基于多智能體的停車選擇行為仿真研究

暢芬葉 謝秉磊 王志利

（山西省城鄉規劃設計研究院1） 太原 030001） （哈爾濱工業大學深圳研究生院2） 深圳 518000）

0 引 言

在靜態交通系統中，駕駛員個體的選擇特性勢必影響到停車系統的運行，分析駕駛員的停車選擇行為并對停車管理手段進行評價是靜態交通系統的重要研究方面．

考慮到期望效用理論的局限性及前景理論在描述不確定條件下選擇行為的優點，本文建立了基于前景理論的駕駛員停車選擇模型：首先對深圳市某中心區域駕駛員進行停車選擇問卷調查，對各影響因素的參照點進行回歸分析，通過價值函數及決策權重函數，得到各影響因素的前景值，利用模糊偏好下多目標決策的權重賦值方法，得到各影響因素的權重，建立停車選擇模型．

在所建立的模型基礎上，構造了兩類智能體：戰略層智能體及戰術層智能體．利用多智能體仿真軟件Starlogo對停車選擇行為進行仿真實驗，通過設定不同的情景評價停車管理政策和措施的效果．

1 基于前景理論的停車選擇行為模型

1.1 停車影響因素及參照點

為了分析駕駛員停車選擇行為的影響因素，于2011年3月28日至29日在深圳市羅湖區萬象城周邊進行了停車問卷調查，發放問卷260份，收回有效問卷213份．調查得知影響駕駛員停車選擇的因素主要有行程時間（指駕駛員從出發點至完成停車所用時間，包括路徑時間及停車搜索時間）、步行時間及停車費用．

本文利用調查數據確定各影響因素的參照點，選取的變量及回歸結果見表1．

通過對停車費率的回歸分析，優度比小于0．2，而調查數據顯示，有92%的駕駛員認為理想的停車費率是5元／h．造成這一現象的主要原因是調查區域屬于深圳市政府規定的停車收費一類地區，停車費率較高，故將停車費率的參照點設置為5元／h．

另外，通過在研究區域內的調查可知該區域靜態交通系統資源利用不合理，停車場飽和度不均衡．

1.2 影響因素的編輯和評價

本文以行程時間為例介紹價值函數及概率權重函數的建立過程．

在前景理論中，決策者依據自己的價值參照點確定每個影響因素的價值函數．駕駛員在停車選擇時，根據參照點判斷備選方案各影響因素的

表1 駕駛員行程時間及步行時間參照點檢驗

利用Kahneman的價值函數形式，得到關于行程時間的價值函數為

Kahneman經過試驗標定，在獲得收益時γ＝0．61，在受到損失時γ＝0．69．

關于主觀概率，依據Kahneman 1992年提出的概率權重函數的形式，概率權重計算公式為［1］

在調查區域內，駕駛員一般熟悉停車場至目的地的步行時間及停車場的停車費用，用這兩個影響因素的價值函數表達其前景值．

1.3 綜合屬性值的確定

本文采用模糊偏好下多目標決策的方法確定目標權重［2］．選擇該方法的依據是：如果所有備選停車方案在單一影響因素下的屬性值差異越大，則說明該因素對駕駛員起到較重要的影響作用．設模糊偏好下多目標的權重向量W＝［w1，w2，w3］T．

各方案的綜合屬性值分別為

在求得各目標的前景值極其權重后，建立基于前景理論及多目標決策的停車選擇模型，駕駛員根據各停車場的綜合屬性值做出最優選擇完成停車．

表2 模型計算誤差表

1.4 模型檢驗

根據調查得到的停車需求，利用模型計算該區域的駕駛員停車選擇結果，通過對比檢驗模型的有效性，模型計算誤差見表2．由表2可見平均誤差為4．4%，說明前景理論適合用于描述駕駛員的停車選擇行為，所建立的駕駛員停車選擇模型是有效的．

2 基于多智能體的停車選擇行為仿真

2.1 多智能體系統簡介

一般認為，Agent指一個硬件或軟件系統或稱之為自包含程序，即“soft software”［3］，多智能體系統中包含一個以上的Agent，它們為完成某一特定任務而相互協商合作．多智能體系統研究的主要內容有Agent之間的通信、合作協調以及交互作用等，其中通信是其它研究內容的基礎．

動態交通系統及靜態交通系統都具有復雜性、開放性以及隨機性等特點，智能體技術的優點決定了其在交通系統研究中的適用性．目前，智能體技術在交通領域主要應用于交通控制與管理、交通行為仿真及空中交通管理等［4］．

2.2 停車選擇中的智能體模型

本文基于J．Wahle等［5］最早提出的雙層智能體模型，建立停車選擇的智能體模型，見圖1，每一層智能體都有各自的角色和功能，而且有相互獨立的目標和策略．

圖1 雙層智能體模型

戰術層（tactical layer）描述了車輛的感知及反應，它的作用是描述車輛的運動，包括車輛的路徑選擇、變換車道及跟馳，同時，車輛能夠被追蹤而形成戰略層需要的信息．戰術層的行為主要包括停車路徑選擇及跟馳行為．停車路徑選擇主要是指車輛在戰略層制定了停車決策后，根據其決策選擇完成停車行走的路徑，涉及到車道的選擇行為．一般來講，在目標停車場選定后，駕駛員會選擇能最快到達停車場的路徑完成停車，在此過程中的車道變換就是為了滿足這一目的．同時，當車輛的停車選擇改變時，車輛進行新一次的路徑選擇而完成停車選擇．本實驗采用正比于速度的間距倒數跟馳模型對停車智能體進行跟馳行為描述：車輛的加減速根據兩車間的相對速度及跟馳距離決定，而且有最大速度及最小速度的限定．

戰略層智能體負責決策的制定，即求出每個備選停車場的綜合屬性值，判斷最優停車場，指導戰術層智能體完成停車．同時，戰略層智能體追蹤戰術層中智能體的信息，獲得完備的信息，在決策制定過程中及時地更新信息，從而做出新的決策來影響戰術層智能體的活動．

在停車活動中，戰略層的決策制定過程同時還要考慮到以下方面的規則：（1）Agent會根據能夠容忍的最大步行時間來篩選停車場；（2）目標停車場已滿或飽和度較高時，Agent將該停車場從備選方案中剔除并重新決策．

2.3 駕駛員停車選擇行為仿真

2．3．1 Starlogo及其與智能體之間的聯系Starlogo的功能主要是研究分散系統的運行機制，即自組織系統的自身組織及協調機制．Starlogo的主要功能就是實現分散系統的自組織，完成這種自組織的角色在Starlogo中有三類，分別是Patches，Turtles及Observer．Starlogo的建模環境允許任何個體有自身特定的行動規則及知識庫，正是這一特點體現了智能體的自主性．

2．3．2 停車選擇行為仿真流程 為了進行后續的仿真分析，有必要建立一個通用的仿真流程，在每種仿真情景中，采用相同的流程，主要包括：

1）路網及停車系統設定．

2）初始化．本實驗的初始化涉及到車輛初始化及停車場初始化．車輛初始化包括車輛參數初始化、車輛位置初始化及車輛性質的初始化；停車場的初始化主要是指停車場參數的影響，例如停車費率及停車場飽和度等．

3）車輛的停車選擇及行走規則．車輛完成停車選擇涉及到停車路徑的選擇以及在路徑上的行走規則，實際上就是戰略層及戰術層對車輛運行的規定．

4）信息生成及發布．駕駛員能否獲得實時信息是影響其停車選擇結果及整個停車系統狀態的重要因素．實驗中，通過累積停車場內車輛數來獲得停車場飽和度的信息．

5）仿真情景設定及仿真結果分析．本文主要設置了2個仿真情景：（1）調節停車費率，分析費率調節措施對于調節停車需求的有效性；（2）在研究區域內設置咪表收費的路內停車泊位，分析該停車管理措施的效果．

仿真界面見圖2．

仿真窗口中，左側主要包括了仿真按鈕組、停車場飽和度監視窗、車輛數量監視窗、停車場飽和度柱狀圖，窗口右側為仿真演示區域．

圖2 仿真界面

2．3．3 基于智能體仿真的停車管理措施分析

1）費率調節手段．從本文的停車行為研究中可知現狀研究區域內停車資源并未達到較均衡的狀態，利用費率調節措施可以發揮經濟杠桿調節作用，使區域內停車需求更合理的分布，從而使靜態交通系統中的資源得以合理分配．

通過分析可知：停車場一的費率較高，但利用率較低；停車場二及停車場四的飽和度較高，特別是停車場二，由于處于萬象城周邊，企業為了吸引顧客，停車費率設置得較低．根據調查區域停車場的利用水平及收費標準，本實驗擬定了六種費率調節方案，各方案的收費標準見表3．

表3 各方案的停車收費標準 元

各方案的仿真結果見表4．

表4 停車費率調節方案仿真結果

仿真結果顯示，停車費率調節措施能夠優化停車系統的利用水平，是改善該地區靜態交通系統設施利用水平的有效措施：調查區內停車場現狀飽和度的標準偏差為0．219，各方案的仿真結果均優于停車場現狀利用水平．其中，方案3中停車場飽和度的標準差最小，為0．114，從停車系統資源利用更均衡的角度看，方案3是所有方案中的最佳方案．

2）設置路內停車場．在城市道路上設置咪表收費的路內停車場可以加強靜態交通的管理，在實現市民方便停車的同時還可以增加政府收入并改善市容．

根據調查區域的實際路網及相關規范，在研究區域設置一定數量路內泊位．考慮到當地經濟發展水平，參照深圳市政府關于路內停車咪表收費制度的初步方案，仿真試驗中咪表收費采用10元／h的標準，路段的咪表設置情況見表5．

表5 調查區域路內停車場設置情況

仿真的界面見圖3，在仿真環境中增加了路內停車場，增加了停車數量時變圖及路內停車飽和度監視窗這2個功能塊．

圖3 設置路內停車場后的仿真界面

仿真結果見圖4和表6．

圖4 路內停車數量時變圖

表6 兩種情景下的仿真結果對比

仿真結果顯示調查區域內停車場的平均飽和度由0．776下降到0．713，路內停車數量為89輛，停車供需矛盾得到進一步緩解．同時，仿真結果顯示，選擇路內停車的車輛在在高峰小時的前半段時間增加較快，隨著各停車場附近道路內停車場的占用，駕駛員不再選擇路內停車的方式．

3 結束語

建立了基于前景理論的駕駛員停車選擇模型，在此基礎上建立停車選擇的智能體模型，利用Starlogo對停車選擇行為進行仿真實驗，通過設定不同的情景來達到實驗目的，研究可為制定停車管理政策和措施提供理論依據及檢驗手段．然而由于停車問題的重要性及復雜性，很多研究內容有待于更深入的拓展和完善，特別是停車影響因素的選取以及ATIS技術對停車選擇行為的影響．

［1］趙 凜．基于“前景理論”的先驗信息下出行者路徑選擇模型研究［J］．交通運輸系統工程與信息，2006，6（2）：42－46．

［2］周文坤．模糊偏好下多目標決策的一種客觀賦權方法［J］．上海大學學報：自然科學版，2004，10（4）：410－412，419．

［3］李 英．多Agent系統及其在預測與智能交通系統中的應用［M］．上海：華東理工大學出版社，2004．

［4］劉金琨．多智能體技術應用綜述［J］．控制與決策，2001，16（2）：133－140，180．

［5］WAHLE J．The impact of real－time information in a two－route scenario using agent－based simulation［J］．Transportation，2001，10（1）：399－417．