(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210896758.2 (22)申请日 2022.07.28 (71)申请人 东南大学 地址 210000 江苏省南京市玄武区四牌楼 2 号 (72)发明人 付晓　胡艺齐　金瑜倩　刘志远　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 罗运红 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) (54)发明名称 一种基于智能体仿真的家庭联合活动—出 行模拟方法 (57)摘要 本发明提出一种基于智能体仿真的家庭联 合活动—出行模拟方法， 该方法包括： 1、 将外部 数据导入多智能体模型， 初始化出行者智能体、 活动—出行计划以及智能体所处仿真环境； 2、 智 能体按照计划选择模型选择活动—出行计划并 执行， 执行结果返回到下一步骤； 3、 基于群体决 策理论构建家庭层面的效用函数对本次迭代执 行的活动—出行计划进行分组评价， 作为活动— 出行计划优化依据； 4、 在联合计划条件约束下对 智能体的活动—出行计划进行分组优化， 对部分 活动—出行计划进行突变； 5、 以迭代的方式仿 真， 若迭代达到平衡条件则输出交通出行模式比 例分布情况和平均出行距离， 否则返回2继续迭 代。 权利要求书3页 说明书9页 附图1页 CN 115203966 A 2022.10.18 CN 115203966 A 1.一种基于智能体仿真的家庭联合活动—出行模拟方法， 其特征在于， 该方法包括如 下步骤： 步骤1、 获取城市居民调查数据、 城市道路网数据、 城市公共交通运营和站点数据、 城市 地理空间数据， 生成出 行者智能体、 交通仿真路网、 活动— 出行计划； 步骤2、 智能体按照活动—出行计划选择模型从记忆中选择一个活动—出行计划执行， 在交通仿真路网中出 行生成交通 流， 形成实际的活动时间、 出 行时间和出 行模式； 步骤3、 根据步骤2获取的实际活动时间和出行时间， 利用家庭层面的效用函数计算在 家庭内部交 互作用下活动— 出行计划的效用值； 步骤4、 由于智能体对环境变化反应存在延迟， 随机选择一部分家庭调整其家庭成员的 活动—出行计划， 改变联合活动参与者、 联合活动开始时间， 其余家庭保持活动—出行计划 不变； 步骤5、 从步骤2到步骤4以迭代的方式进行仿真以获取效用值最大的活动—出行计划， 当活动—出行计划的效用值收敛于一个常数值， 则迭代结束， 获得最 终的活动—出行计划， 对仿真结果进行统计分析。 2.根据权利要求1所述的一种基于智能体仿真的家庭联合活动—出行的模拟方法， 其 特征在于， 所述 步骤1具体为： (2.1)导入城市基础道路网到所述智能体模型中生成基础仿真道路网， 在此基础上导 入城市公共交通线路数据和公共交通运营时刻表， 生成公共交通路网和 运营线路， 生成交 通仿真路网； (2.2)利用城市居民调查数据按概率分布为智能体赋予个体属性、 家庭属性和社会经 济属性特 征， 将智能体以家 庭为单位分为小组； (2.3)若活动—出行计划包含联合活动或者联合出行则称为联合计划， 否则称为独立 计划， 根据获取的数据为每 个智能体生成一个初始的联合计划或者独立计划。 3.根据权利要求1所述的一种基于智能体仿真的家庭联合活动—出行的模拟方法， 其 特征在于， 所述 步骤2具体为： 从智能体记忆中随机选择一个活动—出行计划m， 计算智能体执行的活动—出行计划n 和活动—出行计划m的转移概率， 活动—出行计划m的选择遵循均匀分布， 其数学表达式如 下： m～U(0,N) 式中， N表示智能体记 忆中活动— 出行计划数量； 活动—出行计划n到活动— 出行计划m的转移概 率模型数学表达式如下 所示： 其中， T(m)表示活动—出行计划n到活动—出行计划m之间的转移概率； δ为不大于1的 概率参数， 表示un＝um时的转移概率； β 表示大于0的转移概率参数， 通常为1； un表示活动— 出行计划n的效用， um表示活动—出行计划m的效用， 由家庭效用函数计算获得， un和um的差 值越大则转移概率越大； 所有智能体在同一时间步开始执行活动—出行计划， 智能体出行 的同时生成交通流并影响其他智能体， 模拟真实的出行情况和道路交通状况； 其中， 交通流 仿真采取队列模拟方法， 公共交通则根据运营时刻表进 行模拟， 如果 公共车辆满员， 智能体权　利　要　求　书 1/3 页 2 CN 115203966 A 2必须等待下一辆车， 同时给智能体的计划执 行结果增加延误。 4.根据权利要求3所述的一种基于智能体仿真的家庭联合活动—出行的模拟方法， 其 特征在于， 所述步骤3具体为： 获取步骤2的活动—出行计划执行结果， 包括实际活动时间、 出行时间和出行模式， 通过家庭层面的效用函数计算活动—出行计划的效用值， 评分结果 保存在智能体记忆中， 为下一次迭代选择活动—出行计划累积经验； 家庭层面效用函数其 数学表达式如下 所示： wgi≥0 wgj≥0 式中， up表示活动—出行计划p的效用， ug表示家庭g的效用； ugi表示家庭g中成员i的独 立活动—出行效用； ugj表示家庭g中成员j的独立活动—出行效用； wgi表示家庭g中家庭成 员i的相对 影响权重 参数， 表示成员i在家庭内部交互过程中的影响力； wgj表示家庭g中成员 j的相对影响权重参数； n表示家庭人数； λ表示家庭内部交互因子， 由逻辑函数确定取值， 其 数学表达式如下 所示： 式中， pi,pj分别表示成员i和成员j选择的活动— 出行计划， J表示联合计划； 成员i的独立活动—出行效用ugi由执行的活动—出行计划中活动效用和出行效用求和 获得， 其数 学表达式如下 所示： 式中， K表示给定的活动—出行计划中包含的活动 数， 表示活动k带来的正效用， 表示出行带来的负效用， 表示延误 导致的负效用。 5.根据权利要求4所述的一种基于智能体仿真的家庭联合活动—出行的模拟方法， 其 特征在于， 所述步骤4具体为： 智能体行为受到环境的影响并能根据先验知识改变行为， 随 机选择部分智能体对其活动—出行计划进 行突变， 其余智能体保持上一次迭代的活动—出 行计划不变， 选择一个记忆中原有的活动—出行计划执行； 智能体活动—出行计划的突变 以家庭为单位进行处理， 通过联合计划条件约束实现对智能体的活动—出行计划分组突 变； 智能体的联合计划 突变首先对原有的分配结果进行复制， 然后对联合计划副本进行突 变， 若满足智能体记忆容量约束， 那么突变的计划保存在智能体记忆中； 联合约束 条件数学 表达式如下：权　利　要　求　书 2/3 页 3 CN 115203966 A 3