旅游者對海洋環境影響的建模與仿真＊

葉鵬，王鳳霞

（海南大學旅游學院 ?？?570228）

復雜適應系統（complex adaptive system，CAS）由美國計算機科學家霍蘭德（J·Holland）教授提出。復雜適應系統理論是建立在“適應性造就復雜性”這一基本觀點的基礎上，在系統中存在的各成員被稱為“具有適應性的主體”（A－daptive Agent），為了使自己更好地生存發展，每個主體必須有良好的適應性［1］。主體只有不斷地與其他主體進行交互，并運用知識和經驗改變自身的結構及行為方式，才能不斷進化成更優的主體以適應環境，同時環境因為個體的變化也在不斷的演變［2］。

海洋環境是一個復雜的系統，它由眾多的相互之間進行著交互作用的種群組成，并且這些種群還構成了具有層次結構的系統。旅游活動的加入讓原本的海洋環境更加復雜，海洋環境的演化受到了來自人類旅游活動的影響。這樣的系統具有自主性、適應性、異步并發等特性，符合CAS的特征。因此可以將有旅游者參與的海洋旅游環境視作隨時間推移不斷演變的CAS。

目前，對CAS進行研究的一種有效方法是基于多 Agent系統（multi－Agent system，MAS）的建模仿真方法［3］。利用MAS建模仿真的方法分析海洋旅游環境的演化會提升問題分析的智能性和問題求解的能力。本文將基于MAS，對有旅游者參與的海洋環境系統進行建模，再利用多Agent仿真平臺StarLogo進行仿真實驗，并對仿真結果進行分析。

1 對于海洋旅游環境的研究現狀

目前針對海洋旅游環境的研究主要涉及海洋旅游的可持續發展、海洋旅游環境容量測算和海洋旅游環境承載力評價這幾個方面［4］。臧傳芹［5］總結了秦皇島海洋旅游可持續發展自身具備的優勢和面臨的主要問題，并在此基礎上提出了可持續發展的建議與對策。黃劍堅等［6］總結了傳統的旅游環境容量計算方法與這些方法的缺陷，并選擇了合適的方法分析了廣東特呈島國家級海洋公園旅游環境容量。劉佳等［7］構建了濱海旅游環境承載力的評價體系，運用物元評價模型和灰色預測模型，對山東半島藍色經濟區濱海旅游環境承載力水平進行量化測度與系統分析。通過對現有的文獻梳理可以發現，如今針對海洋旅游環境的研究方法種類較少且模式化，基本沿襲了分析和評價某地的海洋旅游資源，總結出發展海洋旅游的優劣勢，再據此提出發展對策和建議這樣一種模式。而且定性分析的文章較多，定量分析的文章較少。本文將MAS的建模仿真方法應用于海洋旅游環境研究，是在現有研究方法上的創新，希望借助這樣一種定量分析更加準確地描述旅游與海洋環境之間的關系，同時實現海洋旅游環境演化過程的可視化。

2 多Agent系統與多Agent仿真平臺StarLogo概述

2．1 Agent的概念及特征

Agent是一個計算實體，并且具有一定的生命周期［8］。與其他的實體相比，Agent能夠感知它所處環境的變化并能夠適應環境的變化，然后通過自主運行進一步影響環境，甚至改變所在的環境。一般來說，Agent包含知識、目標和能力3個方面要素。知識是指Agent對它所處環境或需要求解的問題的描述；目標是指Agent所采取的一切行為都是面向目標的；能力是指Agent具有控制、推理和決策的能力［9］。

2．2 多Agent系統

多Agent系統是指由兩個或兩個以上具有不同功能的Agent組成的系統，其中系統中的各Agent之間可以進行交互通信與協商合作，通過它們的相互作用解決單個Agent無法解決的問題［10］。

2．3 多Agent仿真平臺StarLogo

StarLogo是由麻省理工大學（MIT）多媒體實驗室開發的基于主體（Agent）的建模方法［11］。StarLogo以軟件的方式描述了主體以及主體與環境、主體與主體之間的交互過程，從而可以研究由多個主體組成的復雜適應系統的運行機制。StarLogo的目的就是通過提供一種簡單、直觀的建模仿真工具，從一種新的視角幫助人們分析和理解復雜適應系統［12］。在StarLogo仿真平臺中存在3種角色，分別是海龜（turtles）、點（patches）和觀察者（observer）。用戶通過設定這些角色來構建復雜系統，模擬現實世界的各種復雜現象。

3 基于MAS的海洋旅游環境系統建模

3．1 海洋旅游環境系統多Agent模型

在對多Agent系統進行建模時，首先需要對研究的復雜適應系統的全局行為進行深刻理解，確定需要仿真的目標。然后對復雜適應系統的整體行為進行抽象化，并不斷細化復雜適應系統的整體行為表達方式。至此，再判斷被抽象的整體行為是否符合要求，若不符合，則降低抽象層次，同時增加局部細節；若符合要求，則利用MAS理論進行建模［13］。

本文僅針對旅游者的海洋旅游行為對海洋生態環境的影響進行分析。構建的模型包含有海洋環境Agent、旅游者Agent與生態恢復Agent，構造了一個海洋環境系統的局部二維環境。其中：海洋環境Agent為一個全局的Agent，它模擬了作為旅游目的地的海洋生態環境；旅游者Agent模擬了旅游者的行為；生態恢復Agent則是針對旅游者Agent對海洋生態環境造成的破壞進行不同程度的恢復，恢復海洋生態環境。

3．2 各類Agent建模

3．2．1 海洋環境 Agent

海洋環境Agent分為海島與海洋，用不同的顏色加以區分。海洋Agent通過顏色的深淺來表示海洋污染程度的高低。

海洋環境Agent的靜態屬性有環境指數、位置、運營天數、總污染指數和歷史最高總污染指數。其中，環境指數反映該片海域受污染的程度，環境指數會受到旅游者Agent與生態恢復Agent的影響上升或降低。

海洋環境Agent的行為：變色。海洋環境Agent的區域會根據海洋環境指數的高低來標記每個區域的顏色。

3．2．2 旅游者 Agent

旅游者Agent模擬了旅游者行為活動。在旅游時間內，旅游者Agent在海洋環境Agent范圍內運動，并會對海洋環境Agent產生不同程度的污染。在旅游時間結束后，旅游者Agent退出，代表了一次旅游結束。

旅游者Agent的靜態屬性包括顏色、形狀和旅游時間。

旅游者Agent的行為：① 旅游者產生。②旅游活動。旅游者在旅游時間還有剩余的情況下進行活動，每次運動的方向和距離為隨機變量。③污染行為。旅游者Agent在到達的地方都會對海洋環境Agent產生污染，通過改變環境指數來表示。④ 旅游結束。

3．2．3 生態恢復 Agent

本模型定義了兩種生態恢復Agent，分別是海洋自凈Agent與人工恢復Agent。海洋自凈Agent表示海洋環境在自然狀態下自我修復的能力以降低海洋環境Agent的環境指數。人工恢復Agent則表示人類開展的環境保護行為對海洋生態環境的恢復。

海洋自凈Agent的行為：降解污染。海洋環境Agent的環境指數經過一段時間會有一定程度的下降。

人工恢復Agent的靜態屬性有形狀，這是為了在外觀形態上將人工恢復Agent與旅游者A－gent區分開，方便之后在仿真實驗中觀察。

人工恢復Agent的行為：① 搜尋活動。人工恢復Agent會在海洋環境Agent范圍內不斷運動，每次運動的方向和距離為隨機變量。② 污染清理。人工恢復Agent搜尋到污染區域后，會對污染區域進行生態恢復，降低海洋環境Agent的環境指數。

圖1描述了旅游者對海洋環境影響的MAS模型框架。

圖1 MAS模型框架

本文在利用StarLogo仿真平臺對本模型進行仿真時，具體的形狀、顏色和參數設置如下：海洋環境Agent方面，棕色矩形Patch代表海島，藍色矩形Patch代表海洋，顏色較深的海洋表示污染程度相對較低。環境指數區間為［0，100］，在初始狀態下為0。旅游者Agent方面，用不同顏色的人形Turtle表示，本文僅討論4種旅游者，分別是：短期環保旅游者、短期破壞旅游者、長期環保旅游者和長期破壞旅游者。每天產生的旅游者總數為10。生態恢復Agent方面，海洋自凈Agent幫助海洋環境Agent的恢復速率為每1天下降1個環境指數。人工恢復Agent則用enzyme－shape形狀表示。各類旅游者和人工恢復者的具體形狀、顏色和行為規則參見表1。

表1 不同種類旅行者與人工恢復者仿真說明

4．1 仿真1

4．1．1 各類旅游者都存在的系統模型

此次實驗計劃運營天數為500d，設置兩座海島，海島1為該區域旅游集散地，旅游者Agent產生于海島1。海島2是一項旅游景點，兩座海島間有輪船通航，但是由于行程安排，只有長期

4 基于MAS的海洋旅游環境系統仿真與分析

旅游者才會登陸海島2進行游覽。遵循這些行為規則進行仿真實驗1。

4．1．2 仿真1結果

StarLogo仿真平臺的實驗結果顯示，海洋污染的分布具有很強的地域性：① 近海區域污染更為嚴重。海島1周邊的海洋顏色都幾乎被標為了白色，而距離海島越遠，藍色逐漸加深。② 海島1與海島2之間的航道污染嚴重。③ 海島2周邊的環境污染與海島1相比較低。海島2周邊污染范圍和污染程度都不及海島1。

系統的實時數據也反映出當時的海洋環境污染程度，本文選取4個時間節點數據做了記錄（表2）。

表2 仿真1實時數據

4．1．3 仿真1結果分析

縱觀這一演化過程，可以將海洋污染地域性的原因總結為旅游者分布與海洋環境污染分布的高度相關。海灘及近海區域旅游者方便抵達，安全性高且游覽項目較多，旅游者會花費更長的旅游時間，所以旅游者分布眾多，也造成了近海區域海洋生態環境的污染程度較重。航道的嚴重污染是由于海島1上的旅游者前往海島2都需要搭乘輪船通過這條航道，這條航道也因此成為旅游者的密集分布區域，大量旅游者流動與交通工具使用造成海洋環境污染。兩座海島的污染程度差異是因為海島2的旅游人數不及海島1且在海島2上花費的旅游時間也較短。

再根據4個統計時間點上的實時數據，可以知曉：在仿真1剛剛開始的階段，該片區域的總污染指數迅速上升，而隨著時間的推移，該片區域的總污染指數上升速度明顯減緩，呈一種震蕩緩慢上升的趨勢。這4個時間點上的歷史最高總污染指數都要比同期的實時總污染指數高，這表明總污染指數不是持續上升的，上升期間會存在波動。并且前300d與前500d的歷史最高總污染指數相同，這表明這個歷史極值出現在第100d至第300d之間，所以該片區域的污染程度將會隨著時間推移震蕩緩慢上升，最終穩定在一個的范圍內。

4．2 仿真2

4．2．1 各類旅游者對海洋環境污染的探討

仿真2在各類Agent的屬性和行為規則上都與仿真1保持一致，只是將模型中設計的4類旅游者分開進行實驗，對這4種旅游者的旅游行為造成的海洋生態環境污染進行對比分析。此次實驗計劃運營天數為300d，分別用a、b、c、d表示只有短期環保旅游者、短期破壞旅游者、長期環保旅游者和長期破壞旅游者存在的系統運行結果。

4．2．2 仿真2結果

仿真2結果a中，實時總污染指數為4364，歷史最高總污染指數為4863，海洋污染分布在海島1周邊，污染范圍較小且污染程度較低。b中兩項指數分別為18159、19837，海洋污染范圍和污染程度都有很明顯的增加。c中兩項指數分別為5785、6526，海洋污染程度較低，但是污染范圍擴張至海島2。d中兩項指數分別為21916、23497，在海島1、海島2以及兩座海島之間的航道都出現了大范圍污染并且污染程度嚴重。具體實時數據和結果詳見表3。

表3 仿真2實時數據與結果

4．2．3 仿真2結果分析

通過仿真結果可以總結出：旅游時間相對較多的旅游者對海洋旅游環境的破壞相對更加嚴重，但與此相比，旅游者的環保意識對海洋環境的影響更為顯著。對比a和c的指數、b和d的指數，這是同為環保型旅游者或同為破壞型旅游者，只在旅游時間上存在差異，它們之間在兩項污染指數上差距不明顯。再對比a和b的指數、c和d的指數，旅游天數相同但不是同一類型的旅游者，這樣在兩項污染指數上差距非常大，這與仿真結果呈現出的污染程度與范圍也非常符合。

5 結論

我國是世界上的海洋大國，海洋旅游的發展順應了時代的潮流。要實現海洋旅游的可持續發展，對海洋環境的利用就必須是非消耗性的，即海洋環境上可承受。本文基于CAS理論，利用MAS的建模方法，通過各類Agent的屬性與行為之間的信息反饋來實現旅游者對海洋生態環境的影響，建立了一個簡單的有旅游者參與的海洋環境系統。然后在StarLogo平臺上進行了仿真實驗，實現了旅游活動影響下海洋環境演化過程的可視化。這與之前的旅游學科研究方法相比有很大的創新，是一個很有意義的嘗試。本模型易于擴展，可以根據實驗需要改變各Agent的行為和參數，模擬出不同的旅游行為和海洋環境。

但本模型在設計和仿真上還存在有不足：首先，在旅游者的分類上本文只設定了4類旅游者，在現實生活中旅游者種類會更加的豐富，在旅游行為上也會更加復雜；其次，在模型中各類主體的行為規則是在設計之初就確定的，主體都不能自行改變這些確定的行為規則，而在現實旅游活動中旅游者會受到當時具體環境的影響而產生一些即興的行為；再次，本模型也沒有考慮到風向、洋流等自然因素對海洋污染物擴散和降解的影響。因此在后續研究中，希望可以在本模型中加入更多的Agent，豐富完善本模型，也可以考慮選擇使用Swarm等大型CAS模擬軟件，讓模型的模擬仿真結果更接近現實的海洋旅游環境，為海洋旅游的開發和海洋環境的保護提供有益的參考。

［1］ 廖守億，戴金海．復雜適應系統及基于Agent的建模與仿真方法［J］．系統仿真學報，2004（1）：113－117．

［2］ 倪建軍，徐立中，王建穎．基于CAS理論的多Agent建模仿真方法研究進展［J］．計算機工程與科學，2006（5）：83－86．

［3］ 程國建，顏宇甲，強新建，等．基于多Agent的生態復雜適應系統建模和仿真［J］．西安石油大學學報：自然科學版，2011（2）：111－115．

［4］ 陳娟，楊敏．中國海洋旅游研究現狀與發展趨勢［J］．經濟問題，2009（12）：115－117．

［5］ 臧傳芹．秦皇島海洋旅游可持續發展研究［J］．科技信息，2012（22）：48－50．

［6］ 黃劍堅，劉素青，韓維棟，等．廣東特呈島國家級海洋公園旅游環境容量分析［J］．防護林科技，2010（4）：76－78．

［7］ 劉佳，于水仙，王佳．濱海旅游環境承載力評價與量化測度研究：以山東半島藍色經濟區為例［J］．中國人口·資源與環境，2012，（9）：165－172．

［8］ 陳莉，陳曉云，胡山立等．基于情感組織Agent的聯盟形成研究［J］．廣西師范大學學報：自然科學版，2008，（1）：154－157．

［9］ 鄭浩然，劉俊，紐俊清．基于多 Agent技術的生化網絡仿真平臺的實現［J］．計算機工程，2006（10）：274－276．

［10］ 柳海龍．WSN技術在多Agent系統中的應用［D］．濟南：山東建筑大學，2010．

［11］ 游文霞，王先甲．StarLogo在基于agent復雜系統建模與仿真中的應用［J］．武漢大學學報：工學版，2006（3）：93－98．

［12］ 夏永紅．Starlogo對 Wiki演化過程模擬探析［J］．圖書情報知識，2008（3）：25－29．

［13］ 劉康．基于多Agent的復雜適應系統建模仿真研究［D］．長沙：中南大學，2011．