本文是软件工程论文，信息时代给交通仿真技术发展提供新的契机，为利用好当前的数据优势与技术优势，更好地服务面向未来的共享交通场景推演，本文构建了数据驱动的多智能体交通仿真模型，自主研发了多智能体仿真系统，并应用于交通策略优化与无人驾驶场景测试中，主要研究工作如下：（1）提出了基于智能体的仿真模型框架，构建了司机与乘客两种智能体模型，提出了数据驱动智能体行为决策模型，利用交通大数据与深度学习训练了端到端的司机行为模型，有效模拟了异质性司机上下线行为。该模型对不同类别司机学习不同参数，使个体具备多模态性，相比传统模型可展现更多行为细节。该数据驱动的智能体仿真系统相比传统仿真系统，具有更强的可扩展性，可用于多种场景仿真，后续仍可在以下方面进行深入研究：（1）智能体行为模型优化。目前仅对司机构建数据驱动的行为模型，对于乘客行为模型考虑较为简单，后续可通过用户调查等方式获取更多乘客端数据，优化乘客智能体行为模型，对智能体价格弹性参数进行校准。本文构建数据驱动的多智能体仿真模型，并自主研发实现仿真内核及平台，对仿真结果进行可视化；结合数据、算法、仿真的整合优势，开展移动互联环境下城市级大规模路网的网约出行建模与仿真研究，并基于仿真系统对网约市场定价等问题进行优化
......
1绪论
数据驱动的网约出行仿真系统主要聚焦于挖掘网约出行数据优势，构建快速高效的仿真系统，优化出租车市场服务，探索面向未来的交通场景。本节从网约车出行行为建模、网约车平台运营管理、网约出行建模与仿真等方面归纳国内外的研究现状，为后续研究内容奠定理论基础。基于上述国内外相关研究工作，总结研究趋势与问题如下：1）网约出行行为影响因素的研究较多，但该研究结果并未进行实例检验，主流的行为模型仍然是数学模型，数据驱动的行为模型研究相对较少。2）网约车平台运营管理受到司乘行为、平台博弈、监管政策等多种因素影响，当前研究主要聚焦于平台定价管理与资源优化配置等方面，方法论上主要是数学建模，对司乘细粒度行为模式的考虑不足。3）不同于数学模型，交通仿真可以更细致地把握司乘行为，输出结果也更为丰富，可以对非线性、非显性等复杂优化问题进行求解。为弥补现有研究中的不足。图1-1为本文的研究内容与技术路线。首先，本文设计了基于多智能体的网约出行仿真系统架构，构建了数据驱动的司机、乘客等智能体的行为模型，在真实路网上实现启发式匹配调度算法、巡游导航算法进行智能体之间的交互与仿真。为模拟网约车司机的随机行为，本文利用司机注册数据、历史订单数据进行司机上下线行为建模，采用多目标深度学习算法学习司机上下线行为，并将该神经网络嵌入到仿真系统中。
.......
2数据驱动的多智能体网约出行仿真框架
2.1本章引论
智能体仿真模型是本文的研究基础和主要贡献。交通仿真按仿真粒度可划分为宏观仿真、中观仿真、微观仿真：宏观仿真大多针对道路交通流进行，技术上依托于交通流理论模型，仿真速度较快，可进行超大规模交通推理，但结果精度有限；中观仿真则可以针对智能体进行推演，由于仿真粒度精确到了智能体级别，结果相应更为准确，也可适用于大规模路网仿真，但耗时稍长；微观仿真进一步细化智能体行为，可模拟车辆跟驰、排队、换道超车等动作，其结果最为精确，但仿真计算复杂度高、耗时长，应用到大规模路网上的成本较高。考虑研究需要，本文基于智能体仿真思想构建了中观仿真模型，能够刻画多种类型智能体在出租车市场中的交互行为，用于网约出行市场交通场景仿真。本章的主要贡献为：（1）提出了基于智能体的仿真模型框架，构建了司机、乘客行为模型，设计了合理的仿真流程进行智能体之间的匹配、交互，保证了仿真准确性，该仿真系统提供了深度学习接口，应用前景较广；（2）提出数据驱动的网约车司机行为模型框架，使用多目标深度学习研究司机上下线行为的异质性，可把握更为丰富的行为信息，同时该方法具备较好的扩展性，可以应用到其它智能体行为模型中。
2.2仿真框架
在由政府、平台、个体三者构成的网约出行系统中，政府部门制定宏观调控政策，网约车平台承担着联系乘客与车辆的职责，平台的存在方便了人们的出行，重塑人群出行方式，出行者则是最细粒度的行为个体，城市中所有个体的交通行为演化为城市交通。本文提出了如图2-1所示的仿真架构，可以实现面向实时数据流的交通仿真、面向政策制定者的策略优化。司机与乘客是交通出行市场中的两个关键要素，司机数量的多少直接决定了市场供给能力的大小，其上下线行为将直接影响网约出行市场的供给能力。司机上线/下线时间和工作时长的选择通常会受许多因素的影响，例如工资、需求、等待时间和驾驶员的工作习惯等，具有异质性与多模态性，难以用数学模型表征。为了在仿真中更真实地刻画驾驶员上下线行为，本文从历史订单数据中提取了驾驶员信息，并建立了数据驱动的司机行为模型，用于上下线行为决策。模型的构建主要由两部分组成，分别是司机分类与多层神经网络模型。
3网约出行仿真系统研发...............29
3.1本章引论...............29
3.2仿真输入输出...............29
3.3开发与部署...............31
3.4本章小结...............36
4应用一：基于多智能体仿真的网约出行定价研究...............38
4.1本章引论...............38
4.2基于定价的供需模型...............38
5应用二：有人驾驶与无人驾驶网约出行混合仿真...............50
5.1本章引论...............50
5.2数据与参数...............50
5.3纯有人驾驶与纯无人驾驶仿真比较...............51
5.4有人驾驶与无人驾驶混合仿真...............55
5.5本章小结...............57
.........
5应用二：有人驾驶与无人驾驶网约出行混合仿真
5.1本章引论
无人驾驶一直是热门的研究话题，随着设备的精进、人工智能技术的成熟，无人驾驶也初窥门槛，在物流等领域也开始率先进行了无人驾驶工业化应用，可以预见在不远的将来，无人驾驶必将逐步占领出行市场，但这一变化并非一蹴而就，未来城市道路上必将是无人驾驶与有人驾驶长期混合运行。因此，对二者的混合运营场景进行研究十分有必要。本章基于智能体仿真系统对网约车市场中无人驾驶与有人驾驶的混合运营场景进行研究，在网约出行中，无人驾驶与有人驾驶最大的区别在于无人驾驶车辆可全天候在线工作，且完全听从系统调度，而人类司机则存在上下线行为，会动态改变市场供给水平。在仿真中，将默认的车辆智能体视为无人驾驶，带有上下线行为模型的车辆视为有人驾驶，研究二者在同一网约出行市场中的不同表现。本章的主要贡献为：基于数据驱动的网约出行多智能体仿真系统，进行了有人驾驶与无人驾驶多智能体运营场景仿真，比较分析了纯无人驾驶与纯有人驾驶模式下车队规模、乘客等待时间、行驶里程、尾气排放量等多种指标差别，并深入探索不同无人车辆占比下混合运营场景的指标变化情况。
仿真模型政体架构
5.2数据与参数
本章采用杭州市真实路网数据进行仿真测试，仿真区域为杭州城市快速路环线以内的大部分区域，纬度范围为北纬30.2°—30.32°，经度范围为东经120.1°—120.25°。使用2018年12月杭州市全样网约出行订单数据作为仿真的需求数据，每个订单包含了起终点经纬度、叫车时间以及订单费用，订单的起终点都在仿真区域中，区域内单天订单数约为13万。自动驾驶一直是研究热点，但关于自动驾驶与有人驾驶汽车在网约车市场中混合运营场景的研究仍然较少。本章使用多智能体仿真系统在杭州市真实路网中对二者的混合运营场景进行仿真测试，详细对比分析了二者服务能力、车辆规模、行驶里程、平台收益、尾气排放等多个指标结果，发现AV与HV可以互相弥补不足，加入少量的AV（约10%）即可大幅降低乘客等待时间，混合场景下乘客等待时间仅为3.2分钟。服务相同的订单数，AV所需的车辆仅为HV车辆数的22%，更少的车辆意味着所需停车空间更少。随着AV占比增加，车辆的总行驶里程数持续下降，尾气排放量也在持续下降，在纯AV场景下的尾气排放比HV场景低12.3%。
AV与HV场景下乘客等待时间分布对比图
........
6总结与展望
互联网时代是信息技术的时代，共享出行、智能网联驾驶、自动驾驶等技术在不断更新智能交通系统，在大数据、人工智能技术快速迭代的背景下，交通管理策略也需要不断地更新，而交通仿真则是优化交通管控策略的重要工具。借助计算机的强大算力与交通大数据，交通仿真系统可以展现更多微观细节，更客观地进行模拟推演，还原交通运营结果，为智慧交通发展提供一盏明灯。当前网约车交通仿真研究大多基于现有成熟仿真软件进行，通过二次开发实现智能体行为，其可扩展性较弱，同时不能良好兼容数据驱动的行为模型，功能性受限于已有软件仿真内核。针对上述研究问题，本文基于网约出行大数据，研究网约车司乘行为，构建数据驱动的司机行为模型，还原异质性司机的上下线行为，搭建多智能体网约出行仿真框架，并基于Go语言完成仿真系统研发，对多个网约车运营管理窠例进行仿真分析。（2）仿真系统分辨率提升。目前的仿真系统在一些细节上进行了简化，比如未考虑路网拥堵、交叉口排队、拼车行为等，下一步可以在继续补充丰富这些功能，如将仿真实时状态信息汇聚到路段上，建立交叉路口排队模型，引入拼车匹配等。在系统研发方面，可以考虑将仿真系统封装，对外提供更为友好的操作界面。
参考文献（略）
参考文献（略）
