公交出行中的个体学习行为及其仿真的研究-控制科学与工程专业论文.docx

万方数据 万方数据 摘 要 以公交系统中的个体学习行为为研究对象，通过构建出行者面对动态出行环 境的选择行为模型，使用基于多智能体的仿真方法，模拟公交运营服务过程以及 出行者的学习与自适应行为，捕捉个体行为所涌现的宏观特性。 通过对个体的心理认知特性及其公交出行过程进行描述和分析，建立了个体 出行行为的理论模型和方法框架。论文通过阐述马尔科夫决策过程的基本属性， 解析公交服务的具体过程，建立了个体公交出行的路径选择模型，并给出了模型 的强化学习算法；通过对个体公交出行感知更新机制和出发时刻选择过程的分 析，建立了个体公交出行的感知更新与出发时刻选择模型。通过仿真实验发现： 上述理论模型和方法能够较好的表征个体在公交出行中的学习行为和自适应过 程。 分析了交通信息在公交出行者感知学习过程中的作用。提出了一个基于 Q 学 习参数的信息评价机制和信息信任指数更新机制。通过仿真实验发现：交通信息 在出行中的主要角色是外部影响要素，它会提高出行者对环境变动的敏感程度， 但是并不能给出行者带来额外的收益；只有当环境发生突变时，交通信息才能发 挥显著的作用。 分析了个体在公交出行中的习惯选择行为。通过分析习惯选择与主动学习的 关系，提出了一个考虑用户习惯选择行为的个体公交出行模型以及习惯选择的触 发和终止机制。通过仿真实验发现：在不确定性的出行环境中，多数出行者的习 惯选择行为是系统走向均衡的有益因素。 最后，在 Swarm 平台的基础上，设计并开发了基于多智能体的微观仿真系统， 实现了针对上述理论模型的微观仿真实验。 关键词： 公共交通 个体学习 强化学习 马尔科夫决策 多智能体仿真 ABSTRACT The public transit riders’ learning behaviors are research subjects in this thesis. We have built a model to describle the riders’ choice behaviors when they faced the dynamics in the public transit system. Based on a Multi-Agents simulation system, we simulate the operational process of the public transit system and the learning and adaptive behaviors of riders. The emergent properties of the transit riders’ behaviors are also observerd in this system. We build a theoretical model framework of the public transit rider’s travel behaviors through the analysis of the individual’s cognitive factors and operational process of public transit. The properties of Markov Decision Process(MDPs) are expounded in this thesis. A public transit route choice model based on MDPs is formulated in this thesis. The algorithm of Reinforcing Learning is introduced to solve the above model. The perceived update and departure time choice models for public transit riders are formulated through the analysis of the rider’s learning mechanism. Through the simulation experiments, we found that the above models are appropriate for describing the individual’s learning behaviors and adaptation process. We analyse the role of information in the process of the individual’s cognitive learning, and build a