基于智能体的交通仿真的并行贝叶斯优化
机器学习
2022-09-23 v1 分布式、并行与集群计算
多智能体系统
摘要
MATSim（多智能体交通仿真工具包）是一个开源大规模基于智能体的交通规划项目，应用于道路交通、公共交通、货运交通、区域疏散等多个领域。BEAM（行为、能源、自主性与移动性）框架扩展了 MATSim，以实现对城市交通系统强大且可扩展的分析。BEAM 仿真中的智能体基于多项 logit 模型展现出“方式选择”行为。在我们的研究中，我们考虑八种方式选择，即自行车、小汽车、步行、网约车、驾车换乘、步行换乘、网约车换乘和网约车拼车。每种方式选择的“备选特定常数”是实验场景下配置文件中的关键超参数。我们所有实验均采用“Urbansim-10k” BEAM 场景（人口规模 10,000）。由于这些超参数以复杂方式影响仿真，手动校准方法十分耗时。我们提出一种带早停规则的并行贝叶斯优化方法，以使给定多入多出问题快速收敛至其最优配置。我们的模型基于开源 HpBandSter 包。该方法将若干一维核密度估计器（KDE）的层次结构与一个廉价评估器（Hyperband，单一多维 KDE）相结合。我们的模型还引入了基于外推的早停规则。借助我们的模型，我们以完全自主的方式在大规模 BEAM 仿真中实现了 25% 的 L1 范数。据我们所知，我们的工作是首个应用于大规模多智能体交通仿真的此类工作。该工作可用于具有极大量人口场景的代理建模。
引用
@article{arxiv.2207.05041,
title = {Parallel Bayesian Optimization of Agent-based Transportation Simulation},
author = {Kiran Chhatre and Sidney Feygin and Colin Sheppard and Rashid Waraich},
journal= {arXiv preprint arXiv:2207.05041},
year = {2022}
}
备注
LOD'2022 (Nature Springer Computer Science Proceedings - LNCS)