基于多智能體的城市居民通勤仿真研究

張 鈺,李 霖, 2,賀 彪,席宇亮

(1.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；2.武漢大學(xué) 地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079；3.深圳大學(xué) 建筑與城市規(guī)劃學(xué)院，廣東 深圳 518000)

交通仿真技術(shù)具有直觀、安全和靈活的特點(diǎn)，是描述復(fù)雜道路交通現(xiàn)象的有效手段[1]。根據(jù)研究尺度與細(xì)節(jié)描述程度的不同，可將交通仿真模型分為微觀、中觀和宏觀模型[2]?，F(xiàn)有的關(guān)于交通仿真的研究主要集中于微觀尺度下道路網(wǎng)上車流的模擬[3-6]。然而隨著城市軌道交通的發(fā)展，地鐵已經(jīng)成為許多大城市中居民通勤的常用交通工具，但目前鮮有對(duì)于地鐵和公交車兩種主要的公共交通出行方式的混合交通流的研究。并且研究城市居民的通勤行為，也不能只關(guān)注車流，還要分析乘客流的時(shí)空變化規(guī)律，對(duì)行人進(jìn)行仿真[7-8]。此外，限制交通仿真準(zhǔn)確性的一個(gè)重要因素是輸入的交通數(shù)據(jù)的合理性[9]，本文采用基于百度地圖服務(wù)的交通分配方案確定仿真過(guò)程中通勤者的出行路徑，能夠在一定程度上解決這一問(wèn)題。

1 理論基礎(chǔ)

1.1 交通分配

交通分配是指將各分區(qū)之間出行分布量分配到交通網(wǎng)絡(luò)的各條邊上去的工作過(guò)程[10]，根據(jù)是否要在時(shí)間、空間尺度上重新分配交通需求可分為靜態(tài)交通分配[11]和動(dòng)態(tài)交通分配[12]。本文對(duì)居民早高峰時(shí)段的通勤行為進(jìn)行仿真，其居住地和工作地信息分別從政府部門統(tǒng)計(jì)的房屋產(chǎn)權(quán)信息和企業(yè)社保記錄中獲得，并用于構(gòu)建反映交通需求的OD矩陣。利用這個(gè)OD矩陣，通過(guò)事先產(chǎn)生出行計(jì)劃的方式將交通需求靜態(tài)地分配到道路網(wǎng)與地鐵網(wǎng)。出行計(jì)劃由出發(fā)時(shí)間、出行方式、相關(guān)站點(diǎn)和換乘計(jì)劃等組成，用于確定通勤者的出行行為。相關(guān)的研究如最優(yōu)出行路徑的計(jì)算[13]，該方法沒(méi)有考慮多種交通模式；從公交(或地鐵)刷卡數(shù)據(jù)中提取出行信息，并將其用于準(zhǔn)確識(shí)別通勤者[14]，然而，這些出行信息缺少出行者從家中到起始站點(diǎn)和從目的地站點(diǎn)到工作場(chǎng)所的部分；使用實(shí)時(shí)GPS行程數(shù)據(jù)可以有效地獲取行程鏈[15]，但是，在使用大量公民的數(shù)據(jù)進(jìn)行研究時(shí)，必須考慮保護(hù)個(gè)人隱私(真實(shí)位置信息)的問(wèn)題。因此，本文利用百度地圖服務(wù)來(lái)有效和安全地生成完整的出行路徑。百度地圖開發(fā)平臺(tái)(BMDP)提供了一系列地圖服務(wù)給開發(fā)人員使用。本文選用了Geocoder和路線規(guī)劃兩種服務(wù)用于生成出行計(jì)劃。原始OD矩陣以詳細(xì)地址的形式存儲(chǔ)居民的家庭和工作地址。Geocoder服務(wù)將這些地址轉(zhuǎn)換為特定地理坐標(biāo)系(通常為WGS84)下的坐標(biāo)；以坐標(biāo)對(duì)作為輸入值，路線規(guī)劃服務(wù)將計(jì)算使通勤者到達(dá)目的地的最佳解決方案?？紤]到地圖應(yīng)用程序與導(dǎo)航服務(wù)的普及和便利，該方法生成的出行路徑與現(xiàn)實(shí)情況具有很高的一致性。

1.2 基于Agent的交通仿真

Agent (智能體)指的是能互相通信，感知環(huán)境并做出反應(yīng)的實(shí)際或虛擬的實(shí)體，它具有自治性，有一定的能力實(shí)現(xiàn)自身預(yù)定的目標(biāo)和意愿[16]?；贏gent的仿真能有效處理復(fù)雜系統(tǒng)[17](如交通系統(tǒng))問(wèn)題，該方法將復(fù)雜系統(tǒng)看成是“自底而上”、高度離散化和由一系列可被認(rèn)為是Agent的實(shí)體組成的[18]?；贏gent的交通仿真提供了一種有效的方法來(lái)表示大量交通實(shí)體(如乘客，車輛)的行為和相互作用，并反映了客流在時(shí)空特征上的動(dòng)態(tài)變化，從而可以提取有用的交通特征。

在本研究中，設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)基于多智能體的交通仿真框架，以探索高峰時(shí)段交通流的分布特征。在這個(gè)框架中，“模擬環(huán)境”為道路網(wǎng)和地鐵網(wǎng)，交通實(shí)體則被組織為Agent模型，從而可建立一個(gè)多智能體系統(tǒng)(MAS)?？蚣軐?.1節(jié)中生成的出行路徑作為輸入，并具有四層架構(gòu)，如圖1所示。提出的仿真框架是一個(gè)事件驅(qū)動(dòng)(Event-driven)的系統(tǒng)，全局維護(hù)一個(gè)事件隊(duì)列。車輛需執(zhí)行的事件為“進(jìn)站”“出站”；人可能執(zhí)行的事件包括“出發(fā)”“進(jìn)地鐵站”“出地鐵站”“上地鐵”“下地鐵”“進(jìn)公交站”“出公交站”“上公交”“下公交”和“到達(dá)”。事件包含兩個(gè)基本屬性，即“開始時(shí)間”和“結(jié)束時(shí)間”。系統(tǒng)初始化時(shí)會(huì)生成一些事件，如人“出發(fā)”。事件執(zhí)行過(guò)程中可能產(chǎn)生新的事件，比如，假定一個(gè)通勤者是以乘地鐵的方式出行，那么他執(zhí)行“出發(fā)”事件時(shí)會(huì)產(chǎn)生“進(jìn)地鐵站”事件。后續(xù)事件的“開始時(shí)間”由產(chǎn)生它的事件決定，并由此時(shí)間將其按時(shí)間順序插入到全局事件隊(duì)列中等待執(zhí)行。通過(guò)不斷地執(zhí)行與產(chǎn)生新的事件，推動(dòng)系統(tǒng)運(yùn)行，該過(guò)程如圖2所示。

整個(gè)系統(tǒng)的運(yùn)行流程包括初始化，動(dòng)態(tài)模擬，評(píng)價(jià)打分，重新規(guī)劃和結(jié)果分析5個(gè)部分，如圖3所示。初始化為系統(tǒng)運(yùn)行進(jìn)行一些準(zhǔn)備工作，如創(chuàng)建各種實(shí)體的Agent模型，加載路網(wǎng)等；動(dòng)態(tài)模擬是車輛開始運(yùn)行，且所有通勤者出發(fā)，以各自規(guī)劃好的出行方案運(yùn)動(dòng)，最后到達(dá)工作地的過(guò)程；評(píng)價(jià)打分是以出行時(shí)間和距離等指標(biāo)對(duì)本次出行進(jìn)行評(píng)估；打分較低的通勤者需要重新規(guī)劃出行方案，如提前出發(fā)、更換交通工具、更換出行線路等；系統(tǒng)達(dá)到穩(wěn)定狀態(tài)后可以輸出結(jié)果，統(tǒng)計(jì)交通特征并進(jìn)行分析。

2 試驗(yàn)數(shù)據(jù)與過(guò)程

2.1 研究區(qū)域

本文選取深圳市作為案例進(jìn)行試驗(yàn)。深圳是一個(gè)位于中國(guó)南部的沿海大都市，位于113°46′E至114°37′E和22°27′N至22°52′N之間，總面積約1 952.84 km2，共有10個(gè)行政區(qū)，人口接近1 078萬(wàn)，是人口最稠密的城市之一，且交通比較發(fā)達(dá)，其行政區(qū)劃如圖4所示。它是中國(guó)第一個(gè)經(jīng)濟(jì)特區(qū)，被視為改革開放的窗口，具有十分重要的經(jīng)濟(jì)地位。此外，公交、地鐵和出租車是深圳市最主要的公共交通出行方式，表1記錄了這3種公共交通方式近幾年的客運(yùn)量。

圖1 仿真系統(tǒng)框架圖

圖2 事件隊(duì)列示意圖

圖3 仿真工作流程

圖4 研究區(qū)域

百萬(wàn)人次

2.2 網(wǎng)絡(luò)結(jié)構(gòu)

深圳市道路網(wǎng)發(fā)達(dá)，共有約55 000多條不同等級(jí)的道路，如圖5(a)所示。路網(wǎng)由“路段”和“交叉口”組成，“路段”有車道數(shù)、方向、限速等屬性用于限定車輛的行為與狀態(tài)；“交叉口”處設(shè)置有信號(hào)燈，用于調(diào)節(jié)路口處車輛的通行次序。路網(wǎng)主要為公交車的運(yùn)動(dòng)提供環(huán)境，通勤者從家到行程起點(diǎn)站和從行程終點(diǎn)站到工作地兩部分也是在路網(wǎng)上進(jìn)行，方式一般為步行。

深圳市地鐵網(wǎng)包含8條地鐵線路，由地鐵線和相關(guān)地鐵站點(diǎn)組成，如圖5(b)。地鐵線每?jī)蓚€(gè)相鄰站點(diǎn)之間的部分是類似于“路段”的“地鐵區(qū)間”，通過(guò)研究“地鐵區(qū)間”內(nèi)地鐵車輛的載客量可以分析該區(qū)間段的擁堵情況。地鐵網(wǎng)內(nèi)的交通與路網(wǎng)上有較大差別。路網(wǎng)上一般更關(guān)注于車輛的運(yùn)行情況與分布規(guī)律，而地鐵網(wǎng)內(nèi)地鐵車輛的運(yùn)行一般較為規(guī)律，所以地鐵內(nèi)的交通特征一般可從地鐵乘客的時(shí)空分布規(guī)律進(jìn)行分析。

圖5 深圳市道路網(wǎng)和地鐵網(wǎng)

2.3 公交線路

深圳市共有900多條公交線路，本文選取了其中5條常用線路(NO 1,10,111,121,13)及其相關(guān)站點(diǎn)進(jìn)行試驗(yàn)，如圖6所示。每條公交線路包含車輛始發(fā)時(shí)間，發(fā)車頻次和途經(jīng)站點(diǎn)等信息，用于控制公交車的運(yùn)行。一條公交線路可與地鐵或其他公交線路換乘。

圖6 部分公交線路

2.4 出行計(jì)劃

由于本文僅選取了部分公交線路進(jìn)行試驗(yàn)，為了盡可能獲得有效的出行計(jì)劃(不乘沒(méi)有選取的公交線路)，采用的方案是選取居住地與工作地均在站點(diǎn)(地鐵站和公交站)周邊1 000 m范圍內(nèi)的居民參與試驗(yàn)。首先，合并地鐵站點(diǎn)與公交站點(diǎn)為“站點(diǎn)”圖層，并為其中每個(gè)站點(diǎn)作一個(gè)半徑為1 000 m的緩沖區(qū)，然后分別從居民居住地和工作地圖層中選出與任一緩沖區(qū)相交的記錄，最后對(duì)兩組選出的對(duì)象進(jìn)行關(guān)聯(lián)，選出居住地與工作地均在緩沖區(qū)范圍內(nèi)的通勤者進(jìn)行試驗(yàn)，得到337 000個(gè)對(duì)象。利用1.1節(jié)提到的分配方案調(diào)用百度地圖服務(wù)，生成出行方案，剔除不滿足要求的記錄，以如下的樣本為例說(shuō)明出行計(jì)劃的結(jié)構(gòu)。

編號(hào)為20 097的通勤者居住地為“深圳市上沙塘晏村7巷18號(hào)”，工作地為“深圳市羅湖區(qū)人民北路與立新路交匯處新白馬商業(yè)樓”。調(diào)用百度地圖服務(wù)后返回的結(jié)果如下：“20 097|112 197.62,17 339.830 000 001 9|121 123.81,19 996.69|1 103|3 683|步行796 m|上沙村站乘121路(皇崗口岸方向)經(jīng)過(guò)5站到購(gòu)物公園地鐵站|步行213 m|購(gòu)物公園站(C口)乘3號(hào)線(雙龍方向)經(jīng)過(guò)8站到曬布站(D3口)|步行366 m|”。其中起止點(diǎn)的坐標(biāo)信息是由Geocoder服務(wù)將詳細(xì)地址信息轉(zhuǎn)化得到(先轉(zhuǎn)化為WGS84，再轉(zhuǎn)化為本地坐標(biāo)系)，“1103”和“3683”分別為乘私家車和公共交通工具出行的經(jīng)驗(yàn)時(shí)間，詳細(xì)的乘車方案由路線規(guī)劃服務(wù)得到。

通常對(duì)一組OD信息調(diào)用百度地圖服務(wù)返回的出行方案不止一種，本文處理的方式為選擇出行花費(fèi)時(shí)間最短的方案。對(duì)于所有選出的試驗(yàn)對(duì)象，均可獲得一個(gè)與之類似的出行方案，通過(guò)該方案可以預(yù)知通勤者出行的路線與行為，靜態(tài)地將交通需求分配到網(wǎng)絡(luò)環(huán)境中。然而如需了解交通運(yùn)行的過(guò)程與動(dòng)態(tài)以及車輛和出行人員的時(shí)空分布規(guī)律，還需要考慮“時(shí)間”這一因素，可以通過(guò)仿真的方式對(duì)整個(gè)過(guò)程進(jìn)行模擬并提取有價(jià)值的交通信息。

2.5 仿真過(guò)程

基于生成的出行計(jì)劃，利用1.2節(jié)介紹的框架進(jìn)行交通仿真，該框架旨在按時(shí)間順序模擬所有交通實(shí)體的行為。因?yàn)檠芯康氖浅鞘芯用竦耐ㄇ谛袨?，因此不允許通勤者“遲到”，即9：00 am前到達(dá)工作地是對(duì)所有通勤者出行過(guò)程的約束。系統(tǒng)的穩(wěn)定狀態(tài)定義為所有通勤者按時(shí)到達(dá)工作地點(diǎn)，在系統(tǒng)達(dá)到穩(wěn)定狀態(tài)之前，將執(zhí)行多次迭代，調(diào)整遲到人員的出發(fā)時(shí)間。每個(gè)通勤者的出發(fā)時(shí)間是由百度地圖服務(wù)在第一次迭代中返回的經(jīng)驗(yàn)出行時(shí)間計(jì)算得到。例如，當(dāng)某人經(jīng)驗(yàn)出行時(shí)間是1 h，那么為了避免遲到，其出發(fā)時(shí)間應(yīng)該為8:00am。

式(1)中的Ti+1和Ti分別表示兩次相鄰迭代的出發(fā)時(shí)間，δ表示調(diào)整的時(shí)間間隔。δ被設(shè)置為-1，即當(dāng)某人遲到時(shí)，其出發(fā)時(shí)間需設(shè)置為比前一次迭代提前1 min。

Ti+1=Ti+δ.

(1)

在該實(shí)驗(yàn)中，經(jīng)過(guò)116次迭代后系統(tǒng)達(dá)到穩(wěn)定狀態(tài)。輸出的結(jié)果為所有的交通實(shí)體(通勤者、公交和地鐵車輛)的交通動(dòng)態(tài)，包括時(shí)間，執(zhí)行的事件，當(dāng)前時(shí)刻的屬性等。利用這些信息可以追蹤人或車輛的運(yùn)動(dòng)過(guò)程，也可以統(tǒng)計(jì)客流量，網(wǎng)絡(luò)壓力等交通特征。

3 試驗(yàn)結(jié)果與分析

3.1 仿真結(jié)果

通過(guò)上一節(jié)的動(dòng)態(tài)仿真，當(dāng)系統(tǒng)達(dá)到穩(wěn)定狀態(tài)時(shí)，可以輸出必要的文本信息用于了解交通系統(tǒng)的運(yùn)行過(guò)程和統(tǒng)計(jì)交通特征。跟蹤ID為1 067的通勤者的出行過(guò)程得到的結(jié)果如下，

Result (PID = 1 067) = “7:52:43, Set out.

7:59:57,Get in metro stop in“前海灣站”, Metro route= 11號(hào)線

8:07:33,Leaveoutmetrostop in “前海灣站”, Metro route = 11號(hào)線

8:07:34,MetroID = 41fef3b3, Get on metrostop in “前海灣站”, Metro route = 11號(hào)線

8:33:38,metroID = 41fef3b3, Get off metrostop in“車公廟站”, Metro route = 11號(hào)線

8:33:39, Get in metro stopin“車公廟站”, Metro route = 11號(hào)線

8:33:40,Leave out metro stop in“車公廟站”, Metro route= 11號(hào)線

8:36:26,Get in bus stop in“招商銀行大廈站”, Bus route= 121路, Bus direction = 1

8:42:00,Leave out bus stop in“招商銀行大廈站”, Bus route = 121路, Bus direction = 1

8:42:01,BusID = df5e1629, Get on bus stop in“招商銀行大廈站”, Bus route = 121路, Bus direction = 1

8:48:22,BusID = df5e1629, Get off bus stop in“園博園站”, Bus route = 121路, Bus direction = 1

8:48:23,Get in bus stopin“園博園站”, Bus route= 121路, Bus direction = 1

8:48:24,Leave out bus stopin“園博園站”, Bus route = 121路, Bus direction = 1

8:57:49,Arrived, Travel time = 1 hour 13 minutes 6 seconds.”

從ID為1 067的通勤者的出行過(guò)程記錄中可以了解他的出發(fā)和到達(dá)時(shí)間、所乘交通工具、上下車站點(diǎn)、換乘情況以及行程所用時(shí)間等信息，從而可以直觀地了解這個(gè)人的出行動(dòng)態(tài)和時(shí)空位置。其他的人和車輛的運(yùn)動(dòng)過(guò)程也可以用類似方式表達(dá)，從而可以描述整個(gè)交通系統(tǒng)的動(dòng)態(tài)變化。

3.2 客流量統(tǒng)計(jì)

地鐵區(qū)間指的是地鐵線路兩個(gè)相鄰站點(diǎn)之間的部分。利用3.1節(jié)的交通仿真結(jié)果，可以統(tǒng)計(jì)地鐵系統(tǒng)各區(qū)間段內(nèi)的客流量情況，根據(jù)實(shí)際情況可分為上行客流與下行客流，在此統(tǒng)計(jì)的是包括這兩者的總客流量，在仿真的有效時(shí)間內(nèi)，通過(guò)某區(qū)間的乘客可視為該區(qū)間的客流。統(tǒng)計(jì)結(jié)果如圖7所示，從中可以看出地鐵客流的空間分布規(guī)律和地鐵區(qū)間段的交通壓力大小。3號(hào)線、1號(hào)線和11號(hào)線是客流量較大的線路，其中3號(hào)線的一部分(“老街站”到“丹竹頭站”)客流量非常大，事實(shí)上，這一部分也是經(jīng)常發(fā)生擁堵的區(qū)間段。公交的統(tǒng)計(jì)方法與地鐵類似，由于公交線路眾多，因而本實(shí)驗(yàn)中選擇的幾條公交線路各自的客流量不大。

3.3 結(jié)果可視化

通過(guò)交通分配和交通仿真，可以由OD矩陣得到交通系統(tǒng)運(yùn)行的過(guò)程和狀態(tài)，統(tǒng)計(jì)客流量等交通特征。然而，為了更加直觀地展示整個(gè)交通系統(tǒng)(包括人和車輛)的動(dòng)態(tài)，可以將交通實(shí)體的運(yùn)行軌跡組織為時(shí)空數(shù)據(jù)并以可視化的形式加以展示。為此，本研究中實(shí)現(xiàn)了一個(gè)居民出行軌跡演示系統(tǒng)，隨時(shí)間展示居民(小白點(diǎn))的動(dòng)態(tài)軌跡，圖8展示了系統(tǒng)截圖。

4 結(jié)束語(yǔ)

本文通過(guò)對(duì)公交車和地鐵的混合交通流的仿真模擬研究了城市居民的通勤行為。主要介紹了利用城市居民的居住地與工作地?cái)?shù)據(jù)構(gòu)建交通需求，即OD矩陣；然后基于OD矩陣，利用百度地圖服務(wù)為通勤者分配路徑；之后動(dòng)態(tài)仿真這些通勤人員的出行過(guò)程以及交通車輛等的時(shí)空分布規(guī)律；最后根據(jù)仿真的結(jié)果進(jìn)行統(tǒng)計(jì)分析，揭示城市居民通勤規(guī)律與交通系統(tǒng)的狀態(tài)變化。提出的方法對(duì)于公交和地鐵兩種交通工具的混合交通流進(jìn)行了模擬，并通過(guò)結(jié)合基于百度地圖服務(wù)的交通分配和基于Agent的交通仿真，彌補(bǔ)了以往交通仿真因?yàn)檩斎氲慕煌〝?shù)據(jù)可靠性差而效果不好的不足。混合交通流模式下交通擁堵的預(yù)測(cè)，通過(guò)出行方案動(dòng)態(tài)調(diào)整來(lái)優(yōu)化交通系統(tǒng)的運(yùn)行等將成為本研究未來(lái)可能的研究方向。

圖7 地鐵區(qū)間客流量統(tǒng)計(jì)

圖8 居民出行軌跡演示系統(tǒng)

[1] 耿彥斌,張雪蓮.關(guān)于我國(guó)交通仿真技術(shù)發(fā)展戰(zhàn)略的思考[J].現(xiàn)代交通技術(shù),2010, (4):71-75.

[2] 魏明,楊方廷,曹正清.交通仿真的發(fā)展及研究現(xiàn)狀[J].系統(tǒng)仿真學(xué)報(bào),2003,15(8):1179-1183.

[3] 劉洋.城市微觀交通仿真系統(tǒng)研究[D]. 西安：西北工業(yè)大學(xué),2006.

[4] 能寧,黃毓瑜,李公立.基于元胞自動(dòng)機(jī)的微觀城市道路混合交通仿真[J].系統(tǒng)仿真學(xué)報(bào),2005,17(5):1234-1236.

[5] MANLEY E, CHENG T, PENN A, et al. A framework for simulating large-scale complex urban traffic dynamics through hybrid agent-based modelling[J]. Computers Environment & Urban Systems, 2014, 44(1):27-36.

[6] 唐代旻,李響,趙子輝.面向交通微觀仿真的道路網(wǎng)絡(luò)模型[J].南京師大學(xué)報(bào)(自然科學(xué)版),2016, 9(4):38-43.

[7] 胡明偉,史其信.城市軌道交通車站客流組織的仿真和評(píng)價(jià)[J].交通信息與安全, 2009,27(3):39-42.

[8] 高鵬,徐瑞華.城市軌道交通車站客流仿真中的事件驅(qū)動(dòng)模型[J].系統(tǒng)工程理論與實(shí)踐,2010,30(11):2121-2128.

[9] 陸海亭,張寧,黃衛(wèi),等.短時(shí)交通流預(yù)測(cè)方法研究進(jìn)展[J].交通運(yùn)輸工程與信息學(xué)報(bào), 2009, 7(4):84-91.

[10] 成禮平. GIS技術(shù)在城市交通分配中的應(yīng)用研究[D].南京：東南大學(xué), 2004.

[11] 胡昌君, 陳文斌.靜態(tài)多路徑交通分配模型綜述[J]. 現(xiàn)代交通技術(shù), 2014, 1(1):65-69.

[12] 胡婷,于雷,趙娜樂(lè).動(dòng)態(tài)交通分配理論研究綜述[J].交通運(yùn)輸研究,2010(9):6-10.

[13] 李慶奎,呂志平, 李昌貴.基于模糊理論的智能最優(yōu)路徑算法[J].測(cè)繪工程, 2011,20(4):5-8.

[14] MA X, LIU C, WEN H, et al. Understanding commuting patterns using transit smart card data[J]. Journal of Transport Geography, 2017, 58:135-145.

[15] CROOKS A, CASTLE C, BATTY M. Key challenges in agent-based modelling for geo-spatial simulation[J]. Computers Environment & Urban Systems, 2008, 32(6):417-430.

[16] FERBER J. Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence[M]. Addison-Wesley Longman Publishing Co. Inc. 1999.

[17] 嚴(yán)飛,潘明陽(yáng),曹曉東,等. Agent技術(shù)在交通仿真中的應(yīng)用[J]. 電腦開發(fā)與應(yīng)用, 2003,16(8):31-33.

[18] CROOKS A, CASTLE C, BATTY M. Key challenges in agent-based modelling for geo-spatial simulation[J]. Computers Environment & Urban Systems, 2008, 32(6):417-430.