改变对电动汽车的看法：基于经验的基于代理模型的方法
摘要：电动汽车（EV）的推广被认为是实现减少温室气体排放目标的有效政策策略。然而，要实现大规模采用，需要基于消费者的交通需求、价值观和社会规范的需求侧导向的政策措施。我们引入了一个经验性的、具有空间明确性的基于代理的模型（由更改思维驱动的InnoMind创新扩散），模拟政策干预和社会影响对消费者交通方式偏好的影响。该模型中的代理人代表个体消费者。通过根据调查受访者的经验派出属性和特征来进行校准。我们使用人工神经网络对代理人的决策进行建模，考虑到情感在信息处理中的作用。我们呈现了柏林市电动汽车普及的4个情景的模拟结果（3个政策情景和1个基准情况）。结果表明，在不同的市场细分领域中，不同措施的有效性存在差异，需要针对不同出行者的异质需求制定适当的政策。此外，模拟结果表明，在城市内引入一个专用区域供电动汽车使用，比只提供财政激励更有效地促进电动汽车的早期扩散。
作者：Ingo Wolf, Tobias Schroeder, Jochen Neumann, Gerhard de Haan
论文ID：1405.6230
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2015-01-15