基于多智能体强化学习的居住用地增长模拟——以深圳市为例

发布时间：2023-05-10 00:45

　　城市空间增长模拟对于土地快速城市化背景下空间规划的制定具有重要意义,在基于多智能体的城市空间增长模拟模型中,个体空间决策的建模至关重要。该文在基于效用函数的个体空间决策模型中,引入扩展的强化学习模型表征个体学习行为以对个体空间决策模型进行修正,结合政府规划因素构建耦合强化学习的居住用地增长多智能体模拟模型,模拟深圳市2005-2015年居住用地增长情况。结果表明:1)相比无学习模型,引入扩展强化学习模型的模拟结果精度提高了10.8%,更贴合居民个体在空间决策中的行为;2)引入强化学习的模拟结果中,新增居住用地在空间上呈现较强的集聚性,表明引入强化学习后模型不仅能够反映位于已有居住用地中间的填充式增长,而且能够发现期间新出现的连片居住用地;3)学习模型的参数敏感性实验结果显示,学习强度对模拟精度影响较大,表明居民个体空间决策建模中,对于他人经验的学习过程较为重要,应给予充分考虑。引入强化学习的模型有助于揭示城市增长中个体行为模式,为制定城市空间规划提供参考。

【文章页数】：8 页

【文章目录】：
0 引言
1 研究区与数据
2 居住用地增长模拟的智能体模型构建
    2.1 居民智能体决策
        2.1.1 居民智能体学习行为
        2.1.2 居民智能体空间决策
    2.2 政府智能体行为
    2.3 模型运行流程
    2.4 居住用地增长驱动因子解释变量
3 模型应用结果
    3.1 居住用地增长驱动因子分析结果
    3.2 居住用地增长模拟结果
    3.3 模型参数敏感性分析结果
4 结论与讨论



本文编号：3812705