论文部分内容阅读
在中国的城市街道中,经常能看到一些违规小贩售卖假冒伪劣的商品以及不卫生的食品给不知情的路人,这可能会造成严重的健康问题。另外,这些违规小贩在城市的街道中进行违规售卖的过程会产生大量的垃圾,影响城市的环境卫生。同时,他们在售卖商品时会引起人群聚集,这可能会影响交通,加大发生交通事故的可能性。针对上述情况,城管部门需要派遣城管人员对城市区域进行巡逻,从而处理这些小贩的违规售卖问题,维护城市的环境卫生,保障市民的生命安全。然而,对于大面积的城市区域来说,城管人员的巡逻资源毕竟是有限的,很难对城市中的所有区域进行巡逻。因而,在巡逻资源有限的条件下,如何最大化的管理一些小贩的违规售卖行为,成为了城管部门亟待解决的问题。因此,政府部门需要根据违规小贩的行为特征来分配巡逻资源,从而更有效的解决小贩的违规售卖问题。基于Stackelberg安全博弈的资源分配方法为该问题提供了一个有效的理论模型。因此,本文在Stackelberg安全博弈的基础上,提出了一种基于有限理性敌手模型的巡逻资源分配方法,TALENTED(Target Attributes LEarNing model with TEmporal Dependence),该方法能够有效的分析敌手的行为特征,预测敌手的行为趋势,帮助城管部门生成更好的巡逻策略。TALENTED方法主要由如下二点贡献:第一,本文提出了一种新的敌手行为模型来预测每个目标(城市街道)被攻击的概率,该新的敌手行为模型包含如下三点:(1)该模型考虑了更多的能够影响敌手行为决策的环境特征值,充分地考虑了目标环境特点对敌手行为的影响;(2)由于敌手要维持他们的长期收益,更先倾向于在一个地点。因此,该模型考虑敌手先前的行为对他们将来决定的影响;(3)与先前的文献中的敌手行为模型相比,在本文提出的新的敌手行为模型中,每个目标的影响敌手行为决策的环境特征值具有不同参数向量,这更准确的预测敌手的行为。第二,本文采用基于Stackelberg安全博弈的资源分配方法来计算城管人员的最优巡逻策略。仿真实验说明TALENTED方法能够帮助城管生成合理、高效的巡逻策略,有效的解决小贩的违规售卖问题。