基于nelogo的多代理行為模型的構建與應用

基于nelogo的多代理行為模型的構建與應用

1消費者行為的研究方法城市街道（中心）是城市生活的重要場所。我國城市化進程的持續(xù)推進必然使得商業(yè)街興建與改造的需求相應增長。因此,值得加強對商業(yè)空間運行規(guī)律的研究來更好地支撐這種需求。從根本上講,商業(yè)街運行規(guī)律就是其中的消費者的活動規(guī)律。商店是否受歡迎、街道是否擁擠、設施是否夠用等反映商業(yè)街績效的主要指標,都是個體消費者行為集合的結果;而消費者行為一定程度上受到商業(yè)空間環(huán)境的影響。消費者與商業(yè)空間的互動是一個復雜的過程,用數(shù)理模型定量化地研究消費者行為和決策,成為商業(yè)街消費者行為研究中較為可行和常用的方法。在國外,用模型方法研究商業(yè)街中消費者行為始于20世紀70年代。早期的研究借鑒了交通研究中常用的空間相互作用/重力模型,如斯科特(Scott)和荻島(Hagishima等應用重力模型解釋商業(yè)街區(qū)各條街道中的人流量與商店數(shù)量、街道環(huán)境等因素間的關系。伯格斯(Borgers)和梯姆曼斯(Timmermans)在重力模型的基礎上加入了馬爾科夫鏈(Markovchain)方法,實現(xiàn)了對消費者行為動態(tài)的把握。但是自從70年代末解釋個人決策機制的隨機效用理論(Randomutilitytheory)和相應的離散選擇模型(Discretechoicemodels)被提出以后,這些模型已經基本上取代了重力模型,成為研究消費者行為的主流模型方法。齊藤(Saito)和石橋(Ishibashi)用多項分對數(shù)模型(Multinomiallogitmodel,離散選擇模型的一種)結合馬爾科夫鏈實現(xiàn)了對商業(yè)街各地塊中消費者人數(shù)的預測。伯格斯和梯姆曼斯應用多項分對數(shù)模型解釋消費者選擇街道的概率,并進一步納入了人們的活動歷史作為內生變量,增強了模型概括真實行為的能力。朱瑋等首次在多項分對數(shù)模型的效用函數(shù)中引入時間因素,發(fā)現(xiàn)了消費者選擇商店行為隨時間的規(guī)則性變化。國內學者使用模型方法研究商業(yè)街消費者行為開展得較晚且數(shù)量有限。曹嶸等以上海徐匯區(qū)某商業(yè)地段為對象,對零售業(yè)面積和街道人流量做了相關性分析,以此探討了零售業(yè)布局的優(yōu)勢微觀區(qū)位。王德等首先對上海南京東路和北京王府井大街消費者的特征和空間行為作了基本分析,并進行了比較。在此基礎上,朱瑋等進一步用離散選擇模型建立起消費者選擇地塊的概率和空間要素的關系。運用這些模型,朱瑋和王德分析了南京東路消費者的移動軌跡,依此討論了南京東路商業(yè)空間中的潛在問題。消費者行為模型為定量地預測分析商業(yè)空間變化后的消費者行為以及相應的商業(yè)街績效變化,提供了基礎。但是,將抽象的模型轉化為操作性較好的預測工具仍需適當?shù)募夹g。大約從20世紀90年代開始,多代理人系統(tǒng)(Multi-agentsystem,MAS)得到不斷地完善,并已經成為行為模擬研究的一大熱點。多代理人系統(tǒng)并非特指某個系統(tǒng),而是指一種模擬的框架,其核心是對個體(代理人)行為的模擬。通常系統(tǒng)都通過計算機編程實現(xiàn)。代理人可被認為是一個自動的、目標導向的軟體,可以具備屬性、實施行動。這種開放靈活的框架還允許定義復雜的代理人之間的交互作用。當計算機運算能力足夠模擬眾多的代理人同時行動時,就可以實現(xiàn)對現(xiàn)實世界運行的逼真模擬。將消費者行為模型與多代理人系統(tǒng)相結合是目前消費者行為模擬的前沿手段,眾多專門的系統(tǒng)已經被開發(fā)出來。戴克斯特(Dijkstra)等開發(fā)了模擬商業(yè)環(huán)境中消費者行為的AMANDA系統(tǒng)。該系統(tǒng)借鑒了元胞自動機(Cellularautomata)方法,將代理人(消費者)置于柵格空間內。代理人在模擬商業(yè)空間中的活動取決于一系列模型。首先,代理人可據有活動計劃,用于模擬根據計劃安排活動的消費者行為。代理人被賦予感知范圍,模擬有空間限制的消費者對環(huán)境的感受。當某個商店被代理人感知時,系統(tǒng)根據偏好模型模擬消費者光顧商店的決策。由哈克雷(Haklay)等開發(fā)的STREETS系統(tǒng)有更完整的模擬層面。他們首先在宏觀層面用城市人口數(shù)據和地理信息推算在某商業(yè)中心內活動的消費者人數(shù)。然后在中商業(yè)街觀層面,模擬具有給定計劃的代理人的活動路徑。在代理人沿著路徑行進的過程中,他們能夠在微觀模型的控制下,選擇空間目標或避讓障礙物和其他代理人。類似Legion等商業(yè)模擬軟件也已經在大量消費者行為數(shù)據的支撐下獲得一定的成功。多代理人系統(tǒng)研究2000年以后逐步引起國內學者的注意,首先由系統(tǒng)工程、地理信息系統(tǒng)領域學者對該方法的原理作了介紹和研究,并有學者開始應用在交通、環(huán)境、人口等領域。在土地利用與規(guī)劃的研究中,多代理人方法被應用于模擬各類決策主體(如居民、政府、開發(fā)商)的交互作用對土地使用的影響。陳鵬對大學校園內學生流動和體育場觀眾疏散流動進行過模擬。但在商業(yè)街的消費行為分析中,還未見該技術的應用研究。本文將介紹筆者在研究上海南京東路消費者行為的過程中,用多代理人系統(tǒng)作為檢驗行為模型的平臺的經驗。主要目的在于提供一種模擬、預測商業(yè)街消費者行為的方法和框架。需要指出的是,筆者提出的系統(tǒng)中使用了與現(xiàn)有消費者行為模擬系統(tǒng)中不同的行為模型,稱為有限理性模型,但這些模型將不在本文的討論范圍內(讀者可參閱朱瑋和梯姆曼斯)。這個模擬平臺包括系統(tǒng)的建構、代理人行為模擬流程,以及用于比較模擬代理人行為和實際消費者行為的指標。在南京東路收集的消費者行為數(shù)據,被用于擬合模擬系統(tǒng)中的行為模型。比較模擬結果與實際行為,討論該模擬系統(tǒng)中的問題。2模擬平臺2.1消費者模擬平臺由于現(xiàn)有模擬消費者行為的多代理人系統(tǒng)不能滿足筆者所采用的模型和行為框架,筆者開發(fā)了基于NetLogo的模擬平臺。NetLogo(見/netlogo)是一個開源的多代理人可編程建模環(huán)境,具有相當?shù)撵`活性和拓展性。該環(huán)境使用柵格表達空間,代理人就在柵格空間中活動;系統(tǒng)通過命令語句控制代理人的導向和移動步數(shù),每一步(一個單位計算時間)占據一個柵格,連續(xù)起來就能夠模擬人的移動。筆者的消費者模擬平臺由四個主要部分組成:(1)全局變量,用來存儲整個模擬過程所所有代理人或柵格都能使用的信息;(2)代理人,表達能夠做決策并移動的消費者個體。每個代理人有5種需求:回家(結束購物)、選擇方向、休息、光顧商店、原地停留。系統(tǒng)根據代理人的需求模擬其下一步的決策和行為。(3)柵格空間,表達物理環(huán)境,由表達實際中5m*5m的柵格組成。每個柵格屬于6種類型中的一種(圖1):①地塊,代理人無法活動的空間;②街道,代理人的活動空間;③入口,代理人開始購物活動的出發(fā)點;④導向點,用來引導代理人的行進方向,一般設置在街道交叉口或者街道形狀的急劇轉折點;⑤休息點,用于供代理人休息;⑥商店,代理人的購物場所;(4)操作界面,提供方便的控制和實時觀察模擬環(huán)境變化的媒介。2.2不能滿足特殊需求的情況圖2顯示了模擬流程。對每個代理人的模擬開始于代理人從一個入口點進入商業(yè)街。該入口點的位置根據觀察到的消費者開始活動的位置的分布隨機抽取。類似地,代理人開始活動的時間也根據實際觀察到的消費者到達商業(yè)街的時間分布隨機抽取。進入后,代理人所作的第一個決策就是選擇行進方向①,如果有幾個方向可供選擇的話。被選的方向決定了代理人的活動空間,也就是說其他方向內的商店和休息點將被忽略。代理人的行進方向立即指向所選方向內最近的導向點。接著模擬休息行為。首先程序檢查休息是否已經在代理人的需求列中。需求列用于放置代理人暫時不能滿足的需求,如此來模擬現(xiàn)實中消費者因特定的原因無法滿足某些需求而提升其他需求的優(yōu)先級別的行為。在這個系統(tǒng)中,僅兩種需求會進入需求列:休息和購物。這兩種需求的優(yōu)先級別會根據不同的行為結果互換。對于剛開始活動的代理人,休息不在需求列內,他需要決定是否休息(2)。如果決定休息,那么將同休息已經在需求列中的情況一樣,開始尋找休息點。搜索休息點的空間限定于代理人的行進方向,并規(guī)定了100m的搜索范圍。該范圍可大致理解為模擬消費者的感知范圍,但更多的是為了提高模擬效率而主觀設定的。范圍的大小對模擬的結果影響很小。模擬中,代理人搜索該范圍內最近的休息點,如果存在,便將休息從需求列中刪除并向該點移動。當代理人到達目標休息點后,系統(tǒng)根據活動延時模型(3)生成休息所需要的時間,他便在該點停留直至延時用盡。接著,代理人考慮是否回家(4)。如果決定回家,便結束對該代理人的模擬;如果決定繼續(xù)購物,代理人重新開始選擇方向。在搜尋休息點的節(jié)點上,如果代理人沒能在搜索范圍內找到休息點,他就將休息置入需求列并賦予購物較高的優(yōu)先級。只有當當前的行進方向中有商店的時候,代理人才開始尋找合適的商店光顧,否則他將重新選擇新的方向。搜索合適商店的過程類似于搜索休息點,代理人從它最近的商店開始,判斷某商店是否滿足他的要求(5)。當發(fā)現(xiàn)合適的商店后,代理人便其移動,到達后生成活動延時并停留相應時間。完成在商店的活動后考慮是否回家。如果在搜索范圍內沒有發(fā)現(xiàn)滿意的商店,在休息存在于需求列的情況下,休息的優(yōu)先級將被提高。接著,代理人檢查當前方向是否存在。如果存在,他將朝最近的導向點移動20步(經過大約100m的已經被搜索過的范圍),然后在新的地點尋找休息點或商店(在無需休息的情況下)。如果當前方向不存在,則需要選擇新的方向。2.3業(yè)務運營績效指標在檢驗模型的過程中,筆者在三個方面對集合層面的模擬代理人行為和實際觀察的消費者行為作了比較。比較集合行為主要因為它們是相關實踐人員(如規(guī)劃師、開發(fā)商、商業(yè)街管理部門)主要關心的績效指標。這三項指標包括:(1)進行不同類型活動的消費者在不同時間點上的數(shù)量分布。這些活動包括購物、休息、行走,綜合起來就得到消費者總數(shù)。另外比較了已經回家的消費者的累計人數(shù),用來檢驗回家模型。這些分布通過在模擬過程中,截取從10:00-21:00共12個整數(shù)鐘點時代理人的數(shù)量獲得。(2)不同時間點上在不同街道段中的消費者數(shù)量分布,用以研究商業(yè)空間的動態(tài)使用情況。(3)單個商店中的消費者光顧人次和總的光顧延時,反映商店的吸引力。3調查方法和樣本的獲取研究所采用的數(shù)據來自2007年對上海南京東路消費者的問卷調查。圖3顯示了調查的范圍。南京東路基本呈東西走向,西側始于西藏中路,東側終于外灘,全長約1600m,其中從西藏中路至河南中路間為約1000m的步行街。來自同濟大學城市規(guī)劃系的20名學生在5月19日(周六)和22日(周二)兩天內實施了調查,每天從12:00開始至2000結束。他們隨機地邀請步行街和外灘中的消費者參加調查(6)。對于同意參加的消費者,調查員首先問詢了他們的當前狀態(tài):剛開始活動、進行到一半、即將結束;然后記錄他們的個人社會經濟情況;最后根據消費者的回憶,順序記錄了他們從開始活動到當前狀態(tài)間的活動過程,包括:入口位置、時間,每一個光顧過的商店,在店內的活動、延時,活動所花費的金額,計劃結束活動的時間和出口位置。調查最終收集了811份有效樣本,其中393份(48.5%)于19日收集,418份(51.5%)于22日收集。這個數(shù)據被用來擬合回家決策、方向選擇決策、休息決策、商店光顧決策4個模型。4模擬結果4.1消費者生活特征為了便于模擬,筆者對模擬的空間環(huán)境作了一些簡化,去除了主要街道以外的次要街道,并視之為地塊。這樣,代理人僅在主要街道中活動,這也符合實際中絕大多數(shù)消費者的活動特征。為了便于統(tǒng)計消費者活動的空間變化,調查范圍又被劃分為12個街道段(圖4)。步行街包含段②-⑧;一些沿線商店超過50m的商業(yè)支路也被視作街道段,如段③、⑦、⑨和?。模擬的代理人數(shù)為236人,這是為了與調查樣本中具有完整活動過程(即將結束)的消費者數(shù)量保持一致,使結果有可比性。模擬進行了20次,每次在處理器主頻為1.6GHz的個人微機上耗時約20分鐘。比較指標取20次的平均值,以盡可能消除單次模擬中的隨機效果。4.2商業(yè)模型的預測能力分析圖5顯示了從事不同活動類型的消費者數(shù)量隨時間的變化分布。每張圖中的橫軸均代表12個時間點,左側縱軸代表人數(shù),右側縱軸代表各項活動人數(shù)占總人數(shù)的比例。圖5a中,模擬的代理人數(shù)量與觀察的消費者數(shù)量非常吻合地在下午15:00左右呈單峰狀分布。圖5b中在商店內活動的代理人數(shù)量分布也非常接近觀察量,幾個明顯的拐點都把握得比較準確。圖5c中正在休息的代理人數(shù)量分布較準確地估計了12:00-15:00間的急劇上升,體現(xiàn)了這段時間內消費者休息的需求的快速增長。過了15:00高峰后,觀察的數(shù)量平緩減少,但是模擬的數(shù)量下降得過快。圖5d中正在行走的代理人數(shù)量分布模擬得最差,主要原因是觀察到的樣本就非常少,很容易受到隨機因素干擾而不易預測。圖5e中兩曲線幾乎重合的狀況說明回家模型總體上對消費者在南京東路活動的總時間估計還是相當準確的。圖5b-d中較細的曲線表示各種活動的人數(shù)占總人數(shù)的比例。模擬也把握住了大的趨勢:購物的消費者比例隨時間連續(xù)減少(從約90%到約60%),相應休息的人數(shù)持續(xù)增加(從很少到約40%),符合人們因長時間購物需要補充體力的行為;行走的人數(shù)比例是最少的。各街道段中消費者人數(shù)的時間分布(圖6)也總體上模擬得較好,雖然出現(xiàn)了比活動類型模擬中更多的欠估計或過估計。在觀察人數(shù)很少的街道段中,如段①、③、⑦、⑨、?,模擬的結果由于樣本量有限而相對隨機擾動較大的原因顯得比較差,因而沒有被包括在圖中。對段②、④、⑧,這三條街道段的模擬相對較好;對段⑤和⑥的模擬較觀察量偏少,主要是因為商店光顧模型沒能突出若干具有特殊聲譽的商店的吸引力(如置地廣場、第一醫(yī)藥商店),這樣就增加了代理人僅僅路過這些段而不停留的可能性。在非步行街,由于觀察到的消費者數(shù)量比步行街中少一半多,因此模擬顯得更不穩(wěn)定,段⑩內的人數(shù)基本被高估,段?內的人數(shù)基本被低估。最后通過兩張散點圖比較單個商店的吸引力(圖7)。圖7a中模擬的商店中的代理人數(shù)量反映了實際的趨勢,較為規(guī)則地分布在等值線的兩側。但是仍存在一定量的欠估計或過估計,這說明商店光顧模型的預測能力還不夠完善。一方面消費者的行為復雜性因人而異;另一方面研究中僅考慮了營業(yè)面積和商店類型兩個因素,其他因素如商店聲譽、經營策略、櫥窗擺設、購物環(huán)境等都對消費者的行為有一定影響,但鑒于研究的目的和復雜程度的限制未予考慮。總體上,觀察