陳喜群

(浙江大學(xué)，建筑工程學(xué)院，杭州310058)

0 引言

網(wǎng)約共享出行是智慧城市交通系統(tǒng)的重要組成部分，以網(wǎng)約車平臺為代表的交通運輸新業(yè)態(tài)蓬勃發(fā)展，為運輸服務(wù)市場帶來了新活力和新便利，在城市交通結(jié)構(gòu)中占據(jù)重要地位。隨著“互聯(lián)網(wǎng)+”戰(zhàn)略與傳統(tǒng)交通行業(yè)深度融合，各種各樣網(wǎng)約共享出行應(yīng)運而生，尤其在交通供需矛盾突出的北京、上海、廣州、深圳、杭州等城市迅速發(fā)展。網(wǎng)約共享出行平臺是指通過制定規(guī)則并接受乘客和司機(jī)請求的第三方移動互聯(lián)平臺(例如：Uber、Lyft、滴滴等)。網(wǎng)約共享出行平臺的服務(wù)模式和工作流程如圖1所示。

圖1 網(wǎng)約共享出行平臺的服務(wù)模式和工作流程Fig.1 Service mode and workflow chart of on-demand ride-sourcing platform

目前，城市交通核心要素的人、車、路已經(jīng)實現(xiàn)大范圍信息實時采集，應(yīng)用移動互聯(lián)大數(shù)據(jù)有助于了解城市交通供需演化規(guī)律，為政府精準(zhǔn)管理交通提供基于數(shù)據(jù)證據(jù)的綜合決策。據(jù)全國網(wǎng)約車監(jiān)管信息交互平臺統(tǒng)計，截至2020年12月31日，全國共有214 家網(wǎng)約車平臺公司取得網(wǎng)約車平臺經(jīng)營許可，共發(fā)放網(wǎng)約車駕駛員證289.1萬本、車輛運輸證112.0萬本。2020年12月，全國網(wǎng)約車監(jiān)管信息交互平臺共收到訂單信息8.1億單，其中有10個網(wǎng)約車平臺的當(dāng)月訂單量超過100 萬單。截至2020年底，我國網(wǎng)約車用戶規(guī)模達(dá)3.65 億人，占網(wǎng)民整體的36.9%[1]。網(wǎng)約共享出行作為新興的移動互聯(lián)出行方式，產(chǎn)生了海量龐雜、異質(zhì)多源、大尺度時空關(guān)聯(lián)的交通大數(shù)據(jù)，蘊含能夠描述復(fù)雜交通系統(tǒng)供需態(tài)勢的信息。

為更好地滿足社會公眾多樣化出行需求，促進(jìn)出租汽車行業(yè)和互聯(lián)網(wǎng)融合發(fā)展，國務(wù)院辦公廳于2016年7月26日發(fā)布了《國務(wù)院辦公廳關(guān)于深化改革推進(jìn)出租汽車行業(yè)健康發(fā)展的指導(dǎo)意見》。次日，交通運輸部、工信部等七部委聯(lián)合發(fā)布了《網(wǎng)絡(luò)預(yù)約出租汽車經(jīng)營服務(wù)管理暫行辦法》，規(guī)范網(wǎng)絡(luò)預(yù)約出租汽車經(jīng)營服務(wù)行為，保障運營安全和乘客合法利益。2018年6月5日，交通運輸部等七部委聯(lián)合發(fā)布網(wǎng)約車市場監(jiān)管工作機(jī)制，加強對網(wǎng)約車平臺公司、車輛和駕駛員的資質(zhì)審查與證件核發(fā)管理，利用互聯(lián)網(wǎng)思維創(chuàng)新監(jiān)管方式，運用網(wǎng)約車監(jiān)管信息交互平臺等信息化手段提升監(jiān)管效能，推動網(wǎng)約車行業(yè)健康發(fā)展。網(wǎng)約共享出行研究內(nèi)容架構(gòu)如圖2所示。

網(wǎng)約車出行作為新興的移動互聯(lián)出行方式，勢必會對交通系統(tǒng)運行及交通結(jié)構(gòu)產(chǎn)生影響，研究移動互聯(lián)環(huán)境下網(wǎng)約共享出行行為機(jī)理、平臺管理優(yōu)化、政府監(jiān)管政策、系統(tǒng)仿真優(yōu)化具有重要的學(xué)術(shù)價值。面向多種出行方式和多個網(wǎng)約車平臺互相競爭的復(fù)雜動態(tài)環(huán)境，亟須建立完善的政府監(jiān)管機(jī)制，促進(jìn)網(wǎng)約車行業(yè)規(guī)范健康發(fā)展，符合我國建設(shè)交通強國和新型城鎮(zhèn)化重大戰(zhàn)略需求，具有重要的現(xiàn)實意義。

本文提出網(wǎng)約共享出行研究內(nèi)容框架，梳理總結(jié)近年來國內(nèi)外網(wǎng)約共享出行領(lǐng)域的基礎(chǔ)理論前沿和交通運輸管理實踐成果。通過分析移動互聯(lián)交通大數(shù)據(jù)，特別是海量網(wǎng)約車出行數(shù)據(jù)，總結(jié)網(wǎng)約車乘客和司機(jī)的出行行為影響因素、特征辨識及外部性，揭示網(wǎng)約共享出行系統(tǒng)供需平衡和網(wǎng)絡(luò)均衡機(jī)理，追蹤城市個體和群體的出行行為演變規(guī)律；深入研究網(wǎng)約共享出行供需的時空效應(yīng)及短時預(yù)測問題，優(yōu)化網(wǎng)約共享出行平臺定價策略，提高平臺匹配和調(diào)度效率，形成網(wǎng)約共享出行平臺管理優(yōu)化和系統(tǒng)綜合調(diào)控優(yōu)化策略，實現(xiàn)政府對網(wǎng)約車市場監(jiān)管政策與調(diào)控策略的協(xié)同優(yōu)化；利用智能體仿真、基于活動的仿真、數(shù)據(jù)驅(qū)動的仿真等技術(shù)手段對理論結(jié)果進(jìn)行模擬推演和優(yōu)化驗證，為制定相關(guān)政策和輔助決策支持提供理論依據(jù)和工具支持。

1 網(wǎng)約共享出行行為建模

1.1 網(wǎng)約車乘客行為

網(wǎng)約共享出行參與者具有異質(zhì)性和有限理性等特征，對不同出行方式的選擇行為存在隨機(jī)性和動態(tài)性，行為機(jī)理值得深入研究。近年來，基于移動互聯(lián)交通大數(shù)據(jù)，探索個體出行活動鏈特征及群體出行模式演變規(guī)律的研究方興未艾，為研究網(wǎng)約車乘客行為提供了有力工具。移動互聯(lián)交通大數(shù)據(jù)既能反映整體交通狀態(tài)，又蘊含個性化交通出行信息，成為推動交通供需機(jī)理分析的重要源泉。在微觀個體層面，利用實測數(shù)據(jù)標(biāo)定出行決策規(guī)則和選擇行為特征參數(shù)；在宏觀系統(tǒng)層面，研究網(wǎng)約共享出行行為集計而成的動態(tài)交通需求模式；在行為決策調(diào)整層面，研究個體在接收動態(tài)出行供給和即時出行需求信息時的隨機(jī)決策行為，有助于探索不同調(diào)控策略下的出行行為變化規(guī)律。以下從網(wǎng)約共享出行行為影響因素、出行需求特征辨識以及行為外部性等3個方面，論述網(wǎng)約車乘客行為建模的研究成果要點。

(1)網(wǎng)約車乘客出行行為影響因素分析

研究發(fā)現(xiàn)不同人群對網(wǎng)約共享出行的接受和使用程度有很大不同。FARZAD等[2]發(fā)現(xiàn)人口變量是影響網(wǎng)約出行方式選擇的重要因素，活動密度高的地區(qū)使用網(wǎng)約車頻率更高，而擁有私家車和更關(guān)心出行安全的群體則較少選擇網(wǎng)約車。CHEN等[3]建立基于集成學(xué)習(xí)的乘客拼車行為選擇模型，采用ReliefF 算法對影響拼車行為的各種因素進(jìn)行重要度排序(例如：出行時間、出行成本、行程距離、等待時間等)。LAVIERI 等[4]研究網(wǎng)約車出行方式選擇和出行頻率的主、客觀影響因素，結(jié)果表明，居住密度低和人們對隱私的擔(dān)憂是阻礙拼車行為選擇的主要因素。ACHEAMPONG 等[5]通過建立多變量結(jié)構(gòu)方程模型，發(fā)現(xiàn)社會經(jīng)濟(jì)屬性、價格、可用性、安全性等因素影響通勤者對網(wǎng)約車服務(wù)的選擇。姚榮涵等[6]分別為有、無私家車人群建立混合Logit模型，分析共享自動駕駛汽車(Shared Autonomous Vehicles，SAV)的選擇意愿發(fā)現(xiàn)，出行者性格態(tài)度特征是影響SAV出行方式選擇行為的顯著因素。

(2)基于移動互聯(lián)大數(shù)據(jù)的網(wǎng)約共享出行需求特征辨識

一方面，已有研究通過追蹤匿名脫敏個體共享出行行為數(shù)據(jù)，量化分析居民出行興趣點的選擇行為，提取城市個體出行活動鏈的統(tǒng)計特征，構(gòu)建個人出行活動鏈生成模型，并基于個體歷史和實時出行鏈信息，實現(xiàn)對個體未來出行需求的預(yù)測。另一方面，集聚不同數(shù)據(jù)源內(nèi)的個體活動信息，將個體劃分到群體內(nèi)，采用圖論和統(tǒng)計方法，揭示網(wǎng)約共享出行行為周期性和時空特征的形成機(jī)理，探索群體出行模式，推測出行需求演變規(guī)律。CHEN 等[7]利用網(wǎng)約車平臺的實際訂單數(shù)據(jù)驗證動態(tài)空間訪問頻率的標(biāo)度律，構(gòu)建網(wǎng)約共享出行的空間訪問預(yù)測模型，具有良好的可解釋性和預(yù)測精度。張政等[8]利用實際數(shù)據(jù)驗證網(wǎng)約車出行需求特征分布辨識方法的有效性和準(zhǔn)確性。ZHU 等[9]構(gòu)建貝葉斯監(jiān)督學(xué)習(xí)張量因子分解模型，用于網(wǎng)約車乘客服務(wù)類型選擇分類，采用潛在類變量研究乘客間的隱藏偏好，在分類精度和解釋能力方面具有良好的性能。YU等[10]通過分析城市級道路網(wǎng)絡(luò)的網(wǎng)約車軌跡數(shù)據(jù)，提出基于單元格的高效地圖匹配技術(shù)，采用Schatten p-范數(shù)矩陣補全算法實現(xiàn)速度估計誤差最小化，生成的擁堵地圖有助于網(wǎng)絡(luò)交通狀態(tài)的可視監(jiān)控，為主動擁堵識別和擁堵緩解策略提供支撐。WANG 等[11]通過分析大量的出租車和網(wǎng)約車運行軌跡數(shù)據(jù)，總結(jié)出行統(tǒng)計規(guī)律、出行尺度規(guī)律和客流動力學(xué)的分析方法，以及影響需求時空特性的多種因素。

(3)網(wǎng)約車乘客出行行為外部性

網(wǎng)約共享出行作為一種新興的出行方式，勢必會對城市交通系統(tǒng)產(chǎn)生影響。已有研究通過對網(wǎng)約共享出行行為的外部影響進(jìn)行實證研究，分析網(wǎng)約共享出行的出現(xiàn)與發(fā)展，以及市場規(guī)范化政策出臺前后，城市交通系統(tǒng)運行狀態(tài)和居民出行結(jié)構(gòu)的變化規(guī)律，為政府制定相關(guān)政策提供理論基礎(chǔ)和決策支持。CHEN 等[12]通過實際共享出行訂單數(shù)據(jù)和出行調(diào)查數(shù)據(jù)，研究拼車行為及其對城市交通的影響，發(fā)現(xiàn)拼車行為有助于減少車輛使用和總行駛里程數(shù)，可以緩解交通擁堵并節(jié)約城市道路資源；同時，拼車服務(wù)增加了車輛座位利用率，使網(wǎng)約車司機(jī)和平臺的收入增加，也使乘客更容易在出行需求高峰時段或在供應(yīng)不足的區(qū)域找到網(wǎng)約車。ZHENG等[13]結(jié)合網(wǎng)約車訂單數(shù)據(jù)和網(wǎng)約拼車用戶調(diào)查問卷數(shù)據(jù)，量化分析網(wǎng)約拼車對路網(wǎng)運行車輛數(shù)的中、短期影響，并通過單獨分析調(diào)查問卷數(shù)據(jù)得到網(wǎng)約拼車對出行者小汽車購買意愿的長期影響。為更好地分析年輕人的拼車出行行為特征，WANG 等[14]對滴滴快車拼車和順風(fēng)車用戶進(jìn)行問卷調(diào)查，分析出行目的、出行時空特征、出行時間及成本變化和交通方式轉(zhuǎn)換頻率等行為特征，為公共交通和巡游車的市場份額損失提供依據(jù)。

1.2 網(wǎng)約車司機(jī)行為

基于網(wǎng)約車司機(jī)行為選擇的影響因素分析，現(xiàn)有研究已建立起一系列網(wǎng)約車司機(jī)行為選擇模型。網(wǎng)約車司機(jī)存在社會經(jīng)濟(jì)屬性差異，其交通行為具有復(fù)雜性、隨機(jī)性、有限理性及時空差異性等多維特征，揭示司機(jī)行為機(jī)理對提高網(wǎng)約共享出行供給能力和服務(wù)效率具有重要意義。

(1)基于大數(shù)據(jù)的網(wǎng)約車司機(jī)行為特征辨識

基于移動互聯(lián)環(huán)境下的時空大數(shù)據(jù)，分析網(wǎng)約車司機(jī)行為的多維特征，刻畫交通行為的多模態(tài)性、異質(zhì)性和隨機(jī)性，有助于深入解析網(wǎng)約車司機(jī)行為機(jī)理。CRAMER 等[15]通過對比UberX 司機(jī)和巡游車司機(jī)行為，發(fā)現(xiàn)前者比后者的供給能力利用率更高，原因是基于移動互聯(lián)網(wǎng)技術(shù)和智能手機(jī)的網(wǎng)約車駕駛員與乘客匹配技術(shù)更高效，網(wǎng)約車司機(jī)靈活的勞動力供給模式和網(wǎng)約車平臺的動態(tài)峰值定價機(jī)制，更有利于匹配時變出行需求。CHEN[16]研究在網(wǎng)約車司機(jī)可以自由選擇是否上班以及何時上班的情況下，動態(tài)工資變化對服務(wù)供應(yīng)的作用機(jī)制，分析Uber 的2500 萬條訂單數(shù)據(jù)，結(jié)果表明，動態(tài)工資變化可以促使網(wǎng)約車司機(jī)延長工作時間。YU等[17]將空駛出租車最優(yōu)路徑規(guī)劃問題設(shè)定為馬爾可夫決策過程，以上海市12000多輛出租車的GPS 軌跡為例，計算結(jié)果表明，最優(yōu)路徑規(guī)劃策略比隨機(jī)游走和局部熱點啟發(fā)式策略的平均利潤分別提高了23.0%和8.4%。YAO 等[18]提出一種多目標(biāo)深度學(xué)習(xí)框架來學(xué)習(xí)網(wǎng)約車司機(jī)上、下線行為，采用k 均值算法對網(wǎng)約車司機(jī)進(jìn)行聚類，利用嵌入維表示不同司機(jī)類別的隱藏屬性，并利用反向傳播算法更新參數(shù)，實現(xiàn)數(shù)據(jù)驅(qū)動的網(wǎng)約車司機(jī)上、下線行為預(yù)測。

(2)考慮工作彈性的網(wǎng)約車司機(jī)行為建模

已有研究為適應(yīng)移動互聯(lián)環(huán)境下共享出行行為分析與時空計量方法，建立司機(jī)提供共享出行服務(wù)的動態(tài)決策模型，形成基于大數(shù)據(jù)的全過程、跨時空共享出行模式動態(tài)辨識與演變規(guī)律分析方法，揭示多維信息感知對司機(jī)共享出行行為的作用機(jī)制。ZHA 等[19]基于不同工作時間選擇策略的勞動力供給行為假設(shè)，構(gòu)建時間擴(kuò)展網(wǎng)絡(luò)模型，揭示多種網(wǎng)約車司機(jī)群體的工作時間選擇機(jī)理，證明了模型分析結(jié)果與市場均衡相一致。KE等[20]提出電動網(wǎng)約車和燃油網(wǎng)約車的互動分析框架，解釋兩種車型混合市場中的網(wǎng)約車司機(jī)行為，構(gòu)建時間擴(kuò)展網(wǎng)絡(luò)，給出電動網(wǎng)約車司機(jī)和燃油網(wǎng)約車司機(jī)在用戶均衡情況下的工作時間排班和充電時間優(yōu)化策略，得到網(wǎng)約車平臺和電力供應(yīng)商運營策略對不同利益相關(guān)者的影響效應(yīng)。網(wǎng)約車司機(jī)可以靈活設(shè)計工作時間日程，小時收入率等因素會同時影響參與決策和工時決策，因此，SUN 等[21]提出計量經(jīng)濟(jì)學(xué)框架估計勞動力供給的參與彈性(廣泛邊際彈性)和工時彈性(密集邊際彈性)，實證數(shù)據(jù)表明這兩種彈性均為正且顯著。此外，WANG等[11]總結(jié)空閑出租車、網(wǎng)約車的時空分布特征，網(wǎng)約車司機(jī)的乘客搜索行為以及路徑選擇行為等建模分析方法。

1.3 供需平衡與網(wǎng)絡(luò)均衡

網(wǎng)約共享出行給交通系統(tǒng)帶來了顯著影響，包括：對城市交通供需的短期影響，外部表征為道路交通運行狀態(tài)的改變；從長期來看，當(dāng)網(wǎng)約共享出行方式形成習(xí)慣時，出行者的購車意愿發(fā)生變化，城市交通結(jié)構(gòu)將隨之變化。乘客出行行為會影響網(wǎng)約共享出行模式對司機(jī)的吸引力，而司機(jī)數(shù)量會反過來影響乘客候車時間，當(dāng)系統(tǒng)達(dá)到均衡時，每個用戶都不再有改變出行模式的動機(jī)。研究網(wǎng)約共享出行的兩類參與者(對等待時間敏感的乘客及對收入敏感的司機(jī))特征，根據(jù)參與者決策考慮的要素確定影響供需結(jié)構(gòu)的相關(guān)變量，包括：供需狀態(tài)變量(例如客戶請求率、司機(jī)數(shù)量、服務(wù)水平等)、供需調(diào)控變量(例如單位距離出行價格、工資率、溢價率、傭金比例等)以及其他不可調(diào)控但可標(biāo)定的外部變量(例如平均出行距離、期望等待時間、單位等待時間成本、居民時間價值等)。在網(wǎng)約共享出行的兩類參與者中，隨機(jī)效用函數(shù)形式可以概括為：乘客隨機(jī)效用函數(shù)表示在出行中獲得的效用與支付的金錢成本和出行時間成本之差，衡量乘客從網(wǎng)約共享出行中獲得滿足的程度；司機(jī)隨機(jī)效用函數(shù)表示獲得的收入與外部機(jī)會成本之差。

針對網(wǎng)約共享出行系統(tǒng)中即時出行供、需兩方面的不確定性，考慮兩類參與者之間的相互影響，有助于分析網(wǎng)約共享出行行為規(guī)律，以及乘客出行模式選擇與司機(jī)提供出行服務(wù)之間達(dá)到供需平衡的機(jī)理。QIAN等[22]在網(wǎng)絡(luò)層面上建立出租車市場多重主從博弈模型，市場均衡結(jié)果表明，車隊規(guī)模和定價政策對乘客總成本、平均等待時間和車隊利用率具有重要影響。李夢等[23]提出基于路徑的共享出行用戶均衡交通分配模型，結(jié)果表明，共享出行成本優(yōu)惠和共享出行獎勵均是鼓勵出行者參與共享出行活動的有效措施。曹祎等[24]利用變分不等式構(gòu)建基于廣義費用的網(wǎng)絡(luò)均衡模型，分析私家車、出租車及常規(guī)公交之間的非對稱影響，為乘客出行和網(wǎng)約車管理優(yōu)化提供決策依據(jù)。BAN 等[25]構(gòu)建網(wǎng)絡(luò)均衡分析模型，證明了私家車和網(wǎng)約車均衡解的存在性，并通過數(shù)值算例給出時間價值、安全性和舒適度等參數(shù)的敏感性。YU等[26]研究動態(tài)均衡模型中拼車的影響，綜合考慮拼車偏好、拼車成本、時間價值和延誤成本的異質(zhì)性，結(jié)果表明，不同補貼策略的相對效率隨著比例異質(zhì)性程度的增加先上升后下降。在SAV與普通汽車共存背景下，田麗君等[27]基于固定需求和彈性需求研究SAV 平臺在系統(tǒng)總成本、系統(tǒng)凈收益、最優(yōu)發(fā)車數(shù)量、平臺利潤等不同目標(biāo)下的策略優(yōu)化，得到市場均衡時的出行方式劃分結(jié)果。

基于建模分析，在與網(wǎng)約車出行相關(guān)的移動互聯(lián)大數(shù)據(jù)驅(qū)動下，研究網(wǎng)約共享出行需求量和供給量之間的相互關(guān)聯(lián)、相互影響和相關(guān)作用規(guī)律，以及由于所處區(qū)位不同和發(fā)生時間不同而存在的時空差異性，有助于掌握個體出行鏈特征以及群體出行模式演變規(guī)律，揭示網(wǎng)約共享出行供需態(tài)勢演化機(jī)理，為網(wǎng)約共享出行系統(tǒng)優(yōu)化奠定基礎(chǔ)，為管理者制定相關(guān)政策提供輔助決策。

2 網(wǎng)約共享出行平臺管理優(yōu)化

2.1 單平臺管理優(yōu)化建模

在單個平臺運營管理優(yōu)化方面，現(xiàn)有研究構(gòu)建了3 個維度的網(wǎng)約共享出行系統(tǒng)資源優(yōu)化配置模型：在時間維度，研究動態(tài)調(diào)控高峰期、低峰期工資和價格對網(wǎng)約共享出行宏觀供需關(guān)系的影響；在空間維度，研究對不同區(qū)域采取主動調(diào)控策略以實現(xiàn)資源空間分布優(yōu)化；在用戶行為維度，通過設(shè)計激勵機(jī)制，誘導(dǎo)乘客出行行為選擇和司機(jī)出行服務(wù)行為選擇的轉(zhuǎn)變。具體到平臺管理優(yōu)化策略，從均衡定價優(yōu)化、動態(tài)定價優(yōu)化、匹配和調(diào)度優(yōu)化、供需預(yù)測等4個方面，論述單一網(wǎng)約共享出行平臺管理優(yōu)化建模的研究成果要點。

(1)網(wǎng)約共享出行平臺均衡定價優(yōu)化

網(wǎng)約共享出行市場是典型的雙邊市場，已有研究關(guān)注網(wǎng)約共享出行平臺均衡定價優(yōu)化策略，通過調(diào)整出行定價和司機(jī)工資實現(xiàn)平臺利潤最大化[28]。AFECHE 等[29]分析了在客戶對服務(wù)的評價不一并且使用靜態(tài)定價策略情況下，實現(xiàn)收益最大化所需滿足的均衡條件以及系統(tǒng)最優(yōu)均衡條件，發(fā)現(xiàn)收入最大化價格高于社會福利最大化價格這一傳統(tǒng)結(jié)論，可以在一般化的延誤成本結(jié)構(gòu)下發(fā)生逆轉(zhuǎn)。ZHOU 等[30]分別對兩類具有不同的服務(wù)估值和等待時間敏感性用戶，分析最優(yōu)定價策略結(jié)構(gòu)。BAI等[31]基于M/M/k排隊模型，建立平臺最優(yōu)定價分析框架，考慮了對收入敏感的司機(jī)和對價格敏感的乘客(前者的機(jī)會成本和后者的感知價值均具有異質(zhì)性)，分析各種外生變量對最優(yōu)價格、最優(yōu)工資和支付比的影響，分別給出網(wǎng)約出行平臺效益最大及社會福利最大情況下的最優(yōu)定價策略。KE 等[32]揭示了平臺決策變量(出行價格、車隊規(guī)模和允許繞路時間)對關(guān)鍵內(nèi)生變量(等待時間、出行需求、成功匹配率和繞路時間)的作用機(jī)制。

(2)網(wǎng)約共享出行平臺動態(tài)定價優(yōu)化

許多學(xué)者研究網(wǎng)約共享出行平臺定價和工資的建模與優(yōu)化，探討平臺動態(tài)定價優(yōu)化策略，根據(jù)實時系統(tǒng)狀態(tài)動態(tài)調(diào)整價格和工資，實現(xiàn)非短視的動態(tài)優(yōu)化或者近似動態(tài)優(yōu)化。NOURINEJAD 等[33]提出基于模型預(yù)測控制(Model Predictive Control，MPC)框架的動態(tài)定價策略，允許網(wǎng)約車平臺向司機(jī)提供高于車費的工資，這種短期損失可能會提高平臺的長期利潤。CHEN 等[34]構(gòu)建動態(tài)司乘匹配函數(shù)，描述實時供需變化對乘客需求和空車數(shù)量的影響，分別實現(xiàn)了平臺收益最大化和保證司機(jī)收入在一定水平之上的社會福利最大化，并提出基于近似動態(tài)規(guī)劃(Approximate Dynamic Programming，ADP)的序列優(yōu)化問題求解算法，結(jié)果表明，動態(tài)定價和激勵措施有助于交通供需平衡調(diào)控和服務(wù)效能提升。YANG 等[35]提出一種與動態(tài)定價相結(jié)合的激勵方案，即允許乘客在高峰期向激勵賬戶充值，補貼非高峰時段出行花費，揭示了整合動態(tài)定價和激勵方案對乘客效用、司機(jī)收入和平臺利潤的作用規(guī)律。MA等[36]建立網(wǎng)約共享出行用戶均衡的變分不等式模型發(fā)現(xiàn)，基于起訖點(Origin Destination，OD)的動態(tài)定價策略不僅降低了乘客出行成本，而且減少了司機(jī)故意繞路行為，有助于緩解交通擁堵。

(3)網(wǎng)約共享出行匹配和調(diào)度優(yōu)化

在競爭激烈的網(wǎng)約車市場中，高效的匹配和調(diào)度算法對于提供高質(zhì)量的即時出行服務(wù)至關(guān)重要。MASOUD等[37]提出一種解決實時拼車匹配問題的優(yōu)化算法，引入動態(tài)交換機(jī)制，避免“先到先服務(wù)”規(guī)則的不利影響。YANG等[38]指出匹配時間間隔和匹配半徑是平臺的兩個關(guān)鍵控制變量，通過在不同供需水平下對兩個變量的聯(lián)合優(yōu)化，從乘客等待時間、車輛利用率和匹配率等方面提高系統(tǒng)運行效率。SUN等[39]優(yōu)化搶單和派單策略，設(shè)定最大匹配半徑，減少乘客平均等待時間。SANTI等[40]提出可共享網(wǎng)絡(luò)(Shareability Network,SN)概念，簡化出行匹配和拼車調(diào)度問題，將時空共享問題轉(zhuǎn)化為具有高效計算能力的圖論框架進(jìn)行求解。VAZIFEH等[41]基于車輛可共享網(wǎng)絡(luò)，將精確的最小車隊規(guī)模優(yōu)化問題轉(zhuǎn)化為有向圖中的最小路徑覆蓋問題，揭示網(wǎng)約車可共享網(wǎng)絡(luò)的結(jié)構(gòu)特性，提出解決最小車隊問題的最優(yōu)計算方案和一種可實時執(zhí)行的近似最優(yōu)解決方案，以優(yōu)化車輛部署和調(diào)度。應(yīng)用紐約市全年1.5億次出租車出行數(shù)據(jù)對以上兩種解決方案進(jìn)行測試，與紐約市出租車運營現(xiàn)狀相比，優(yōu)化后的出租車數(shù)量可以減少30%，并可以滿足現(xiàn)有出行需求。

(4)網(wǎng)約共享出行供需量深度學(xué)習(xí)預(yù)測

網(wǎng)約共享出行的短時供需預(yù)測對平臺運營管理非常重要，平臺可以基于預(yù)測結(jié)果優(yōu)化網(wǎng)約車派遣規(guī)則并推薦省時的導(dǎo)航路線，實現(xiàn)城市區(qū)域間的供需平衡。網(wǎng)約共享出行具有很強的空間自相關(guān)性和時間周期性，某一區(qū)域的供需關(guān)系變化會對鄰近區(qū)域產(chǎn)生影響，而鄰近區(qū)域的供需關(guān)系變化又會反作用于該區(qū)域。隨著深度學(xué)習(xí)的廣泛應(yīng)用，利用深度學(xué)習(xí)并考慮時空關(guān)聯(lián)性研究網(wǎng)約共享出行短時供需，成為該領(lǐng)域的研究重點。在時空效應(yīng)分析基礎(chǔ)上，通過適用于時空網(wǎng)格數(shù)據(jù)分析的深度學(xué)習(xí)方法(例如：將卷積神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)組合)，將城市空間劃分為四邊形網(wǎng)格或者六邊形蜂窩網(wǎng)，綜合考慮不同區(qū)域間的空間相關(guān)性和單一區(qū)域的時間相關(guān)性，構(gòu)建面向細(xì)分網(wǎng)格的網(wǎng)約共享出行需求量和供給量的短時預(yù)測模型，便于合理配置交通資源，為主動行為誘導(dǎo)提供依據(jù)。KE 等[42]提出融合卷積長短期記憶網(wǎng)絡(luò)模型(FCL-Net)，預(yù)測短時網(wǎng)約車出行需求量，該深度學(xué)習(xí)框架由多個卷積長短期記憶層、標(biāo)準(zhǔn)長短期記憶層和卷積層疊加融合，綜合考慮空間依賴性、時間依賴性和外生依賴性，利用滴滴平臺的實測數(shù)據(jù)，結(jié)果表明，F(xiàn)CL-Net的預(yù)測性能優(yōu)于經(jīng)典時間序列預(yù)測模型和機(jī)器學(xué)習(xí)算法。實時供需缺口受到時空關(guān)聯(lián)性影響，KE等[43]將城市區(qū)域劃分為正六邊形蜂窩網(wǎng)，相比于正方形網(wǎng)格具有更加明確的鄰域定義、較小的邊面積比和各向同性，提出3 種六邊形卷積神經(jīng)網(wǎng)絡(luò)(HCNN)，并開發(fā)了六邊形集成機(jī)制提高預(yù)測性，通過實際網(wǎng)約車數(shù)據(jù)集驗證了H-CNN模型在準(zhǔn)確性和魯棒性等方面的良好性能。谷遠(yuǎn)利等[44]在FCL-Net模型基礎(chǔ)上，考慮時空關(guān)聯(lián)性、區(qū)域差異性和環(huán)境變化對網(wǎng)約車供需缺口的影響，提出基于最大信息系數(shù)的兩階段特征選擇方法，提取重要特征用于深度學(xué)習(xí)預(yù)測，有助于減少過擬合和提高預(yù)測模型的泛化能力。

2.2 多平臺管理優(yōu)化建模

在多個相互競爭的平臺運營管理優(yōu)化方面，出現(xiàn)了需求側(cè)和供給側(cè)的市場細(xì)分現(xiàn)象，現(xiàn)有研究通過優(yōu)化利潤分配機(jī)制提升各方效用。ZHA 等[45]研究雙寡頭網(wǎng)約共享出行平臺的納什均衡，由于雙寡頭競爭導(dǎo)致市場分割，進(jìn)而增大了供需匹配成本，所以平臺競爭并未有效降低出行費用或增大社會總福利。QIAN等[22]分析傳統(tǒng)出租車與網(wǎng)約車服務(wù)并存的出行市場，基于變分不等式證明了競爭環(huán)境下出行市場均衡解的存在性。

網(wǎng)約共享出行市場的迅速擴(kuò)大引起了人們對司機(jī)、乘客多歸屬(multihoming)問題的關(guān)注。BELLEFLAMME等[46]分析兩個競爭平臺下多歸屬現(xiàn)象對定價策略、平臺利潤、消費者和生產(chǎn)者剩余的影響。盧珂等[47]從用戶司機(jī)均為單歸屬和用戶多歸屬、司機(jī)單歸屬的雙寡頭競爭角度，研究網(wǎng)約車平臺的市場定價問題，從交叉網(wǎng)絡(luò)外部性、時間敏感系數(shù)、服務(wù)差異化程度和司機(jī)提成比例等方面，分析網(wǎng)約車平臺的定價結(jié)構(gòu)、用戶規(guī)模以及平臺收益等，發(fā)現(xiàn)在雙寡頭競爭的情況下，網(wǎng)約車平臺為乘客和司機(jī)提供服務(wù)的差異化對定價以及平臺收益均產(chǎn)生了重要影響。BRYAN等[48]總結(jié)壟斷市場、消費者單側(cè)多歸屬雙寡頭市場、司機(jī)單側(cè)多歸屬雙寡頭市場、消費者和司機(jī)雙側(cè)多歸屬雙寡頭市場等4種網(wǎng)約共享出行市場結(jié)構(gòu)，并對比了相應(yīng)的出行價格和等車時間。BERNSTEIN 等[49]探討Uber和Lyft平臺間定價博弈和競爭影響，比較單歸屬和多歸屬兩種情況下平臺間競爭互動產(chǎn)生的均衡價格，前者是司機(jī)只為單一平臺服務(wù)，后者是司機(jī)可為多個平臺服務(wù)，結(jié)果表明，少數(shù)司機(jī)選擇多歸屬策略能夠提高收入，但是當(dāng)所有司機(jī)都采取多歸屬策略時，收入不會提高。

近年來出現(xiàn)了集成平臺模式(例如：高德地圖、百度地圖)，即通過一個手機(jī)APP 界面同時呼叫多個網(wǎng)約共享出行平臺的司機(jī)，提高匹配成功率和出行效率。隨著無人駕駛技術(shù)日趨成熟，將出現(xiàn)自動駕駛網(wǎng)約車。2020年，廣州、上海、武漢、北京等多個城市，逐步放開自動駕駛載人測試許可，高德打車、滴滴出行、百度先后在廣州、上海、北京等地，面向公眾測試了自動駕駛出租車服務(wù)[1]。這些新的發(fā)展趨勢豐富了異質(zhì)網(wǎng)約車平臺的層次和結(jié)構(gòu)，必將對多平臺競爭環(huán)境下網(wǎng)約車市場均衡和供需演化規(guī)律產(chǎn)生深遠(yuǎn)影響。

3 網(wǎng)約共享出行政府監(jiān)管政策

網(wǎng)約車平臺通過規(guī)避監(jiān)管等方式與傳統(tǒng)出租車行業(yè)進(jìn)行不公平競爭，已有研究關(guān)注政府的網(wǎng)約車監(jiān)管政策。然而，這可能引發(fā)兩難局面：一方面，需要保護(hù)用戶免受運營方的欺詐和傷害；另一方面，不宜讓過度監(jiān)管扼殺共享經(jīng)濟(jì)創(chuàng)新。關(guān)偉等[50]指出交通運輸系統(tǒng)運營管理的關(guān)鍵是多博弈主體(政府、運營企業(yè)、乘客等)之間如何實現(xiàn)利益平衡或達(dá)到帕累托最優(yōu)。為此，管理者應(yīng)關(guān)注乘客和社會的需求，鼓勵靈活、創(chuàng)新的監(jiān)管方式和數(shù)據(jù)驅(qū)動型監(jiān)管政策，綜合考慮網(wǎng)約共享出行政府監(jiān)管政策。在個體層面，考慮政府監(jiān)管政策對網(wǎng)約車司機(jī)供給能力的長期影響，以及司機(jī)在社會經(jīng)濟(jì)屬性、機(jī)會成本、時間價值上的異質(zhì)性，建立差異化的司機(jī)市場準(zhǔn)入門檻，促進(jìn)共享出行供給側(cè)管理優(yōu)化；在平臺層面，綜合分析不同出行平臺在車隊規(guī)模、輕重資產(chǎn)屬性、網(wǎng)約車電動化程度上的差異性，建立考慮規(guī)模約束、價格引導(dǎo)和抽成比例限制的監(jiān)管政策優(yōu)化模型，實現(xiàn)多平臺競爭下的社會福利最大化。

網(wǎng)約車對城市交通的影響至今仍是爭議話題，尚無確切定論。ERHARDT 等[51]探討網(wǎng)約車對舊金山交通擁堵及可靠性的影響，基于2010－2016年間的城市交通需求數(shù)據(jù)、網(wǎng)約車軌跡數(shù)據(jù)、路段交通速度數(shù)據(jù)等，發(fā)現(xiàn)網(wǎng)約車是導(dǎo)致舊金山交通擁堵加劇和行程時間可靠性惡化的最大因素，超過了人口增長、就業(yè)增長和道路網(wǎng)絡(luò)變化的綜合影響。HARDING等[52]認(rèn)為監(jiān)管方不應(yīng)該限制平臺增長，而應(yīng)該專注于避免單一平臺形成壟斷。NIE[53]通過大數(shù)據(jù)分析發(fā)現(xiàn)，傳統(tǒng)出租車行業(yè)在網(wǎng)約車興起后經(jīng)歷了重大虧損，并主張政府加強對網(wǎng)約車平臺的監(jiān)管。

當(dāng)前，針對壟斷網(wǎng)約車平臺的政府監(jiān)管政策優(yōu)化研究已形成了豐富的研究成果。ZHA 等[45]建立基于時間擴(kuò)展網(wǎng)絡(luò)的網(wǎng)約車市場均衡模型，探討平臺抽成約束政策對高峰溢價及司乘福利的影響。LI 等[54]基于排隊均衡模型，揭示司機(jī)最低工資、車輛規(guī)模限定及交通擁堵稅等政策對網(wǎng)約車平臺的約束機(jī)制，發(fā)現(xiàn)設(shè)定司機(jī)最高工資相比其他兩種策略能更有效地提升司乘福利和系統(tǒng)效率。通過考慮網(wǎng)約車和私家車對交通擁堵的綜合影響，DI 等[55]建立交通擴(kuò)展網(wǎng)絡(luò)分析框架，將系統(tǒng)均衡點表述為擬變分不等式，并證明了解的存在性，以數(shù)值方式探討外部參數(shù)對均衡解的影響，為制定網(wǎng)約車監(jiān)管政策提供科學(xué)依據(jù)。趙道致等[56]研究網(wǎng)約車提供高端服務(wù)或低端服務(wù)兩種情景下的定價問題，通過政府監(jiān)管既鼓勵新業(yè)態(tài)的發(fā)展，又充分考慮市場中原有服務(wù)的生存，為網(wǎng)約車與巡游車融合發(fā)展提供良好的政策環(huán)境。司楊等[57]利用兩階段博弈法探討網(wǎng)約車進(jìn)入出租車市場后的競爭策略，以及在不同市場均衡條件下，對市場中各種出行方式分擔(dān)率和利潤的影響，分析結(jié)果表明，當(dāng)網(wǎng)約車進(jìn)入市場時，優(yōu)勢策略為和解策略，并且能讓總社會成本下降，有序發(fā)展網(wǎng)約車合理可行。YU 等[58]建立兩階段動態(tài)博弈模型，通過設(shè)定網(wǎng)約車司機(jī)準(zhǔn)入門檻等方式，保證出租車行業(yè)在網(wǎng)約車沖擊下的可盈利性，實現(xiàn)不同出行方式的整體福利最大化。

然而，針對多平臺競爭市場的政府監(jiān)管政策優(yōu)化研究相對較少，個別研究探討了新興的重資產(chǎn)網(wǎng)約車平臺調(diào)控問題。MO 等[59]建立重資產(chǎn)、輕資產(chǎn)兩類網(wǎng)約車平臺的定價博弈均衡模型，通過優(yōu)化充電樁補貼及電動車購置補貼的資源配置，實現(xiàn)補貼預(yù)算約束下的社會福利最大化。LI 等[60]研究出租車租賃市場與出行市場之間的耦合關(guān)系，通過建立利潤和社會福利最大化模型分析壟斷平臺和政府的決策過程，發(fā)現(xiàn)適當(dāng)?shù)淖饨鸸芸啬苡行Ц纳粕鐣＠?。此外，部分研究對網(wǎng)約車司機(jī)的監(jiān)管進(jìn)行了初步探討。姚曉銳等[61]建立基于車輛可共享網(wǎng)絡(luò)的圖論模型，將最小車隊規(guī)模問題轉(zhuǎn)化為有向無環(huán)圖的最小路徑覆蓋問題，利用Hopcroft-Karp 算法求解，并通過上海市手機(jī)用戶信息數(shù)據(jù)提取機(jī)動化出行需求，分析最大調(diào)度時間限制、服務(wù)范圍限制和交通擁堵對車隊規(guī)模的影響規(guī)律。

4 網(wǎng)約共享出行系統(tǒng)仿真優(yōu)化

宏觀模型在刻畫出行選擇時變性，反映出行者非理性以及不完全信息作用下的出行選擇特征等方面存在不足，相比于數(shù)學(xué)模型，交通仿真系統(tǒng)可以捕捉到更復(fù)雜的交通系統(tǒng)運行和出行行為細(xì)節(jié)。網(wǎng)約共享出行系統(tǒng)仿真優(yōu)化研究有助于對長期交通政策、規(guī)劃方案和短期交通管理和運營措施等不同層次的策略進(jìn)行綜合評估，形成最優(yōu)策略集合，仿真結(jié)果便于直觀對比策略實施前、后的變化規(guī)律。例如，《網(wǎng)絡(luò)預(yù)約出租汽車經(jīng)營服務(wù)管理暫行辦法》規(guī)范網(wǎng)絡(luò)約租車的準(zhǔn)入門檻和市場價格體系，借助網(wǎng)約共享出行系統(tǒng)仿真優(yōu)化技術(shù)，分析和評估其對路網(wǎng)交通運行狀態(tài)的影響，對比新政策實施前、后的效果，為政府制定和改善網(wǎng)約車監(jiān)管政策提供支撐，具有廣泛的社會效益。以下分別論述現(xiàn)實城市交通環(huán)境和未來自動駕駛環(huán)境下網(wǎng)約共享出行仿真優(yōu)化的相關(guān)研究成果。

(1)現(xiàn)實交通環(huán)境下網(wǎng)約共享出行仿真優(yōu)化

基于智能體的模型(Agent-Based Model，ABM)能夠詳細(xì)描述出行行為，不僅能體現(xiàn)出行者個體行為差異性和時空異質(zhì)性，還便于分析個體對系統(tǒng)整體運行狀態(tài)的影響。ALONSO-MORA等[62]提出一種可用于多車輛、多任務(wù)的實時拼車調(diào)度優(yōu)化算法，從貪心分配開始，通過約束優(yōu)化不斷改進(jìn)，快速返回高質(zhì)量的解，隨著時間的推移收斂到最優(yōu)匹配方案，可針對大量乘客和行程以及根據(jù)在線需求和車輛位置動態(tài)生成最優(yōu)路線。利用紐約市300 萬次出租車出行數(shù)據(jù)和乘客容量多達(dá)10人的共享車隊驗證其性能，仿真優(yōu)化結(jié)果表明，若投放2000輛載客容量為10 人的網(wǎng)約車或3000 輛載客容量為4人的網(wǎng)約車，可將乘客平均等待時間和平均行程延誤分別控制在2.8 min 和3.5 min 以內(nèi)，同時滿足98%以上的出行需求。DING等[63]提出元胞自動機(jī)仿真模型，分析網(wǎng)約車平臺動態(tài)定價問題，從平臺和乘客角度定量評估多種交通策略，微觀仿真結(jié)果表明，網(wǎng)約車平臺應(yīng)隨需求增加而提高價格和支出比(司機(jī)工資除以訂單價格)，若司機(jī)數(shù)量增加，則應(yīng)降低支出比。FRANCO 等[64]利用開源交通仿真軟件MATSim，為英國布里斯托建立了一個ABM 模型，使用基于活動的方法對網(wǎng)約車出行需求進(jìn)行建模，研究公交和網(wǎng)約車出行聯(lián)合運營場景，仿真結(jié)果輸出了使訂單成功率最大化的匹配策略，量化了網(wǎng)約車與公共交通服務(wù)協(xié)同服務(wù)以及私家車方式轉(zhuǎn)換帶來的社會效益。BECKER 等[65]利用MATSim 模擬網(wǎng)約車、共享汽車、共享單車等多種共享出行方式，對城市共享交通系統(tǒng)聯(lián)合仿真，結(jié)果表明，引入共享汽車和共享單車的方案將交通系統(tǒng)能源效率提升了7%。

(2) 未來自動駕駛環(huán)境下網(wǎng)約共享出行仿真優(yōu)化

近年來，盡管自動駕駛汽車相關(guān)研究十分熱門，但由于技術(shù)成熟度不足以及安全因素，SAV 還沒有得到大規(guī)模應(yīng)用，但是出現(xiàn)了大量面向未來SAV 交通場景的仿真研究。SAV 系統(tǒng)利用自動駕駛汽車提供出行服務(wù)，而網(wǎng)約車由司機(jī)提供出行服務(wù)。ZHANG等[66]設(shè)計基于智能體的模型模擬SAV動態(tài)拼車行為，在虛擬路網(wǎng)上估計其潛在系統(tǒng)收益。LEVIN等[67]提出基于事件的SAV仿真框架，預(yù)測SAV 對交通擁堵和出行方式的影響。FAGNANT等[68]利用MATSim模擬德克薩斯州奧斯汀市核心區(qū)域的SAV運營場景，系統(tǒng)分析了出行者行為和SAV 系統(tǒng)運行特征。LOEB 等[69]使用MATSim 模擬共享自動駕駛電動汽車(Shared Autonomous Electric Vehicles，SAEV)車隊的運行，分析SAEV 車隊為德克薩斯州奧斯汀市的出行者提供出行服務(wù)的性能特征。SAEV 可以吸引乘客放棄購買私家車[70]，而快速充電與長續(xù)航里程是電動 車(Electric Vehicles，EV) 的最佳選擇[71-72]。VOSOOGHI 等[73]構(gòu)建基于智能體的仿真模型，研究SAEV 系統(tǒng)效果，并探討充電樁對SAEV 系統(tǒng)的影響。此外，許多研究發(fā)現(xiàn)SAV系統(tǒng)可以減少尾氣排放[74-75]和石油消耗[76]，提高空氣質(zhì)量[77]，保護(hù)生態(tài)環(huán)境。FAGNANT等[78]在虛擬網(wǎng)格路網(wǎng)中進(jìn)行SAV仿真，發(fā)現(xiàn)溫室氣體排放明顯下降，社會經(jīng)濟(jì)效益也有一定提升。仿真優(yōu)化研究發(fā)現(xiàn)，SAV系統(tǒng)可以減少停車面積，土地占用率和汽車行駛里程都有所下降[79]。YAO 等[18]開發(fā)了數(shù)據(jù)驅(qū)動的智能體建模與仿真系統(tǒng)(D2ABMS)，對人類駕駛車輛(Humandriving Vehicle，HV)、自動駕駛車輛(Autonomous Vehicle，AV)與乘客之間的匹配機(jī)制進(jìn)行建模，模擬大規(guī)模道路網(wǎng)絡(luò)中HV 網(wǎng)約車與AV 網(wǎng)約車之間的競爭，對不同比例的AV 網(wǎng)約車進(jìn)行了仿真測試。D2ABMS 仿真結(jié)果表明，小比例AV(例如10%)可以顯著減少乘客等待時間，而大比例AV(例如70%以上)使得高峰期HV 網(wǎng)約車供給出現(xiàn)缺口，延長了乘客等待時間。以上仿真研究有助于指導(dǎo)共享自動駕駛時代的政策制定和管理策略優(yōu)化。

5 結(jié)論與展望

隨著城市化進(jìn)程加快、城市人口增長、機(jī)動車保有量增加、社會活動規(guī)模增大，交通供需之間的矛盾越來越突出，而在移動互聯(lián)網(wǎng)環(huán)境下，網(wǎng)約共享出行方式給城市交通系統(tǒng)帶來了深刻變革。本文梳理了國內(nèi)外基于移動互聯(lián)交通大數(shù)據(jù)分析的最新研究成果，對網(wǎng)約共享出行行為決策進(jìn)行分析和建模，揭示網(wǎng)約共享出行供需平衡和態(tài)勢演化機(jī)理，為制定相關(guān)監(jiān)管政策提供理論依據(jù)和仿真優(yōu)化決策支持?；谏鲜鱿嚓P(guān)研究工作的分析，總結(jié)當(dāng)前研究存在問題和未來發(fā)展趨勢如下。

5.1 存在問題

(1)網(wǎng)約共享出行行為機(jī)理

網(wǎng)約共享出行作為新型移動互聯(lián)出行方式，針對此類問題的研究處于起步階段，以宏觀定性描述及對相關(guān)政策、法律法規(guī)的探討為主，缺乏針對大規(guī)模城市網(wǎng)絡(luò)范圍的網(wǎng)約共享出行實測數(shù)據(jù)定量分析及實證研究。網(wǎng)約車司機(jī)和乘客對于政府監(jiān)管政策和平臺管理策略均存在出行選擇行為，而現(xiàn)有研究主要集中于宏觀層面的出行者特征和影響因素分析，由于數(shù)據(jù)限制，以宏觀或集計模型為主，缺少對個體出行的精細(xì)化描述和對司、乘雙方個體異質(zhì)性的科學(xué)表征，以及針對大規(guī)模城市網(wǎng)絡(luò)范圍的網(wǎng)約共享出行實測數(shù)據(jù)分析?，F(xiàn)有研究尚未對規(guī)律的產(chǎn)生機(jī)制、完整時空出行鏈建模、網(wǎng)約共享出行行為動態(tài)決策等進(jìn)行深入研究。因此，面向復(fù)雜動態(tài)的移動互聯(lián)環(huán)境，亟須開展網(wǎng)約共享出行供需態(tài)勢演化機(jī)理、行為動態(tài)決策、出行鏈全過程解析等方面的理論建模和實證研究，挖掘網(wǎng)約共享機(jī)動車出行的實時軌跡數(shù)據(jù)，探索個體出行鏈特征和群體出行模式演變規(guī)律，分析出行行為的時空關(guān)聯(lián)性和時空異質(zhì)性，優(yōu)化網(wǎng)約共享出行的供需結(jié)構(gòu)及時空分布。

(2)網(wǎng)約共享出行平臺管理優(yōu)化

網(wǎng)約共享出行平臺管理受到異質(zhì)性司乘行為、多平臺競合博弈、政府監(jiān)管政策等多種因素的影響，而當(dāng)前研究局限于單個壟斷平臺或多個同質(zhì)平臺，缺乏對多出行平臺資源優(yōu)化配置和差異化定價的深入研究，尚未有綜合考慮政府監(jiān)管背景下異質(zhì)平臺競合博弈均衡和多階段動態(tài)優(yōu)化的研究。網(wǎng)約共享出行具有很強的空間自相關(guān)性和時間周期性，隨機(jī)發(fā)生的網(wǎng)約共享即時出行需求、時空異質(zhì)分布的出行服務(wù)供給、以及結(jié)構(gòu)復(fù)雜且相互關(guān)聯(lián)的隨機(jī)效用，使得網(wǎng)約共享出行供需關(guān)系構(gòu)成一個復(fù)雜的關(guān)聯(lián)網(wǎng)絡(luò)，網(wǎng)約共享出行各參與群體的隨機(jī)決策機(jī)制是供需演化過程的關(guān)鍵。因此，亟須開展綜合考慮政府監(jiān)管政策的異質(zhì)平臺競合博弈均衡和多階段動態(tài)優(yōu)化的研究，實現(xiàn)多平臺運營管理優(yōu)化。

(3)網(wǎng)約共享出行政府監(jiān)管政策

如何在復(fù)雜動態(tài)交通系統(tǒng)中監(jiān)管網(wǎng)約車行業(yè)發(fā)展，平衡多方博弈主體利益(例如：乘客、多家網(wǎng)約車平臺、全職和兼職網(wǎng)約車司機(jī)、巡游車司機(jī))，揭示政府監(jiān)管背景下異質(zhì)性平臺競合博弈機(jī)理，解析監(jiān)管政策對網(wǎng)約車市場均衡演化的作用機(jī)制，是亟待解決的交通運輸管理難題。而當(dāng)前關(guān)于政府監(jiān)管和調(diào)控策略的研究，尚未綜合考慮出行個體和網(wǎng)約車平臺異質(zhì)性，以及平臺間復(fù)雜的競合關(guān)系，監(jiān)管政策和調(diào)控策略的協(xié)同優(yōu)化亟待深入研究。需要在分析宏觀供需模型基礎(chǔ)上，求解在監(jiān)管政策、管理措施、控制策略等綜合調(diào)控下的網(wǎng)約共享出行多目標(biāo)優(yōu)化問題，得出帕累托最優(yōu)調(diào)控策略集，為優(yōu)化調(diào)控策略提供科學(xué)依據(jù)，為政府監(jiān)管和宏觀調(diào)控多平臺競爭的網(wǎng)約車市場提供決策支持。

(4)網(wǎng)約共享出行系統(tǒng)仿真優(yōu)化

經(jīng)典行為分析模型在刻畫出行者出行選擇時變性，反映出行者非理性，不完全信息作用下的出行選擇特征等方面存在不足。針對我國城市復(fù)雜交通環(huán)境下網(wǎng)約共享出行行為特性相關(guān)研究成果尚不多見，對于求解大規(guī)模路網(wǎng)交通仿真優(yōu)化問題的研究方法存在不足?；谥悄荏w和活動鏈的交通供需分析模型能夠詳細(xì)描述出行行為細(xì)節(jié)和多主體之間的信息交互，更詳細(xì)、更準(zhǔn)確地反映網(wǎng)約共享出行參與各方在接收動態(tài)供需信息時的隨機(jī)決策行為，體現(xiàn)出行者個體行為差異性和時空異質(zhì)性，便于分析個體對系統(tǒng)整體運行狀態(tài)的影響，為探索不同調(diào)控策略下的出行行為變化規(guī)律提供有力手段，具有較大的應(yīng)用空間和價值。因此，在交通運輸管理領(lǐng)域，亟須研究基于智能體建模的網(wǎng)約共享出行綜合調(diào)控策略優(yōu)化模型與算法，搭建人工智能與大數(shù)據(jù)雙驅(qū)動的多智能體交通仿真系統(tǒng)，在此基礎(chǔ)上融合仿真優(yōu)化、元學(xué)習(xí)、深度強化學(xué)習(xí)等技術(shù)，實現(xiàn)復(fù)雜交通系統(tǒng)的動態(tài)優(yōu)化，為政府部門提供科學(xué)決策依據(jù)和可視分析工具支持。

5.2 未來發(fā)展趨勢

(1)大數(shù)據(jù)和人工智能雙驅(qū)動的網(wǎng)約共享出行研究

在可預(yù)見的未來，新型移動互聯(lián)環(huán)境下的網(wǎng)約共享出行將出現(xiàn)重大技術(shù)變革，特別是隨著移動傳感器、通信網(wǎng)絡(luò)、人工智能、大數(shù)據(jù)分析、云計算、深度學(xué)習(xí)、強化學(xué)習(xí)等技術(shù)的快速發(fā)展，網(wǎng)約共享出行動態(tài)信息精準(zhǔn)獲取與智能分析能力得到極大提高，基于這些新興技術(shù)的共享出行服務(wù)的數(shù)智監(jiān)管、個性化出行需求管理以及平臺在線決策優(yōu)化逐步得以實現(xiàn)，將有力推動面向未來城市交通環(huán)境的一站式智慧出行服務(wù)，是未來共享出行發(fā)展的重要方向。例如，針對移動互聯(lián)環(huán)境下共享出行服務(wù)需求和供給的不確定性，系統(tǒng)耦合網(wǎng)約共享出行與城市交通環(huán)境、個體出行與互聯(lián)共享、數(shù)據(jù)驅(qū)動與模型決策，全景再現(xiàn)共享出行供需時空演化規(guī)律；研究自適應(yīng)感知的多任務(wù)動態(tài)學(xué)習(xí)方法和去中心化多智能體強化學(xué)習(xí)框架，實現(xiàn)網(wǎng)約共享出行平臺的智能匹配、優(yōu)化調(diào)度和動態(tài)定價等多種策略動態(tài)優(yōu)化。

(2)網(wǎng)約共享出行的多分辨率數(shù)字孿生研究

未來城市將以數(shù)字孿生城市為導(dǎo)向推進(jìn)智慧城市建設(shè)，通過分析數(shù)據(jù)源與現(xiàn)實世界相聯(lián)系，從多源數(shù)據(jù)接入層，到計算仿真層，再到?jīng)Q策應(yīng)用層，為網(wǎng)約共享出行提供具有高保真度的多分辨率數(shù)字孿生?；趯o態(tài)、動態(tài)數(shù)據(jù)的全息感知，構(gòu)建面向交通出行需求的數(shù)字孿生模型，實現(xiàn)基于孿生數(shù)據(jù)的情景再現(xiàn)，對孿生場景進(jìn)行衍生和泛化，加速實現(xiàn)共享自動駕駛技術(shù)。利用以數(shù)字孿生技術(shù)為驅(qū)動的宏、中、微觀多分辨率仿真系統(tǒng)，構(gòu)建預(yù)約出行體系，助力城市擁堵治理。例如，搭建基于自組織與自演化學(xué)習(xí)的共享交通系統(tǒng)仿真平臺，研究自動駕駛與人工駕駛混合環(huán)境模擬、異質(zhì)行為動態(tài)決策、多智能體協(xié)同與自組織學(xué)習(xí)、出行需求深度學(xué)習(xí)、車隊動態(tài)優(yōu)化調(diào)度等多要素的數(shù)字孿生表達(dá)方法，實現(xiàn)大規(guī)?；旌献詣玉{駛模擬仿真，為政府監(jiān)管和平臺管理提供技術(shù)支撐。