居住外迁影响下活动-出行时空分布演变的多智能体仿真

论文总字数：36668字

摘 要

在城市化进程当中往往会伴随城市居民居住地点向城市外围转移的过程。居住外迁的过程往往会对居民日常的活动选择、出行行为产生巨大的影响。本文提出了一个基于多智能体的仿真系统来研究伴随着城市扩张而出现的居住外迁现象对城市居民出行行为以及城市整体交通形态的影响。仿真环境的建立基于对一个中国典型的城市-铜陵市进行的居民出行调查，选取调查结果中的通勤出行以及非通勤出行作为重点研究对象。首先从居民出行调查数据中提取了不同种类智能体的活动出行模式并且建立了反映出行者对出行时间和地点选择的回报函数。引入道路阻抗函数来反映智能体行为选择之间的交互影响并应用人工神经网络方法对智能体的出行方式选择做出预测。随后应用本文提出的仿真模型对居住外迁后生成的智能体进行仿真来探究居住外迁后城市居民活动-出行时空选择特性的变化情况以及城市交通形态的演变。之后再次应用仿真模型探究在居住外迁后可以施行的提高公交可达性、控制私人小汽车增长率等政策措施对城市居民的活动出行产生的影响。研究的结果表明，伴随着城市扩张而出现的居住外迁现象通常会导致居民日常出行的距离增加并且导致更多机动化出行。从制定交通管理措施的角度考虑，仿真结果表明在城市居民居住外迁以后，能够减少外迁居民出行需求和出行距离的交通管理措施对提升城市交通质量有更显著的效果。除此之外，同时采取多种交通管理措施通常会比只采取单一措施对出行者的出行行为产生更显著的影响。

关键词： 居住外迁；活动-出行行为；多智能体系统；Q学习；政策措施

Abstract

Urbanization is always associated with the process of residential relocation, which may result in significant changes in residents’ travel behavior. This study proposes a multi-agent-based simulation model to explore the effect of residential relocation resulting from urban expansion on travel behavior and urban transportation in terms of both work-related and discretionary travel in China. Various types of agents were extracted based on the survey data and reward functions consisting of time and location information were then constructed. A road impedance function was also employed to reveal interactions among individuals. The travel model choices were determined using an artificial neural networks based on the randomly collected data from the database. Six scenarios are used to identify how the residents in an urban central area and in a suburban area are affected by different strategies, such as higher land diversity in suburban areas, a decreased speed of growth in the number of private cars and greater public transit accessibility. The simulation results indicate that residential relocation driven by urban expansion leads to longer daily trips and more motorized trips. From a policy perspective, the findings suggest that strategies to reduce travel demand and trip distances after residential relocation will perform better in improving traffic than other strategies. In addition, a combination of various strategies is preferable to using one strategy alone if planners want to affect the travel behavior of more people.

Key words: Residential relocation; Activity-travel behavior; Multi-agent system; Q-learning; Policy

目录

摘要 I

Abstract II

第一章 绪论 1

1.1研究背景和意义 1

1.2国内外研究现状 1

1.2.1多智能体系统及强化学习 1

1.2.2居住外迁对活动出行的影响 3

1.3研究目标 4

1.4研究内容 4

1.5研究技术路线 5

1.6论文组织结构 6

第二章 基于多智能体系统的活动出行仿真方法 7

2.1多智能体及多智能体系统 7

2.1.1智能体的概念 7

2.1.2智能体的特性 7

2.1.3多智能体系统 8

2.1.4多智能体系统的优势 9

2.2多智能体系统中的机器学习 9

2.2.1机器学习 9

2.2.2多智能体系统学习方法分类 10

2.3强化学习及Q学习算法 11

2.3.1强化学习的概念和基本原理 11

2.3.2 Q学习算法 12

2.3.3 Q学习算法中的探索与利用 13

2.4本章小结 13

第三章 仿真模型的建立及仿真过程 14

3.1仿真模型参变量说明 14

3.2仿真模型执行流程 14

3.3仿真建模数据处理与分析 15

3.3.1数据来源 15

3.3.2智能体的生成过程 16

3.4仿真模型回报函数的建立 18

3.5仿真模型中出行方式的选择 20

3.5.1出行方式预测方法及过程 20

3.5.2出行方式预测结果分析 21

3.6仿真模型中出行时间的确定 22

3.8仿真结果分析 22

3.9本章小结 24

第四章 居住外迁对城市交通的影响及应对措施 25

4.1居住外迁过程分析 25

4.1.1居住外迁趋势分析 25

4.1.2居住外迁对智能体属性的影响 26

4.2 居住外迁对城市居民活动出行的影响 27

4.3居住外迁后不同政策措施的效果评估 29

4.3.1不同政策措施在仿真模型中的体现 29

4.3.2多情景模式下的仿真结果及分析 31

4.4本章小结 34

第五章 结论与展望 35

5.1研究成果和主要结论 35

5.2研究展望 36

致谢 37

参考文献 38

1. 绪论

1.1研究背景和意义

在过去的几十年间，伴随着中国人口和经济的持续快速增长，中国的城市化进程也在逐步加快。为了保证城市基本功能的实现、满足城市日益增长的土地资源需求，许多城市所辖的空间范围也在一步步扩大。城市空间土地利用形态的转变势必会导致大量以往在城市中心区居住的人向城市外围区迁移。因此，城市居住人口外迁总是与城市扩张相伴而生。这种城市发展状况现在在中国普遍存在并且在未来的很长一段时间内还会持续进行。

剩余内容已隐藏，请支付后下载全文，论文总字数：36668字