚成本；

在计算等价问题时假定p_i+αTⁱ＝0，最终通过求解凸函数最小化问题得到通勤者出发时间的均衡状态分布：

达到均衡时通勤者出发时间分布满足四点性质：

(1)对于非起始站点H_i，如果某班车j上在该站载客人数则上游站台中一定也有人乘坐该车；

(2)对于非起始站点H_i，如果某班车j上在该站载客人数则上一站台H_i-1一定有人乘坐该车；

(3)对于非起始站点H_i，如果某班车j上在该站载客人数则该车所搭载的上游所有站台的总人数是一个独立于j的常量；更进一步说，上游每一站的上车人数均是独立于j的常量nⁱ；

除了最后一个上车站即非H_k的H_i，对于所有班车j属于T，所有在H_i站上j车的人数均小于等于nⁱ。