基于多智能体离散选择模型城市动态微观仿真方法

文档序号:6371680阅读:656来源:国知局
专利名称:基于多智能体离散选择模型城市动态微观仿真方法
技术领域
本发明涉及一种仿真方法,尤其涉及一种基于多智能体离散选择模型城市动态微观仿真方法。
背景技术
城市动态微观仿真是一个由一系列城市相关因素影响的复杂计算过程。对城市土地利用的变化进行建模可以帮助人们理解城市发展的机制同时还可以检验现有的城市理论。城市动态微观仿真过程中会模拟出城市系统中不同实体的行为。
比如,土地开发者会构造新的建筑或者对已有的建筑重新修整,政府土地规划部门会通过实施土地利用计划,城市扩张界限,环境保护法规来规范土地利用。政府部门也会建设基础设施,包括影响不同地点互通模式的交通基础设施,会反过来影响房屋购买者对不同住址的选择。因此,对城市动态进行微观仿真,具有现实的意义。

发明内容
本发明所要解决的技术问题是提供一种基于多智能体离散选择模型城市动态微观仿真方法,该仿真方法利用现有的土地利用政策或者城市规划方案来进行分析和仿真预测,并将仿真结果反馈给土地利用的决策者让决策者做出是否采纳新的土地利用政策,该仿真方法可以对新推出的土地规划政策的可行性进行很好地评估,尽量减少土地资源的浪费。本发明所采用的技术方案是一种基于多智能体离散选择模型城市动态微观仿真方法,其特征在于该方法以多智能体为中心,结合地理信息系统,利用城市环境数据,作为影响城市居民对家庭住址选择以及土地开发利用的影响因素,将这些影响因子带入MNL模型的效用函数计算出居民对家庭住址选择的选择概率以及土地价格,从而可以模拟城市人口动态、城市土地利用变化。按上述方案,该仿真方法的具体步骤为步骤一将MNL模型的效用函数与城市环境数据相结合建立MNL离散选择模型,所述的城市环境数据为历年的城市人口统计数据、所研究城市地区内的人口增长、就业机会、土地价格的微观经济假设以及当地调控每块土地开发类型管辖者所制定的规划政策;步骤二 将步骤一中的MNL模型的效用函数计算出居民对家庭住址选择的选择概率,从而模拟城市居民对家庭住址的选择,建立城市居民住址选择模型。在上述步骤二中建立城市居民住址选择模型的步骤为步骤A、将城市居民的统计数据结合GIS空间数据计算出住址的效用值;步骤B、计算出N*M (N是居民数,M是选择项数)的住址选择概率;步骤C、根据步骤B的N*M (N是居民数,M是选择项数)的住址选择概率得出概率累和区间;步骤D、利用蒙特卡罗方法产生概率分布是(0,I)上均匀分布的M个随机数,将随机数带入步骤C中的概率累和区间,得出供城市居民选择的N个住址;步骤E、选择随机数落入概率区间所对应的住址,供决策者参考。在上述步骤A中的住址的效用值的计算步骤为I)、计算第i个微观变量对应的权重系数
- x)(yi - y)I_ E(^1-X)2在上式中,Xi表示第i个微观变量,该微观变量是和居民属性特质相关的,表示所有微观变量的平均值,Yi表示第i个效用值,该效用值是利用MNL模型的效用函数计算出来的,f表示所有效用值的平均值,分母表示所有微观变量值的均方差之和M表示第i微观变量对应的权重系数;2)、计算所有的微观变量对应的权重系数
mW = I ! I
wJ式中W1是第I个微观变量值对应的权重系数,Wn是第n个微观变量对应的权重系数,W是所有的微观变量对应的权重系数;3)、计算出每个微观变量的效用值Ji Yi = Wi Xi+ e 4上式是根据随机效用最大化模型推到出来的;式中,Wi是第i个微观变量对应的权重系数,Xi是第i个微观变量,该微观变量是和居民属性特质相关的,e i为效用的不可观测部分,包含难以观测到的效用和观测误差产生的影响,因而通常将其看作是随机项,假设不可观测的随机项服从Gumbel分布。在上述步骤B中的计算出N*M的住址选择概率的公式为Pt = ^r-f7式中,Pi是第i住址的选择概率,j是除第i项以外的其他任意住址,Vi是第i个住址对应的系统效用值,其中Vi = Wi Xi, Wi是第i个微观变量对应的权重系数,Xi是第i个微观变量,6'^是\自然指数形式,式中的分母是除第i项以外其他系统效用值的自然指数之和。在求出一个N*M阶(N是居民数,M是选择项数)选择概率矩阵后,需要根据选择项对应的选择概率对其进行筛选。这里采用随机模拟法(Monte Carlo方法)产生(0,I)的随机数,当产生的随机数落在某个概率累和区间里,那么将该区间右边界对应的选择项选中。以此类推,模拟所有居民对住址的选择行为。本发明中某些名词的概念介绍多智能体系统是多个智能体组成的集合,它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的,易于管理的系统。离散选择模型是社会学、生物统计学、数量心理学、市场营销等统计实证分析的常用方法。复杂适应系统理论的核心是适应产生复杂性。复杂系统中的成员被称为有适应性的主体。所谓具有适应性是指它能够与环境以及其他主体进行交互作用。主体在这种持续不断的交互作用的过程中,不断地“学习”或者“积累经验”,并且根据学习到的经验改变自身结构和行为方式。地理信息系统(GIS)是以地理空间数据库为基础,在计算机软硬件的支持下,运用 系统工程和信息科学的理论,科学管理和综合分析具有空间内涵的地理数据,以提供管理、决策等所需信息的技术系统。MNL是Logit类模型的基本型式,其效用随机项e i, q相互独立且服从同-gumble极值分布。基于概率理论,J个选择项MNL模型可以表达成
权利要求
1.一种基于多智能体离散选择模型城市动态微观仿真方法,其特征在于该方法以多智能体为中心,结合地理信息系统,利用城市环境数据,作为影响城市居民对家庭住址选择以及土地开发利用的影响因素,将这些影响因素带入MNL模型的效用函数计算出居民对家庭住址选择的选择概率以及土地价格,从而可以模拟城市人口动态、城市土地利用变化。
2.如权利要求I所述的基于多智能体离散选择模型城市动态微观仿真方法,其特征在于具体步骤为 步骤一将MNL模型的效用函数与城市环境数据相结合建立MNL离散选择模型,所述的城市环境数据为历年的城市人口统计数据、所研究城市地区内的人口增长、就业机会、土地价格的微观经济假设以及当地调控每块土地开发类型管辖者所制定的规划政策; 步骤二 将步骤一中的MNL模型的效用函数计算出居民对家庭住址选择的选择概率,从而模拟城市居民对家庭住址的选择,建立城市居民住址选择模型。
3.如权利要求2所述的基于多智能体离散选择模型城市动态微观仿真方法,其特征在于步骤二中建立城市居民住址选择模型的步骤为 步骤A、将城市居民的统计数据结合GIS空间数据计算出住址的效用值; 步骤B、计算出N*M (N是居民数,M是选择项数)的住址选择概率; 步骤C、根据步骤B的N*M (N是居民数,M是选择项数)的住址选择概率得出概率累和区间; 步骤D、利用蒙特卡罗方法产生概率分布是(O,I)上均匀分布的M (M是选择项数)个随机数,将随机数带入步骤C中的概率累和区间,得出供城市居民选择的N (N是居民数)个住址; 步骤E、选择随机数落入概率区间所对应的住址,供决策者参考。
4.如权利要求3所述的基于多智能体离散选择模型城市动态微观仿真方法,其特征在于步骤A中的住址的效用值的计算步骤为 1)、计算第i个微观变量对应的权重系数
5.如权利要求3所述的基于多智能体离散选择模型城市动态微观仿真方法,其特征在于步骤B中的计算出N*M (N是居民数,M是选择项数)的住址选择概率的步骤为
全文摘要
本发明涉及一种基于多智能体离散选择模型城市动态微观仿真方法,该方法以多智能体为中心,结合地理信息系统,利用城市环境数据,作为影响城市居民对家庭住址选择以及土地开发利用的影响因素,将这些影响因素带入MNL模型的效用函数计算出居民对家庭住址选择的选择概率以及土地价格,从而可以模拟城市人口动态、城市土地利用变化。本发明的有益效果在于1、可方便地探索不同土地利用政策下城镇土地利用发展情景,能够为城镇土地规划提供有用的决策依据。2、该仿真方法能够适应于目前我国经济发展和城市建设规划的需求,拥有很好的市场前景。3、该仿真方法可以对新推出的土地规划政策的可行性进行很好地评估,尽量减少土地资源的浪费。
文档编号G06F17/50GK102750411SQ20121020275
公开日2012年10月24日 申请日期2012年6月19日 优先权日2012年6月19日
发明者王世明, 许进 申请人:中国地质大学(武汉)
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1