Modeling taxi driver anticipatory behavior

به عنوان بخشی از یک مدل مبتنی بر عامل رفتاری گسترده که شبیه سازی رفتار مسافرین پویا رانندگان تاکسی در عدم اطمینان است، ما یک مدل رفتار استراتژیک رانندگان تاکسی را در پیش بینی تقاضای متغیر زمان قابل توجه در مکان هایی مانند فرودگاه ها و ایستگاه های قطار اصلی ارائه می دهیم. این مدل فرض می کند که با توجه به افق تصمیم خاص، یک راننده تاکسی تصمیم می گیرد بر اساس یک عملکرد پاداش به این مقصد منتقل شود. عدم قطعیت دینامیک تقاضا توسط یک احتمال احتمالی وابسته به زمان گرفته می شود که یک توزیع توزیعی از زمان انتظار است. این مدل اجازه می دهد تا برای یادگیری اطلاعات که توسط رانندگان تاکسی اعتقادات خود را از تجربیات گذشته به روز کند. یک شبیه سازی در یک شبکه واقعی جاده، مورد استفاده برای آزمایش مدل، نشان می دهد که مدل فرموله به طور پویا راهبردهای مسافرتابی در فرودگاه را بهبود می بخشد. رانندگان تاکسی یاد می گیرند زمانی که برای پیش بینی تقاضای متفاوت در فرودگاه در فرودگاه به منظور کاهش زمان انتظار خود، به فرودگاه منتقل شوند.