Python绘制Logit动态演化博弈的演化趋势图

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

针对交通方式选择研究中基于Logit动态的演化博弈模型，利用Python代码绘制演化趋势图。

Python代码

1.引入库

代码如下：

import numpy as np
from scipy.integrate import odeint    #求解微分方程用到
import matplotlib.pyplot as plt
%matplotlib inline

2.设置参数

设置字体、字号，表格刻度方向等参数

plt.rcParams['font.sans-serif']=['TimesSong']  
plt.rcParams['axes.unicode_minus']=False
plt.rcParams['xtick.direction'] = 'in'  # 将x周的刻度线方向设置向内
plt.rcParams['ytick.direction'] = 'in'  # 将y轴的刻度方向设置向内
plt.rcParams['font.size'] = 14          

上面的‘TimeSong’是自定义的字体，可以实现中文宋体，英文Times New Roman字体的效果，需要先设置好，具体可以参照：https://www.yii666.com/blog/376794.html，网上也有其他的实现方式。

3.动态演化方程

Logit动态演化博弈具体的理论推导在此不作详细分析，需要研究的小伙伴可以参考相关论文[1][2]。这里直接给出动态演化方程的最终形式：

其中，
$u_i：选择第i种交通方式的收益函数；$
$u_j：选择第j种交通方式的收益函数；$
$x_i：选择第i种交通方式的比例。$
以轨道交通（方式1）和私人小汽车（方式2）出行为例，仅考虑出行方式的时间和费用，分别记为$t_1$，$t_2$，$m_1$，$m_2$。则两种方式的收益函数可以表示为：
$u_i=-t_1-m_1$
$u_j=-t_2-m_2$
因为时间和费用都是出行的成本，因此在收益函数中都是负的。

4.求解微分方程

代码如下：

def modechoice(Fy,t,t1,t2,m1,m2):
    x1, x2 = Fy.tolist()
    return 1/(1+np.e**(t1-t2+m1-m2))-x1,\
            1/(1+np.e**(t2-t1+m2-m1))-x2
#这里return后面的两部分其实就是前面公式给出的动态演化方程，
将方式1和方式2的收益函数分别带入，并将分数部分做进一步的化简。

5.计算绘图

代码如下：

fig,ax=plt.subplots(figsize=(10,6), dpi=300)  #设置图片尺寸和清晰度
t = np.arange(0, 10, 0.1)  #设置演化周期和步长，即def modechoice(Fy,t,t1,t2,m1,m2)中的参数t。
args=(41,39.7,9.8,9.7)     #设置出行方式时间和费用的初始值，这里值是随便取的，但注意变量顺序必须与def modechoice(Fy,t,t1,t2,m1,m2)中的对应。

for i in np.arange(0,1.1,step=0.1):	 #设置循环，以不同的出行比例为起点开始进行演化计算并绘图。
    track = odeint(modechoice, (1-i, i), t,args)
    plt.plot(t, track[:,0], '--',color='black', linewidth=1)
    plt.plot(t, track[:,1], '-',color='black', linewidth=1)
plt.xticks(np.arange(0,10.1,step=1))
plt.yticks(np.arange(0,1.1,step=0.1))
plt.legend(labels=('轨道交通','私人小汽车'),loc=7,frameon=False)
ax.set_xlabel("演化周期",labelpad=10)
ax.set_ylabel("出行方式比例",labelpad=10)
ax.set_xlim(0,10)
ax.set_ylim(0,1)
plt.show()

运行之后便得到了演化趋势图。

总结

演化博弈是交通方式选择分析中一种方法，相对于离散选择模型具有能够进行动态分析的优势。以上是自己在学习过程中的一些总结，有不对的地方欢迎大家批评指正，如果对大家的学习有所帮助，也请点赞收藏，谢谢！

相关文献

[1]Zhang Yu, Li Leiming. Research on travelers’ transportation mode choice between carsharing and private cars based on the logit dynamic evolutionary game model[J]. Economics of Transportation, 2022, 29.
[2]Lin Xiaomei , Shao Chunfu, Qian Jianpei ,et al. Evolution dynamic of the expressway toll-free policy impact on the mode choice in a bimodal transportation network during holidays[J]. Advances in Mechanical Engineering, 2017, 9(7): 1-14.