9、探索行人购物决策过程中的启发式策略

探索行人购物决策过程中的启发式策略

1. 引言

数学建模是理解购物环境中行人行为的一种方式，通过预测不同规划下的行人行为，为城市规划提供支持。早期研究主要使用引力模型来解释行人的总体移动模式，但自上世纪90年代以来，基于有限理性等替代行为理论的模型受到的关注较少，对行人决策过程的深入探索也相对缺乏。这可能是由于缺乏合适的模型估计方法。

大多数分析性行人行为研究采用效用最大化模型，研究重点已转向微观个体层面。离散选择模型（DCM）的出现和计算机技术的发展是导致这一转变的主要原因。然而，目前对潜在决策过程的探索仍然不足，模拟技术虽能构建复杂的决策图，但难以识别行为背后的规则。DCM在行人移动情境下的行为基础适用性也大多未经检验，其假设的决策过程可能过于简单或复杂。

相比之下，基于H. A. Simon在1947年提出的有限理性理论，构建更现实的模型或许是可行的。该理论认为启发式策略在做出快速、节俭且足够好的决策中至关重要。本研究旨在比较不同模型，为此先介绍了一个建模平台——GEPAT。

2. GEPAT平台

2.1 为何选择GEPAT

GEPAT是“Gene Expression Programming as an Adaptive Toolbox”的缩写，是一个用于构建和校准模型的计算机程序。其核心算法是基因表达编程（GEP），属于遗传算法（GA）的一种。虽然线性回归模型、广义线性模型、多项逻辑模型（MNL）等经典非线性模型可以使用SAS和SPSS等软件进行校准，但当模型函数的非线性、不连续性和不可微性程度增加时，这些软件可能难以或无法校准模型。遗传算法在数值求解此类问题上表现出色，由于行为模型可能非常复杂，使用G