| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-21页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 多Agent建模方法 | 第12-14页 |
| 1.3.1 Agent的界定与性质 | 第12-13页 |
| 1.3.2 多Agent方法在交通领域的应用 | 第13-14页 |
| 1.4 多Agent强化学习 | 第14-18页 |
| 1.4.1 多Agent强化学习的概念及要素 | 第15-16页 |
| 1.4.2 多Agent强化学习的原理及常见方法 | 第16-18页 |
| 1.5 本文研究内容及技术路线 | 第18-21页 |
| 第二章 基于多Agent的早高峰出发时间选择模型 | 第21-27页 |
| 2.1 模型情景 | 第21-22页 |
| 2.2 多Agent建模 | 第22页 |
| 2.3 基于Bush-Mosteller的通勤者学习机制 | 第22-27页 |
| 2.3.1 Bush-Mosteller强化学习模型 | 第23-24页 |
| 2.3.2 策略学习机制 | 第24页 |
| 2.3.3 刺激计算规则 | 第24-25页 |
| 2.3.4 概率更新过程 | 第25-27页 |
| 第三章 模型检验与性质探讨 | 第27-33页 |
| 3.1 经典解析模型及均衡性质 | 第27-29页 |
| 3.2 理想组实验-仿真经典解析模型 | 第29页 |
| 3.3 理想组实验性质探讨 | 第29-33页 |
| 第四章 早高峰情景中通勤者因素仿真研究 | 第33-41页 |
| 4.1 仿真实验-考虑混合异质通勤者群体 | 第33-37页 |
| 4.1.1 含不同拥挤敏感程度的异质通勤者 | 第33-35页 |
| 4.1.2 含不同早/迟到敏感程度的异质通勤者 | 第35-37页 |
| 4.2 仿真实验-考虑有限记忆的通勤者情境 | 第37-41页 |
| 第五章 早高峰情景中环境政策仿真研究 | 第41-48页 |
| 5.1“高峰前免费乘车”政策影响 | 第41-45页 |
| 5.2 公交提速政策影响 | 第45-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |