基于多智能體強化學習的居住用地增長模擬——以深圳市為例

作者：李志鋒,李飛雪,陳振杰,謝中凱,陳東

摘要：城市空間增長模擬對于土地快速城市化背景下空間規劃的制定具有重要意義,在基于多智能體的城市空間增長模擬模型中,個體空間決策的建模至關重要。該文在基于效用函數的個體空間決策模型中,引入擴展的強化學習模型表征個體學習行為以對個體空間決策模型進行修正,結合政府規劃因素構建耦合強化學習的居住用地增長多智能體模擬模型,模擬深圳市2005-2015年居住用地增長情況。結果表明:1)相比無學習模型,引入擴展強化學習模型的模擬結果精度提高了10.8%,更貼合居民個體在空間決策中的行為;2)引入強化學習的模擬結果中,新增居住用地在空間上呈現較強的集聚性,表明引入強化學習后模型不僅能夠反映位于已有居住用地中間的填充式增長,而且能夠發現期間新出現的連片居住用地;3)學習模型的參數敏感性實驗結果顯示,學習強度對模擬精度影響較大,表明居民個體空間決策建模中,對于他人經驗的學習過程較為重要,應給予充分考慮。引入強化學習的模型有助于揭示城市增長中個體行為模式,為制定城市空間規劃提供參考。

發文機構：南京大學地理與海洋科學學院 江蘇省地理信息技術重點實驗室 江蘇省地理信息資源開發與利用協同創新中心

關鍵詞：多智能體強化學習居住用地增長模擬深圳multi-agentreinforcement learningresidential land growthsimulationShenzhen

分類號： TU984[建筑科學—城市規劃與設計]