.png){kind=icon}
返回
Systematic Learning and Pedagogy Through a Modular, Progressive-Based Simulation Modeling Framework for Complex Systems
.png){kind=icon}
OA
AI
DOI：10.1002/sys.70047.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能交通系统（SmTS）将超越其作为复杂、社会技术及人工智能系统的分类。拥有一套帮助系统性理解、分析和评估这些系统的工具将有利于系统工程（SE）生命周期的早期阶段，基于代理的模型（ABMs）可以提供这种缓解。本文提出，从初学者ABM开发者的经验教训中可以创建一个新颖的框架，该框架能揭示复杂系统行为并增强工程师的模拟建模学习机制。以SmTS作为系统兴趣（SoI），开发了一个关于StarLogo和NetLogo的知识库。对StarLogo和NetLogo进行了比较评估，创建了一个可扩展的工具包，称为模拟建模管道框架（SMPF）。随后，SmTS被用作SMPF作为模拟模型原型和开发学习工具的应用案例研究。结果表明，StarLogo和NetLogo是初学者ABM开发者的出色ABM，但各有其优缺点。StarLogo编程语言有利于快速代码生成，但缺乏较低的建模保真度。NetLogo弥补了StarLogo的不足，但其专有编程语言对初学者来说较为繁琐。这些互补特性通过连接不同ABM的模型抽象，形成了SMPF，促进了基于系统的学习、原型制作和模拟模型开发。通过使用两种ABM，可以开发和使用新兴和/或不存在复杂系统的模拟建模工具包，同时培养对SoI不同层次系统机制的更深入理解。
Keyword:
agent-based modeling and simulation
complex systems
smart transportation systems
sociotechnical systems
systematic learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
1.6
论文数:
51
被引数:
0
机构
引用论文
.png){kind=icon}
Exploring the impact of shared autonomous vehicles on urban parking demand: An agent-based simulation approach探索共享自动驾驶汽车对城市停车需求的影响: 基于agent的仿真方法
PREAI
分享收藏分享收藏
查看更多内容