TourismPolicy-Sandbox¶

暂无简介，欢迎浏览仓库了解更多。

项目信息
仓库	https://github.com/Maicarons/TourismPolicy-Sandbox
主要语言	Python
Stars	0
类型	原创项目
许可证	MIT
最近更新	2026-08-21

TourismPolicy-Sandbox · 旅游政策沙盒¶

基于 AgentSociety²（2.2.0，清华可执行社会科学一体化平台）构建的 旅游管理场景智能体社会模拟实验项目，面向「AI 社会科学家研究挑战赛」 数智公共管理与国家治理 / 数字经济与智能管理 方向。

以异质游客智能体与目的地旅游环境构成的虚拟旅游市场为实验室，对 门票价格政策、文旅消费券、淡季出行补贴及其组合 开展「政策前—政策后」分阶段反事实实验，量化各政策对游客到访、消费结构与目的地旅游收入的处理效应，为旅游目的地的政策事前评估提供参数可标定、流程可复现、因果可追溯的沙盒框架。

研究问题¶

一项旅游政策（门票降价、消费券、淡季补贴）在真正落地前，如何低成本地预判它对不同游客群体到访行为、消费结构与目的地收入的影响？

传统方法难以回答该问题：事后计量（DID / RDD / 匹配）只能利用已发生的政策变动，无法构造事前反事实；传统 ABM 依赖人工设定行为规则，难以还原游客在预算约束、价格敏感度与拥挤耐受度差异下的真实决策。LLM 智能体可以在开放情境中推理与决策，为旅游政策评估提供新的可能。

架构（充分解耦）¶

tour_sandbox/
├── tourism_model.py    纯逻辑旅游核算模型（零平台依赖，可独立单测）
├── profiles.py         异质游客画像生成（客源地/预算/价格敏感度/拥挤耐受度/偏好）
├── tourist_agent.py    游客智能体（AgentBase 行为实验模式：观察→LLM决策→提交）
├── tourism_env.py      目的地旅游环境（EnvBase + 工具 + 回放 SQLite）
├── experiment.py       分阶段反事实实验编排（ExperimentSpec / build_world / run_one）
├── run_experiment.py   CLI 入口（薄层）
├── analyze.py          回放分析（处理效应：出游率/人均消费/总收入/满意度/重游）
├── llm_config.py       .env 加载与 LLM 配置校验
└── patches.py          上游兼容补丁（json_repair.dumps / Windows fsync / slice_text_page）

解耦要点：标定参数（景区目录、门票、容量、服务质量）与逐游客核算公式全部位于 tourism_model.py（纯标准库），环境模块只负责工具面、状态维护与回放写入；实验编排与 CLI 分离；智能体决策与核算逻辑分离。任何一层都可独立审计与替换。

快速开始¶

1. 环境配置¶

pip install -r requirements.txt
## 或：pip install --no-deps agentsociety2
##     再按 import 报错逐个补缺（json-repair、litellm、aiosqlite、mem0ai、
##     faiss-cpu、ruamel-yaml、stringcase；Windows + Python 3.14 已实测）

cp .env.example .env    # 填入 AGENTSOCIETY_LLM_API_KEY / API_BASE / MODEL

2. 单元测试（纯逻辑，无需网络）¶

python -m unittest discover -s tests -v

3. 运行实验¶

## 连通性自检（3 名游客 × 2+2 季）
python -m tour_sandbox.run_experiment --scenario baseline --agents 3 --baseline-steps 2 --policy-steps 2 --repeats 1

## 完整实验（全部 5 个情景）
python -m tour_sandbox.run_experiment --all

4. 结果分析¶

python -m tour_sandbox.analyze --results-dir results
## 输出 results/summary.json、results/summary.csv 并打印处理效应 Markdown 表格

政策情景¶

情景	政策设置	检验内容
基准 Baseline	正常票价、无优惠	反事实对照
门票价格政策	门票统一 8 折	价格杠杆对到访量与收入的影响
文旅消费券	每位游客 100 元消费券	消费激励与体验提升
淡季出行补贴	淡季出游补贴 120 元/人	淡旺季分流与季节性平衡
组合政策	三种政策叠加	政策协同效应

参数位于 configs/policy_scenarios.json，景区/价格/容量等标定参数位于 configs/tourism_calibration.json（示意值，正式实验应基于目的地统计年鉴与文旅消费调查重新标定）。

实验设计：分阶段反事实¶

每个 (情景, 重复) 运行中，同一批游客先以空政策运行 $T_b$ 个旅游季（基线期），随后确定式施加情景政策，再运行 $T_p$ 个旅游季（政策期）。处理效应为：

$$\hat{\tau}_k = \bar{y}_k^{(\text{policy})} - \bar{y}_k^{(\text{baseline})}$$

$k$ 为指标（出游率、人均消费、旅游总收入、平均满意度、重游人数等）。前后两阶段使用同一批游客，个体异质性被差分控制；不同重复使用不同随机种子，可估计效应分布。

目录结构¶

├── configs/              情景与标定参数
├── tour_sandbox/         核心包（见上）
│   └── agent_skills/     tour-decision 决策技能（提示词）
├── tests/                单元测试
├── results/              实验回放与分析结果（.gitignore 忽略）
├── research-plan.md      研究计划
└── requirements.txt      依赖

局限与声明¶

本实验为小规模验证性运行，统计功效有限，效应数值应视为机制性启示 而非点估计；
经济学参数为示意值，绝对数值不具政策参考意义，相对方向与机制结论更具参考价值；
LLM 智能体行为受模型版本、提示词与温度影响，run_meta.json 记录了模型名与代码 commit 以保证可复现；
模拟环境抽象了信贷、市场竞争等真实约束，游客仅在有限决策空间内行动。

许可证¶

MIT License（见 LICENSE）。