| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 现有研究总结 | 第15页 |
| 1.3 主要研究目标与研究内容 | 第15-16页 |
| 1.4 技术路线 | 第16-19页 |
| 第二章 拥堵收费对居民出行方式选择的影响研究 | 第19-37页 |
| 2.1 交通拥堵收费 | 第19-22页 |
| 2.1.1 交通拥堵定义与成因 | 第19-20页 |
| 2.1.2 拥堵收费的概念 | 第20-21页 |
| 2.1.3 拥堵收费对交通影响的作用方式 | 第21-22页 |
| 2.2 离散选择理论介绍与模型分析 | 第22-24页 |
| 2.2.1 个体行为选择理论 | 第22-23页 |
| 2.2.2 mnl模型 | 第23-24页 |
| 2.3 基于mnl模型的居民出行方式选择分析 | 第24-29页 |
| 2.3.1 居民出行方式选择的mnl模型特征变量选择 | 第25-27页 |
| 2.3.2 居民出行方式选择的mnl模型建立 | 第27-28页 |
| 2.3.3 拥堵收费与出行方式选择 | 第28-29页 |
| 2.4 拥堵收费对居民用于出行方式选择的实证分析 | 第29-35页 |
| 2.4.1 模型数据的收集 | 第30-31页 |
| 2.4.2 模型数据的处理 | 第31-33页 |
| 2.4.3 模型的结果及分析 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于多智能体系统的活动出行仿真方法 | 第37-45页 |
| 3.1 多智能体及多智能体系统 | 第37-39页 |
| 3.1.1 智能体的概念 | 第37页 |
| 3.1.2 智能体的特性 | 第37-38页 |
| 3.1.3 多智能体系统 | 第38-39页 |
| 3.1.4 多智能体系统的优势 | 第39页 |
| 3.2 多智能体系统中的机器学习 | 第39-41页 |
| 3.2.1 机器学习 | 第39-40页 |
| 3.2.2 多智能体系统学习方法分类 | 第40-41页 |
| 3.3 强化学习及q学习算法 | 第41-44页 |
| 3.3.1 强化学习的概念和基本原理 | 第41-42页 |
| 3.3.2 q学习算法 | 第42-43页 |
| 3.3.3 q学习算法中的探索与利用 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于多智能体的活动出行仿真模型及拥堵收费效果评估 | 第45-65页 |
| 4.1 建模仿真数据处理与分析 | 第45-50页 |
| 4.1.1 仿真模型参数变量说明 | 第45-46页 |
| 4.1.2 仿真模型执行流程 | 第46页 |
| 4.1.3 仿真模型数据来源与数据库的建立 | 第46-48页 |
| 4.1.4 仿真模型智能体生成过程 | 第48-50页 |
| 4.2 仿真模型的建立及仿真过程 | 第50-61页 |
| 4.2.1 居民活动出行特征指标的提取 | 第50-54页 |
| 4.2.2 仿真模型回报函数的建立 | 第54-57页 |
| 4.2.3 仿真模型中出行方式的预测 | 第57-59页 |
| 4.2.4 仿真模型中出行时间的确定 | 第59-60页 |
| 4.2.5 仿真结果分析 | 第60-61页 |
| 4.3 基于多智能体仿真模型的拥堵收费政策实施效果评估 | 第61-64页 |
| 4.3.1 拥堵收费政策在仿真模型中的体现 | 第62页 |
| 4.3.2 拥堵收费政策影响下仿真结果及分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 结论与展望 | 第65-69页 |
| 5.1 主要研究成果及结论 | 第65-66页 |
| 5.2 主要创新点 | 第66页 |
| 5.3 研究展望 | 第66-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者简介 | 第75页 |
| 个人简介 | 第75页 |
| 论文发表 | 第75页 |
| 参与项目 | 第75页 |
