User talk:Xsvaf02

Multiagentní simulace ne/platících cestujících MHD - aplikace PPGwP

// Zkratky

ČP - Černý pasažér

PP - Platící pasažér

MHD - Městská hromadná doprava

PPG - Public Good Game

PPGwP - Public Good Game with Punishment

//

Cílem práce je ověřit použitelnost (validitu) teorie her při simulaci reálných situací

Použitá verze hry

Opakovaná, neveřejná ‘Public Good Game’ s trestáním.

Popis laboratorní verze hry

1) Stejná množina hráčů hraje opakovaně více kol.

2) Hráči tajně vyberou kolik ze svého soukromého ‘majetku’ vloží do veřejného konta.

3) Majetek vložen do veřejného konta je vynásoben číslem > 1.

4) Takto vynásobený veřejný majetek je rovnoměrně rozdělen mezi všechny hráče.

5) Soukromý majetek hráčů, který nevložili do veřejného konta jim zůstává.

6) Trestání je dobrovolná akce hráče/ů, pro kterou se hráči můžou rozhodnout po skončení každého kola.

7) Obvykle to probíhá tak, že hráč, který se rozhodne trestat se rozhodne kolik ze svého soukromého majetku za trestání zaplatí.

8) A vybere si cíl trestání.

9) Trestané osobě se strhne z jeho soukromého majetku několikanásobek částky zaplacené trestajícím.

Popis aplikované modifikace hry

1) Pevná množina agentů hraje opakovaně předem neznámý konečný počet her

2) Agenti tajně vyberou zdali zaplatí (nebo ne) jízdenku ze svého soukromého majetku.

3) Majetek vložen do veřejného konta je vynásoben číslem > 1.

4) Takto vynásobený majetek je rovnoměrně rozdělen mezi všechny agenty.

5) Soukromý majetek agentů, který nevložili do veřejného konta jim taky zůstává.

6) Trestání je dobrovolná akce agenta/ů, pro kterou se agenti můžou rozhodnout po skončení každého kola.

7) Agent, který se rozhodne že chce trestat, se rozhodne kolik ze svého majetku chce na trestání vynaložit a tuto sumu zaplatí speciálnímu druhu agenta pojmenovaném ‘revizor’.

8) Trestání je nepřímé a neefektivní - revizor na základě získané hodnoty kontroluje ‘náhodně’ určité množství cestujících (čím více získá, tím větší počet cestujících zkontroluje). Jestliže odhalí ČP, potrestá ho.

9) Trestanému agentu se strhne z jeho soukromého majetku určitá částka.

Poznámky k modifikaci hry

1) Agenti se budou chovat jako by šlo o nekonečnou hru.

2) Vklad agenta do veřejného konta je v modifikaci pouze binární volba - zda zaplatí částku X za jízdenku nebo zaplatí 0 - tedy nic. Čili zdali vloží do veřejného konta či nikoliv - jízdenka má obvykle pevnou cenu a ČP se veze tím, že nezaplatí nic, ne pouze ‘o něco méně’.

3) V reálu je zisk ze zaplacení jízdenky služba - přeprava z bodu A do bodu B, či časová úspora při této přepravě použitím dopravního prostředku. V simulaci bude na základě hesla ‘čas jsou peníze’ zisk ve stejné ‘měně’, jakou se jízdenky platí.

4) Časovou úsporu z jízdy získá každý i ČP. Poklesem zisku při existenci ČP může být myšleno menší pohodlí (přeplněné autobusy) či delší trvání přepravy (delší nástup a výstup,...).

5) Beze změny oproti originálu.

6) Beze změny oproti originálu.

7) Beze změny oproti originálu.

8) Jelikož se jedná o neveřejnou hru (není známo, kdo je ČP), nelze ani cíleně trestat. Použití trestajícího prostředníka je zde použito hlavně kvůli lepší přehlednosti, trestat by takto (‘náhodně’) mohli i samotní cestující. Revizorovi bych rád pro jeho vyšší účinnost implementoval i jistou formu nepřesné paměti.

9) Obdoba pokuty. Může jít o danou fixní částku, či násobek ceny jízdenky. V Praze je například pokuta 800-1000Kč. To dělá při ceně jízdenky 24 a 32Kč 33- a 25-násobek ceny jízdenky.

Charakteristiky agentů:

• Agenti můžou nabýt dvou stavů - CP a PP. Můžou mezi nimi přecházet.
• Rozhodnutí agentů o tom, zda budou či nebudou CP, bude ovlivněno:
  • historickém chování ostatních agentů (čím více ČP ve hře, tím spíše se agent rozhodne být taky ČP),
  • zaznamenanou aktivitou revizora (čím více kontrol ve svém okolí agent zaznamenal, tím spíše bude PP)
  • MOŽNÁ: averze k riziku (různá rychlost posunu pravděpodobnosti směrem k ČP nebo k PP - agentovi se bude pravděpodobnost, že se stane ČP rychleji snižovat, než zvyšovat)
• Rozhodnutí agentů o tom, zda budou či nebudou trestat, bude ovlivněno:
  • aktuálním a historickém chování ostatních agentů (čím více ČP ve hře, tím spíše se agent rozhodne trestat - pakliže už je sám ČP, bude jen málo ochotný trestat)

Co se bude sledovat:

• Vývoj modelu při různých parametrech.
• Zda se dá na základě PGG s nepřesným trestáním vysvětlit relativně stálý výskyt ČP v MHD.

Jaké výsledky očekávám:

• ČP nikdy nevymizí.
• Největší vliv bude mít práce revizorů (kvalita trestání) - tedy jaké území pokryjí kontrolou (pokud se budou soustředit pouze na určité oblasti [metro] tak bude efekt nižší)