基于智能代理的交通分配建模

针对现有交通分配研究对驾驶员有限理性、道路交通动态随机性的忽视,提出一种基于智能代理的动态交通分配模型IATAM,其以驾驶员为代理,依据驾驶员的路线偏好,综合驾驶员信息处理的模糊随机过程,考虑邻居驾驶员影响,提出神经网络结构的驾驶员智能路线决策机制。实验中IATAM模型检测点车流量与真实车流量的平均相对误差减小到6.42%,表明IATAM模型实验精度更高,更符合复杂多变的交通环境。基于智能代理进行交通分配,更能反映驾驶员的异构性和路线决策的模糊随机性,并有效提高交通分配精度。