王 皓，虞明遠(yuǎn)，孫振填，張學(xué)弛, 楊 涵

(交通運(yùn)輸部公路科學(xué)研究院，北京 100088)

0 引言

近年來(lái)，隨著移動(dòng)互聯(lián)技術(shù)發(fā)展，共享出行模式發(fā)展迅速。共享出行模式一方面滿(mǎn)足了消費(fèi)者“求而不得”的自駕需求；另一方面，避免了車(chē)輛閑置無(wú)法被有效利用帶來(lái)的浪費(fèi)，共享出行逐漸成為公眾的出行選擇。

我國(guó)從最初的預(yù)約出租車(chē)服務(wù)，通過(guò)不斷融資和戰(zhàn)略調(diào)整，延伸出專(zhuān)車(chē)服務(wù)、代駕服務(wù)、拼車(chē)出行等眾多業(yè)務(wù)。共享出行企業(yè)與高德地圖、攜程旅行、微信等不同行業(yè)合作，持續(xù)擴(kuò)大行業(yè)規(guī)模。然而，共享出行繁榮發(fā)展的背后，如何完善相關(guān)法律、提高監(jiān)管力度，確定合理的共享規(guī)模等問(wèn)題被廣泛的討論和研究。實(shí)施合理的管理措施來(lái)促進(jìn)行業(yè)更好的發(fā)展成為各國(guó)普遍訴求。運(yùn)用科學(xué)的方法，特別是低成本的仿真試驗(yàn)來(lái)獲得具有參考價(jià)值的行業(yè)規(guī)制是學(xué)術(shù)界廣泛探討的重要領(lǐng)域。研究共享出行的交通系統(tǒng)是復(fù)雜的，需要系統(tǒng)地考慮人、車(chē)輛、道路網(wǎng)絡(luò)和環(huán)境場(chǎng)景之間的相互作用。其中一種基于Agent的仿真方法能夠滿(mǎn)足模擬這種復(fù)雜系統(tǒng)的要求。

基于Agent模型(Agent-based Model，ABM)采用自下而上的方法使用自治代理來(lái)模擬復(fù)雜系統(tǒng)中的實(shí)體。它在靈活性、層次性和直觀(guān)性上優(yōu)于傳統(tǒng)的模型和模擬方法，模型能夠從個(gè)體到整體，從微觀(guān)到宏觀(guān)研究復(fù)雜系統(tǒng)。此外，與傳統(tǒng)的仿真模型相比，基于Agent的建模還可以考慮代理(人、車(chē))的有限理性和行為異質(zhì)性，因此，在共享出行仿真系統(tǒng)中建立大規(guī)模的代理群體來(lái)滿(mǎn)足其中復(fù)雜的系統(tǒng)關(guān)系是可行的。

國(guó)際上基于Agent的共享出行仿真研究較多，但當(dāng)前缺乏對(duì)該領(lǐng)域最新發(fā)展和前沿研究進(jìn)行綜述的研究。本研究系統(tǒng)地總結(jié)、歸納、綜合量化分析當(dāng)前國(guó)際上基于Agent共享出行仿真最前沿研究，并對(duì)該方法的未來(lái)發(fā)展進(jìn)行系統(tǒng)的評(píng)估。

1 方法研究

1.1 共享出行分類(lèi)

共享出行通常是指人們通過(guò)新技術(shù)和新的組織供應(yīng)商共享使用車(chē)輛、自行車(chē)等交通工具實(shí)現(xiàn)出行目的。隨著科學(xué)技術(shù)的發(fā)展，共享出行出現(xiàn)了一些新的表現(xiàn)形式。旅行者可以:(1)通過(guò)應(yīng)用程序(如滴滴、高德)預(yù)約司機(jī)和車(chē)輛；(2)短途旅行時(shí)租用共享汽車(chē)、共享自行車(chē)或共享踏板車(chē)(如國(guó)外的Zipcar、Lime)；(3)私家車(chē)共享(如順風(fēng)車(chē)等)；這些模式都運(yùn)用具有互聯(lián)功能的智能系統(tǒng)進(jìn)行交互，這些移動(dòng)服務(wù)也屬于共享出行的范疇。作者根據(jù)Shaheen[1]分類(lèi)理論，對(duì)共享出行的這些關(guān)鍵領(lǐng)域進(jìn)行了簡(jiǎn)單分類(lèi)(見(jiàn)圖1)。本研究按照拼車(chē)、自行車(chē)共享、汽車(chē)共享這3大類(lèi)內(nèi)容進(jìn)行檢索并綜述。

圖1 共享出行的分類(lèi)

1.2 檢索策略和檢索數(shù)據(jù)庫(kù)

本研究于2020年7月通過(guò)標(biāo)題和摘要中關(guān)鍵詞檢索了主要5個(gè)相關(guān)的數(shù)據(jù)庫(kù)。論文的大部分主要來(lái)自Web of Science，SPRINGER LINK，IEEE Xplore，ELSEVIER。這些數(shù)據(jù)庫(kù)包含基于Agent的共享出行建模相關(guān)文獻(xiàn)。根據(jù)共享出行的相關(guān)研究領(lǐng)域進(jìn)行分類(lèi)，本研究將文獻(xiàn)檢索詞分為6組，分別為：(1)agent-based modeling；(2)shared mobility；(3)bike sharing；(4)car pooling；(5)car sharing；(6)ride sharing。我們將第(1)組分別與(2)～(6)組合進(jìn)行檢索。在檢索之后，我們消除了重復(fù)的論文，并對(duì)論文研究的領(lǐng)域和方向進(jìn)行了分類(lèi)。篩選論文的范圍為：(1)英文撰寫(xiě)期刊論文；(2)屬于交通領(lǐng)域和共享出行相關(guān)的論文；(3)論文研究方法使用基于Agent的方法。

1.3 文獻(xiàn)處理

本研究從每篇合格論文中提取的一般信息包含(作者、年份、期刊)，文章的研究?jī)?nèi)容(案例研究、研究目的、決策對(duì)象、適應(yīng)性、學(xué)習(xí)、感知、預(yù)測(cè)、交互、異質(zhì)性、隨機(jī)性)。通過(guò)系統(tǒng)分析所選文章，對(duì)文章的決策和代理行為進(jìn)行了量化比較。

1.4 文獻(xiàn)質(zhì)量評(píng)估

本研究通過(guò)所篩選的信息表來(lái)評(píng)估有效的論文質(zhì)量。文章將根據(jù)多Agent仿真標(biāo)準(zhǔn)框架[2]從模型質(zhì)量、代理行為質(zhì)量和仿真描述和仿真結(jié)果質(zhì)量3個(gè)方面對(duì)所選論文進(jìn)行評(píng)價(jià)。為了評(píng)估基于Agent的模型的質(zhì)量，我們通過(guò)以下7個(gè)方面對(duì)Agent行為進(jìn)行了比較：(1)決策中的適應(yīng)性；(2)學(xué)習(xí)；(3)感知；(4)預(yù)測(cè)；(5)相互作用；(6)異質(zhì)性；(7)隨機(jī)性。適應(yīng)性是指Agent行為能夠適應(yīng)其他Agent或環(huán)境狀態(tài)的變化。學(xué)習(xí)是指Agent隨著時(shí)間的推移改變其決策規(guī)則，從而提高績(jī)效。感知是指Agent可以感知其他Agent的特征、行為和動(dòng)作，或者感知環(huán)境。預(yù)測(cè)性是指Agent能預(yù)測(cè)他們決策下的未來(lái)影響和結(jié)果。交互性是指Agent之間的交互以及Agent與實(shí)體之間的交互。異構(gòu)性是指Agent的參數(shù)可能不同，在模擬開(kāi)始時(shí)改變Agent會(huì)因異構(gòu)性而改變模擬的輸出。隨機(jī)性則反映了模擬中的一些過(guò)程(包括初始化)是通過(guò)假設(shè)它們是隨機(jī)的或部分隨機(jī)的來(lái)建模的。

為了評(píng)估模擬細(xì)節(jié)和仿真輸出的質(zhì)量，評(píng)價(jià)要素包括(1)模擬實(shí)施細(xì)節(jié)，表明模擬中是否存在編程語(yǔ)言/模擬平臺(tái)；(2)顯示系統(tǒng)性能的仿真時(shí)長(zhǎng)，采用5 min作為閾值，因?yàn)樵谒鶎彶榈恼撐闹械螖?shù)多以5 min為界限。

1.5 文獻(xiàn)統(tǒng)計(jì)

圖2顯示了搜索和檢索的過(guò)程。從上文提到的每個(gè)數(shù)據(jù)庫(kù)檢索到的文獻(xiàn)數(shù)量分別為：206(Web of Science)，330(SPRINGER LINK)，61(IEEE Xplore)，119(ELSEVIER)。對(duì)所獲得的文章進(jìn)行處理，去除重復(fù)的文章，刪除不相關(guān)和不合格的論文。通過(guò)以上的篩選標(biāo)準(zhǔn)，本研究確定了符合要求的57篇已發(fā)表的文章。

圖2 合格文章篩選過(guò)程

表1為被審查論文的案例研究區(qū)域的地理分布與論文數(shù)量。其中歐洲地區(qū)的論文數(shù)量是最高的，亞洲地區(qū)較少，一個(gè)原因可能是所有被查看的論文都是用英語(yǔ)發(fā)表的。

表1 論文數(shù)量地區(qū)分布統(tǒng)計(jì)表

圖3描述了每年發(fā)表的基于Multi-Agent建模的論文數(shù)量，近年來(lái)論文的研究總量上呈現(xiàn)出上升趨勢(shì)。

圖3 論文分年份數(shù)量分布圖

由表2的對(duì)仿真平臺(tái)統(tǒng)計(jì)表可知，基于Multi-Agent方法的建模文章多采用MATSim平臺(tái)，其次Janus和Netlogo也是常用的仿真平臺(tái)。

表2 仿真平臺(tái)統(tǒng)計(jì)表

我們對(duì)合格的論文進(jìn)行系統(tǒng)審查，如表3所示。60.6%的論文對(duì)仿真所用的數(shù)據(jù)標(biāo)注了來(lái)源，未標(biāo)注的論文多為未提及數(shù)據(jù)來(lái)源或者純算法開(kāi)發(fā)類(lèi)型的論文。75.8%的論文采用網(wǎng)絡(luò)環(huán)境模擬，這種模擬比較接近仿真的現(xiàn)實(shí)性。57.6%的論文涉及仿真平臺(tái)。在Agent性能方面，77.3%的論文中Agent在決策中具有適應(yīng)性，乘客能夠依照自身共享傾向進(jìn)行選擇，車(chē)輛可以重新定位到低供應(yīng)區(qū)來(lái)運(yùn)送乘客。72.7%的論文中Agent有良好的學(xué)習(xí)表現(xiàn)，在搭建的智能仿真框架中，代理學(xué)習(xí)有很好的表現(xiàn)。值得注意的是，Agent的感知、預(yù)測(cè)和交互在篩選的論文中都有體現(xiàn)，這說(shuō)明這3種性質(zhì)對(duì)于Agent來(lái)說(shuō)是重要不可忽視的。通常情況下，共享交通仿真論文涉及到3類(lèi)Agent，即人類(lèi)、車(chē)輛和平臺(tái)。平臺(tái)和人類(lèi)通常能夠感知車(chē)輛的位置，平臺(tái)預(yù)測(cè)并協(xié)調(diào)人類(lèi)和車(chē)輛的出行時(shí)間表。車(chē)輛和人類(lèi)通常在平臺(tái)協(xié)商后相互作用，發(fā)生租賃、拼車(chē)等行為。84.8%的論文提及Agent的異質(zhì)性，這里異質(zhì)性通常指的是人類(lèi)的偏好、車(chē)輛不同的偏好或者性質(zhì)設(shè)定。在初始化過(guò)程中，78.8%的文章考慮了Agent分布的隨機(jī)性問(wèn)題。大多數(shù)文章并沒(méi)有提及迭代次數(shù)問(wèn)題，由此推斷基于Multi-Agent仿真迭代次數(shù)可能偏高，所以多數(shù)作者并未對(duì)此提及而是聚焦于結(jié)果的討論。

表3 系統(tǒng)質(zhì)量審查表

2 分類(lèi)綜述

本研究對(duì)共享出行模式中自行車(chē)共享、拼車(chē)和汽車(chē)共享進(jìn)行分類(lèi)統(tǒng)計(jì)綜述，通過(guò)對(duì)3類(lèi)進(jìn)行統(tǒng)計(jì)分析，可以直觀(guān)地看到基于Multi-Agent的方法在共享出行的方面的主要研究領(lǐng)域，并得到基于Multi-Agent的仿真模擬中高頻的系統(tǒng)要素。

2.1 基于Agent的自行車(chē)共享研究

2.1.1 研究目的

共享單車(chē)是共享經(jīng)濟(jì)的代表性產(chǎn)物，作為一種新型的出行方式和商業(yè)形態(tài)，共享單車(chē)正吸引著來(lái)自學(xué)術(shù)界的目光。國(guó)內(nèi)的公共自行車(chē)歷經(jīng)了從“有樁公共自行車(chē)”到“無(wú)樁共享單車(chē)”的轉(zhuǎn)變，當(dāng)前的研究主要集中在發(fā)展現(xiàn)狀及對(duì)策、盈利模式、法律制度、監(jiān)管措施、出行影響等方面。由于“無(wú)樁共享單車(chē)”源于我國(guó)，且在國(guó)外剛剛興起，因此國(guó)外大多數(shù)學(xué)者的研究還主要集中在對(duì)“無(wú)樁共享單車(chē)”的前身——“有樁公共自行車(chē)”的討論上。

基于Multi-Agent仿真的研究方法主要涉及共享自行車(chē)的再分配策略模擬、系統(tǒng)設(shè)計(jì)與優(yōu)化和決策支持與評(píng)估這3個(gè)方面。對(duì)于自行車(chē)的再分配策略模擬研究，Dubernet[3]提出一種動(dòng)態(tài)方法來(lái)估計(jì)需求對(duì)重新定位策略變化的反應(yīng)，并采用基于活動(dòng)Agent的方法得以實(shí)現(xiàn)。Ban[4]提出了一種基于Agent的仿真來(lái)尋找一種能夠模擬大量再平衡操作符的方法。

對(duì)于系統(tǒng)設(shè)計(jì)與優(yōu)化研究，Hebenstreit[5]考慮到目前幾乎沒(méi)有任何交通模型在細(xì)節(jié)或者整體上考慮自行車(chē)共享，所以開(kāi)發(fā)了基于Agent方法來(lái)模擬有樁和無(wú)樁共享單車(chē)兩類(lèi)新模塊，用以詳細(xì)描述站點(diǎn)選擇、車(chē)輛租用和返還過(guò)程。Wang[6]提出了一種基于Agent的自行車(chē)共享系統(tǒng)的分布解決方案，方案中提出了一種乘客選擇單車(chē)行為，該行為比自由選擇行為有效，用戶(hù)首先評(píng)估所有可能的自行車(chē)，然后出發(fā)選擇合適的自行車(chē)。Lu[7]結(jié)合大數(shù)據(jù)和基于空間Agent的建模來(lái)了解利益相關(guān)者之間的相互作用，從而協(xié)助自行車(chē)共享系統(tǒng)的設(shè)計(jì)。Pérez[8]建立了一個(gè)基于Agent的仿真模型來(lái)模擬一個(gè)自行車(chē)共享系統(tǒng)，以?xún)?yōu)化主要的戰(zhàn)略和戰(zhàn)術(shù)系統(tǒng)變量，如自行車(chē)總數(shù)、重置設(shè)備數(shù)量、站點(diǎn)大小和重新定位后的占用率。Raimbault[9]提出了一個(gè)基于Agent的自行車(chē)共享系統(tǒng)短期演化模型，該模型關(guān)注兩個(gè)策略參數(shù)，即用戶(hù)在整個(gè)系統(tǒng)中擁有的信息量和用戶(hù)在丟棄自行車(chē)后的行走傾向。

對(duì)于決策支持與評(píng)估方面，Ciari[10]使用了基于Agent的仿真MATSim深入了解未來(lái)可能的協(xié)作移動(dòng)解決方案的最佳組合，仿真模擬兩種極端情況下的初步結(jié)果。Lu[11]研究建立了一個(gè)基于空間Agent的模型，通過(guò)基于出行者異質(zhì)模式選擇行為分割模型來(lái)模擬臺(tái)北市自行車(chē)共享服務(wù)和其他交通方式的使用。

2.1.2 自行車(chē)共享仿真關(guān)鍵要素

從對(duì)自行車(chē)共享的文章整理來(lái)看，Multi-Agent技術(shù)多用于自行車(chē)共享的站點(diǎn)選擇、需求估計(jì)，分配調(diào)度策略這幾個(gè)方面。通過(guò)對(duì)文章中的關(guān)鍵要素梳理發(fā)現(xiàn)，模擬不同場(chǎng)景中考慮影響系統(tǒng)性能的關(guān)鍵變量是車(chē)隊(duì)規(guī)模、策略、定價(jià)方案、停車(chē)區(qū)域、出行模式、車(chē)輛容量、服務(wù)區(qū)域、最大等待時(shí)間和巡航時(shí)間。

車(chē)隊(duì)規(guī)模(N=10)：共享自行車(chē)研究仿真中的一項(xiàng)重要參數(shù)，不同的車(chē)隊(duì)規(guī)模將不可避免地影響系統(tǒng)的性能。值得注意的是在車(chē)隊(duì)規(guī)模設(shè)定方面，通常分為理論值導(dǎo)入和實(shí)際值規(guī)模，大多數(shù)研究在車(chē)隊(duì)規(guī)模設(shè)定上，運(yùn)用理論值進(jìn)行賦值，這樣可能導(dǎo)致由于不具備真實(shí)仿真環(huán)境而對(duì)仿真結(jié)果造成一定誤差影響。Lu[7]，Ban[4]運(yùn)用數(shù)據(jù)分析和統(tǒng)計(jì)方法，提供真實(shí)的車(chē)隊(duì)規(guī)模數(shù)據(jù)給仿真系統(tǒng)，可以有效避免初始值賦值失真等問(wèn)題。

策略(N=8)：研究者在探索系統(tǒng)性能時(shí)需要設(shè)計(jì)策略，包括：調(diào)度策略，Hebenstreit[5]，Wang[6]整體呼叫自行車(chē)，根據(jù)自身偏好和信任程度來(lái)進(jìn)行選擇；分配策略，Raimbault[9]隨機(jī)進(jìn)行最近車(chē)站選擇；部署策略，Lu[11]以模擬臺(tái)北市自行車(chē)共享服務(wù)及其他交通工具的使用提出了2種方案，評(píng)估了2種情況以及相應(yīng)的環(huán)境和社會(huì)影響:(1)自行車(chē)基礎(chǔ)設(shè)施擴(kuò)展，(2)自行車(chē)共享激勵(lì)；收費(fèi)策略，Lu[7]采用一種激勵(lì)策略，通過(guò)降低用戶(hù)出行成本鼓勵(lì)將自行車(chē)停在離地鐵站步行距離可以接受的其他停車(chē)場(chǎng)；重新定位策略，Ban[4]，Pérez[8]再平衡策略，開(kāi)發(fā)了一種基于曲率的分布算法，允許對(duì)大量共享自行車(chē) 調(diào)度和車(chē)站進(jìn)行模擬。

定價(jià)方案(N=2)：研究者通常采用定價(jià)方案來(lái)探討自行車(chē)共享。Hebenstreit[5]采用一種基于基站的定價(jià)激勵(lì)方案，Dubernet[3]系統(tǒng)地考慮共享出行票價(jià)問(wèn)題，從而方便計(jì)算成本。

站點(diǎn)影響(N=3)：車(chē)站配置通常分為2類(lèi):停車(chē)站配置和收費(fèi)站配置。Dubernet[3]考慮了車(chē)站地理位置，坡度對(duì)自行車(chē)共享的影響。Lu[7]，Pérez[8]考慮的關(guān)鍵設(shè)計(jì)決策變量是系統(tǒng)中自行車(chē)停車(chē)場(chǎng)的位置和容量，以及停車(chē)場(chǎng)之間連接的自行車(chē)道，通過(guò)對(duì)變量進(jìn)行橫向?qū)Ρ?，?lái)判斷自行車(chē)共享的影響因素。

出行模式(N=2)：不同的行駛模式會(huì)影響系統(tǒng)的性能，因?yàn)椴煌?lèi)型的自動(dòng)駕駛車(chē)輛具有異質(zhì)性；Hebenstreit[5]采用自行車(chē)種類(lèi)模塊(傳統(tǒng)、電動(dòng))，通過(guò)與OD站點(diǎn)位置和距離信息結(jié)合，使用定義的概率公式進(jìn)行模式確定。Ciari[10]采用兩種極端的模式，通過(guò)仿真結(jié)果對(duì)比出兩種仿真結(jié)合起來(lái)是否可行。

出行路徑(N=1)：在Agent出行路徑設(shè)定方面Hebenstreit[5]通過(guò)將出行Agent賦值偏好值，從而獲得每個(gè)Agent對(duì)于道路偏好權(quán)重。

信息量影響(N=2)：Agent獲得信息量的多少往往會(huì)影響Agent的出行行為和決策行為。Hebenstreit[5]設(shè)定信息量會(huì)影響Agent站點(diǎn)的選擇行為，信息量越多，Agent站點(diǎn)選擇的決策因素越多；Raimbault[9]則認(rèn)為信息量的多少會(huì)影響出行半徑的大小。

2.2 基于Agent的拼車(chē)模式研究

2.2.1 研究目的

拼車(chē)，也即“合乘”、“共乘”，是指多位擁有不同起、終點(diǎn)位置的乘客經(jīng)協(xié)商共同乘坐同一輛車(chē)并分擔(dān)費(fèi)用的共享出行模式。拼車(chē)因其社會(huì)和經(jīng)濟(jì)價(jià)值而得到了廣泛應(yīng)用，也逐漸由原先熟人間的小范圍共乘變?yōu)槿缃袷忻耖g的大規(guī)模拼車(chē)。當(dāng)下越來(lái)越多的共享出行平臺(tái)推出拼車(chē)服務(wù)。

在拼車(chē)過(guò)程中，比較關(guān)鍵的部分就是出行Agent和車(chē)輛Agent之間的交互協(xié)商模塊，該模塊直接對(duì)仿真的真實(shí)性產(chǎn)生決定性影響。協(xié)商模塊涉及到路徑協(xié)商、乘客和機(jī)動(dòng)車(chē)時(shí)間表協(xié)商以及通勤個(gè)體社會(huì)關(guān)系和信任度等方面的協(xié)商。如何將Agent之間的異質(zhì)性和環(huán)境的客觀(guān)性盡可能科學(xué)有效地定義和仿真，是如今眾多學(xué)者研究和未來(lái)發(fā)展的主流方向。Cho[12]提出了一個(gè)基于Agent模型的概念設(shè)計(jì)，在Agent協(xié)商交互、影響因素和路由匹配等方面提出模型架構(gòu)，具有一定的借鑒意義。Hussain[13]所構(gòu)建的概念模型在Agent協(xié)商交互的基礎(chǔ)上，還同時(shí)考慮了通勤者個(gè)體日?；顒?dòng)對(duì)拼車(chē)行為的影響，彌補(bǔ)了通勤者在異質(zhì)性上的不足。同時(shí)在Agent環(huán)境信息細(xì)節(jié)方面，Bellemans[14]在基礎(chǔ)框架上，依賴(lài)于從全球定位系統(tǒng)、全球移動(dòng)通信系統(tǒng)和藍(lán)牙等大數(shù)據(jù)源獲得的綜合信息，通過(guò)給定連續(xù)數(shù)據(jù)流作為支持，給仿真環(huán)境提供了切實(shí)可靠的數(shù)據(jù)保障。當(dāng)然，仿真的最終目標(biāo)不僅僅是達(dá)到一種預(yù)測(cè)評(píng)價(jià)的作用，而是通過(guò)不斷的完善發(fā)展建立一個(gè)具有實(shí)時(shí)仿真能力的模擬環(huán)境。Sghaier[15]在拼車(chē)框架中，通過(guò)加入一種對(duì)用戶(hù)提供查詢(xún)即時(shí)反映的優(yōu)化算法，來(lái)對(duì)查詢(xún)行為進(jìn)行優(yōu)化。

在算法研究方面，研究者多對(duì)個(gè)體行為方面進(jìn)行開(kāi)發(fā)。對(duì)于機(jī)動(dòng)車(chē)路徑選擇方面，基于Multi-Agent的建模多考慮最短路徑原則，HAMMADI[16]在Dijkstra分布式動(dòng)態(tài)分配算法的基礎(chǔ)上結(jié)合具有更多優(yōu)化標(biāo)準(zhǔn)的啟發(fā)式算法，通過(guò)結(jié)合2種算法對(duì)拼車(chē)路徑協(xié)商分配過(guò)程進(jìn)行了優(yōu)化。Farhan[17]提出了一個(gè)集成優(yōu)化和離散事件仿真的框架來(lái)模擬自組織進(jìn)化算法，算法包含了一種路由優(yōu)化模型，并用搜索優(yōu)化算法進(jìn)行求解。

再分配是仿真建模細(xì)節(jié)中的重要一環(huán)，拼車(chē)再分配主要是指出行個(gè)體在進(jìn)行拼車(chē)交互過(guò)程中如何協(xié)商合作確定共行訂單或者在協(xié)商過(guò)程中訂單產(chǎn)生變化后如何進(jìn)行在協(xié)調(diào)等問(wèn)題。研究者們通過(guò)提出匹配或劃分的算法模型以及設(shè)定結(jié)構(gòu)關(guān)系，使再分配這一部分更加真實(shí)化和詳細(xì)化，從而減少該部分模塊對(duì)仿真結(jié)果的影響。Keren[18]創(chuàng)新提出利用圖論領(lǐng)域的工具來(lái)解決交通運(yùn)輸應(yīng)用中基于Agent的模型中Agent群體的匹配和分配問(wèn)題，圖論工具可以簡(jiǎn)化匹配過(guò)程中的運(yùn)算復(fù)雜性，并且具有科學(xué)的解釋機(jī)制，并且通過(guò)模擬證明該方法在解決代理的匹配和劃分是有可行性的。Nourinejad[19]在原一個(gè)駕駛員匹配多個(gè)乘客的匹配機(jī)制基礎(chǔ)上，提出了一個(gè)基于代理的模型來(lái)解決動(dòng)態(tài)網(wǎng)格劃分問(wèn)題，模型靈活地解決了允許一個(gè)或多個(gè)駕駛員與一個(gè)或多個(gè)乘客匹配的乘車(chē)方案。

影響因素研究也是基于Agent拼車(chē)仿真的重要領(lǐng)域，在研究層次上分為個(gè)體層面影響因素和環(huán)境層面影響因素，在個(gè)體層面，Beutel[20]在Multi-Agent建模中考慮出行Agent對(duì)激勵(lì)的敏感程度相關(guān)問(wèn)題，通過(guò)模擬來(lái)分析激勵(lì)政策對(duì)拼車(chē)意愿的影響。Wang[21]在仿真過(guò)程中，考慮了Agent之間的社交關(guān)系，即考慮了具有不同社會(huì)接觸的異質(zhì)容忍和意愿，通過(guò)仿真模擬的方法揭示了社會(huì)網(wǎng)絡(luò)的空間分布對(duì)出行的影響。Lokhandwala[22]考慮了由于共享而導(dǎo)致的可接受的出行偏差中的個(gè)體異質(zhì)性，即在一個(gè)組中一起旅行的乘客數(shù)量和可用的車(chē)輛容量之間的差異性。在環(huán)境影響因素的層面，當(dāng)下比較聚焦的影響因素主要為交通運(yùn)營(yíng)組織因素和社會(huì)行業(yè)業(yè)態(tài)組成等因素。Masoud[23]考慮了交通環(huán)境狀況對(duì)Agent拼車(chē)的影響，模擬預(yù)測(cè)不同環(huán)境下對(duì)拼車(chē)需求的影響。Bilali[24]在仿真框架中考慮了服務(wù)質(zhì)量參數(shù)對(duì)共享能力(如繞行時(shí)間、最大等待時(shí)間和上下車(chē)時(shí)間)產(chǎn)生的影響。Arian[25]在仿真中考慮目前社會(huì)共享市場(chǎng)新業(yè)態(tài)的變化對(duì)拼車(chē)的影響，通過(guò)增加或減少業(yè)態(tài)個(gè)數(shù)對(duì)具有不同社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的不同城市進(jìn)行仿真觀(guān)察。

2.2.2 拼車(chē)仿真關(guān)鍵要素

體系結(jié)構(gòu)(N=4)：在構(gòu)建框架之前，應(yīng)當(dāng)優(yōu)先考慮仿真框架的體系結(jié)構(gòu)。目前基于Agent仿真框架多采用分布式體系結(jié)構(gòu)，Multi-Agent系統(tǒng)在分布式人工智能環(huán)境中十分有效。Hammadi[12,26]將基于Multi-Agent系統(tǒng)與優(yōu)化概念進(jìn)行結(jié)合，提出了一種分布式體系結(jié)構(gòu)來(lái)開(kāi)發(fā)實(shí)時(shí)拼車(chē)系統(tǒng)，該系統(tǒng)優(yōu)化了出行時(shí)間、出行成本和環(huán)境收益等指標(biāo)。在此結(jié)構(gòu)體系下，Hammadi[16]部署大量自治實(shí)體對(duì)拼車(chē)環(huán)境進(jìn)行仿真，在此種設(shè)定之下有助于在已建立的區(qū)域上執(zhí)行分散的并行過(guò)程，大大降低了復(fù)雜程度。

溝通協(xié)商(N=9)：溝通協(xié)商是仿真研究的另一個(gè)關(guān)鍵要素，通常協(xié)商溝通發(fā)生在拼車(chē)者和司機(jī)自身之間的交互。Cho[12]作者考慮了拼車(chē)者之間的交互溝通行為，通過(guò)定義Agent之間的雙向社會(huì)關(guān)系和拼車(chē)意向評(píng)估行為，對(duì)拼車(chē)過(guò)程和可能性進(jìn)行了詳細(xì)的建模。Hassain[27-31]在模擬長(zhǎng)期的拼車(chē)行為過(guò)程中，重點(diǎn)關(guān)注溝通協(xié)商模塊，在協(xié)商中考慮了出行時(shí)間、司機(jī)分配等要素。Khan[13]開(kāi)發(fā)了一個(gè)基于Agent的長(zhǎng)期拼車(chē)系統(tǒng)，用來(lái)模擬人們?cè)诤献鳑Q策時(shí)的行為。Knapen[32]通過(guò)建立拼車(chē)模型，將重新調(diào)度和路徑選擇兩者結(jié)合起來(lái)進(jìn)行綜合考量，之后 Knapen[33]使用一個(gè)簡(jiǎn)單的協(xié)商機(jī)制，旨在尋找代理之間可接受的協(xié)議拼車(chē)。

算法要素(N=9)：Guo[34]引入了一種新的基于Multi-Agent的自適應(yīng)遺傳算法來(lái)求解線(xiàn)性規(guī)劃問(wèn)題。該方法已成功應(yīng)用于解決長(zhǎng)期拼車(chē)問(wèn)題。Bilali[24]通過(guò)基于Multi-Agent的方法確定了對(duì)拼車(chē)影響最顯著的指標(biāo)。Keren[18]在基于Agent的拼車(chē)應(yīng)用模型中使用圖論工具來(lái)匹配和劃分Agent的問(wèn)題，該模型屬于運(yùn)輸和交通建模領(lǐng)域。Sghaier[35]考慮到仿真系統(tǒng)冗長(zhǎng)的計(jì)算和繁重的處理，作者引入優(yōu)化實(shí)時(shí)拼車(chē)(ORTiC)的新優(yōu)化方法，通過(guò)減低個(gè)體之間協(xié)商復(fù)雜程度，簡(jiǎn)化計(jì)算，優(yōu)化了系統(tǒng)性能。Segui-Gasco[36]提出了一個(gè)新穎的模擬工具，可以模擬復(fù)雜的乘車(chē)共享服務(wù)。該工具由2個(gè)主要的基于代理的組件組成: 一個(gè)模型使用MATSim實(shí)現(xiàn)，以及一個(gè)車(chē)隊(duì)模擬器IMSim。Cheikh[37]使用了一種多代理技術(shù)，處理動(dòng)態(tài)拼車(chē)匹配問(wèn)題。Naseri[38]使用NetLogo軟件模擬旅行分享場(chǎng)景，考慮的3個(gè)參數(shù)是乘客數(shù)量、可接受的旅行共享半徑和可接受的等待時(shí)間。Wang[21]提出了一種新的基于協(xié)作活動(dòng)的拼車(chē)模型，不僅可以提高整體匹配率，還可以提高首選拼車(chē)伙伴之間的匹配率。Fagnant[39]這項(xiàng)工作描述了對(duì)現(xiàn)有的基于代理和網(wǎng)絡(luò)的SAV模擬的改進(jìn)，實(shí)現(xiàn)了動(dòng)態(tài)乘車(chē)共享，將多個(gè)出發(fā)地、目的地和出發(fā)時(shí)間相似的旅客集中在同一輛車(chē)上，優(yōu)化了車(chē)隊(duì)規(guī)模。

拼車(chē)要素(N=6)：Hussain[27]分析了在不同程度的活動(dòng)約束下，對(duì)拼車(chē)成功率的影響。Beutel[20]通過(guò)基于Multi-Agent仿真，比較了不同激勵(lì)下對(duì)拼車(chē)使用情況的影響。J.Farhan[17]提出了一個(gè)集成優(yōu)化和離散事件仿真的框架來(lái)分析引入拼車(chē)服務(wù)后的好處。Masoud[23]利用基于Agent的仿真模型研究拼車(chē)車(chē)道的可用性和交通狀況對(duì)拼車(chē)需求的影響。Chen[40]探討動(dòng)態(tài)拼車(chē)與公共交通之間的競(jìng)爭(zhēng)機(jī)制。Bilali[24]提出了一個(gè)分析模型，模型研究了諸如繞行、最大等待時(shí)間和上車(chē)時(shí)間等服務(wù)質(zhì)量參數(shù)對(duì)共享水平影響。

信息提取(N=3)：Bellemans[14]提出一種概念模型，模型從大數(shù)據(jù)源獲得的綜合信息。大數(shù)據(jù)為大部分人口提供了確切的個(gè)人屬性。Knapen[32]實(shí)際數(shù)據(jù)分析，提取出行時(shí)間、出行選擇等個(gè)人屬性信息，在提取的基礎(chǔ)上Knapen[41]假設(shè)時(shí)間和路徑(路線(xiàn))相似性是談判成功的相關(guān)因素。

方案和決策支持(N=6)：Arian[25]引入了一個(gè)基于代理的模型，可以用來(lái)模擬通勤者和旅行者對(duì)引入創(chuàng)新的移動(dòng)選項(xiàng)和商業(yè)模式的反應(yīng)。Robert[42]運(yùn)用Multi-Agent仿真對(duì)博弈激勵(lì)政策進(jìn)行了評(píng)估。Nourinejad[19]提出了一種基于Agent的模型來(lái)解決動(dòng)態(tài)網(wǎng)格劃分問(wèn)題。模型靈活地解決了允許單個(gè)或多個(gè)駕駛員與單個(gè)或多個(gè)乘客匹配的乘車(chē)方案。Lokhandwala[22]使用基于代理的建模分析了出租車(chē)共享的潛在好處和缺點(diǎn)，評(píng)估使用傳統(tǒng)出租車(chē)(輪班)和共享自主出租車(chē)的拼車(chē)優(yōu)勢(shì)和劣勢(shì)。Farhan[43]通過(guò)實(shí)例仿真說(shuō)明在自動(dòng)電動(dòng)汽車(chē)環(huán)境下，與叫車(chē)服務(wù)相比，乘坐共享的好處。Zhang[44]研究設(shè)計(jì)并應(yīng)用了一個(gè)基于Agent的模型來(lái)模擬共享自駕汽車(chē)系統(tǒng)的性能并評(píng)估其潛在收益。

2.3 基于Agent的汽車(chē)共享研究

2.3.1 研究目的

汽車(chē)共享是一種在生活工作區(qū)周邊，以汽車(chē)使用權(quán)替代擁有權(quán)，滿(mǎn)足居民短時(shí)用車(chē)需求的新型交通模式。當(dāng)前汽車(chē)共享模式多為網(wǎng)約車(chē)模式和汽車(chē)租賃模式。

在基于Multi-Agent建模的汽車(chē)共享研究領(lǐng)域，學(xué)者們多聚焦于軟件框架構(gòu)建和建立共享模型。Laarabi[45]描述了一個(gè)新的基于代理的需求建?？蚣?，該框架應(yīng)用離散選擇技術(shù)，通過(guò)考慮個(gè)人偏好、行為和生活方式對(duì)與每種交通方式相關(guān)的效用的影響來(lái)預(yù)測(cè)汽車(chē)共享需求。Kl?ppel[46]介紹了一個(gè)基于Agent的BeeZero汽車(chē)租賃服務(wù)仿真模型的開(kāi)發(fā)和實(shí)現(xiàn)。該模型能夠分析到達(dá)空車(chē)所需的步行距離。Hu[47]為線(xiàn)性運(yùn)輸系統(tǒng)開(kāi)發(fā)了一個(gè)基于代理的仿真模型，以評(píng)估3種類(lèi)型的車(chē)輛共享操作。Ciari[48-53]為了深入了解共享移動(dòng)系統(tǒng)將大規(guī)模實(shí)現(xiàn)的未來(lái)可能場(chǎng)景，使用了基于代理的仿真MATSim建立一個(gè)預(yù)測(cè)性和政策敏感性模型，供從業(yè)者和政策制定者用來(lái)測(cè)試任何類(lèi)型的汽車(chē)共享情景。

還有一部分學(xué)者聚焦于汽車(chē)共享需求預(yù)測(cè)和影響評(píng)估，Giorgione[54]提出了一個(gè)探索性的分析，基于可用性的動(dòng)態(tài)定價(jià)方案如何影響需求和供應(yīng)績(jī)效。Heilig[55]將汽車(chē)共享在基于代理的旅行需求模型中集成。Jeribi[56]提出了一種基于Multi-Agent方法的進(jìn)化優(yōu)化，該方法考慮了所有可能的運(yùn)輸方式，包括車(chē)輛共享、換乘，以滿(mǎn)足運(yùn)輸用戶(hù)的出行需求。

2.3.2 汽車(chē)共享仿真關(guān)鍵要素

影響因素(N=3)：Kl?ppel[46]介紹了基于代理的beezero共享服務(wù)仿真模型的開(kāi)發(fā)與實(shí)現(xiàn)。Schroder[57]考慮了個(gè)人心理因素影響。Balac[58]提出了一種使用代理的模擬來(lái)探討不同停車(chē)價(jià)格對(duì)共享需求的影響。

模型和方案要素(N=7)：Li[47]為線(xiàn)性運(yùn)輸系統(tǒng)開(kāi)發(fā)了一個(gè)基于代理的仿真模型，以評(píng)估3種不同的車(chē)輛共享操作。Ciari[48-53]在現(xiàn)有的基于Agent的交通微觀(guān)仿真工具M(jìn)ATSim-T的環(huán)境下，提出了一個(gè)用該方法對(duì)大規(guī)模車(chē)輛共享方案進(jìn)行建模的框架。Heilig[55]建立了一種多天數(shù)仿真模型，可以分析關(guān)于一周中不同天的使用差異的問(wèn)題。對(duì)這些差異進(jìn)行建模，以了解汽車(chē)共享的使用情況。

定價(jià)方案(N=1)：Giorgione[54]提出基于可用性的動(dòng)態(tài)定價(jià)方案如何影響需求和供應(yīng)績(jī)效。

需求要素(N=1)：Laarabi[59]描述了一個(gè)新的基于代理的需求建?？蚣?，通過(guò)考慮個(gè)人偏好、行為和生活方式對(duì)與每種交通方式相關(guān)的效用的影響來(lái)預(yù)測(cè)共享需求。

3 討論

基于Multi-Agent的共享出行仿真是近年來(lái)比較熱門(mén)的一個(gè)研究領(lǐng)域，我們選擇使用Multi-Agent仿真方法，其優(yōu)勢(shì)在于仿真技術(shù)可以降低投資成本，獲得大量的研究數(shù)據(jù)。在仿真過(guò)程中，我們可以加快仿真進(jìn)程，并且可以自由調(diào)整仿真情景，從而保證試驗(yàn)的安全性。鑒于Multi-Agent的仿真方法在共享出行領(lǐng)域研究具有巨大潛力，本研究經(jīng)過(guò)大量篩選選取了契合目標(biāo)對(duì)象的經(jīng)典論文進(jìn)行系統(tǒng)綜述。論文的第1部分介紹了文獻(xiàn)的處理工作并對(duì)文章中相關(guān)的要素(論文質(zhì)量、仿真平臺(tái)、論文地區(qū)分布和數(shù)量)進(jìn)行了統(tǒng)計(jì)；第2部分對(duì)3類(lèi)共享模式進(jìn)行了研究目的和關(guān)鍵要素的審查。

在研究目的和研究出發(fā)點(diǎn)方面，我們發(fā)現(xiàn)現(xiàn)存文章大致分為宏觀(guān)和微觀(guān)2個(gè)方向，在宏觀(guān)上多討論共享交通新增模式對(duì)現(xiàn)存交通模式和社會(huì)系統(tǒng)的影響問(wèn)題，在微觀(guān)層面上則多研究的是如何開(kāi)發(fā)或者優(yōu)化出更高效的算法和模型，從而提高模型運(yùn)行效率并降低誤差。

在模型質(zhì)量審查方面，如表3所示，我們分別從仿真方法、模型、結(jié)果3個(gè)方面進(jìn)行了審查，統(tǒng)計(jì)結(jié)果中發(fā)現(xiàn)，所審查的論文都比較側(cè)重Agent的細(xì)節(jié)設(shè)計(jì)，在Agent模型行為評(píng)估一項(xiàng)中，多數(shù)文章中考慮了個(gè)體的適應(yīng)性、學(xué)習(xí)、感知、預(yù)測(cè)、交互、異質(zhì)性和隨機(jī)性。其中自適應(yīng)性指模型中出行者Agent在等待過(guò)程中具有自適應(yīng)行為，出行者可以通過(guò)調(diào)度平臺(tái)Agent感知道路上的所有車(chē)輛，自行預(yù)測(cè)并且調(diào)整出行時(shí)間。交互性則表現(xiàn)在出行者對(duì)于環(huán)境和車(chē)輛變化時(shí)產(chǎn)生的反應(yīng)機(jī)制。Agent的異質(zhì)性通常表現(xiàn)在乘客偏好和車(chē)輛出行時(shí)間偏好等方面。隨機(jī)性通常是指在模擬初始化過(guò)程中，Agent的分布和性質(zhì)設(shè)定往往具有隨機(jī)性。Agent學(xué)習(xí)性通常是指通過(guò)設(shè)定的最優(yōu)化選擇模式來(lái)改變當(dāng)前的選擇從而提高自身的性能。在仿真平臺(tái)使用方面，57.6%的文章提及平臺(tái)的使用情況(如表3所示)，其中多數(shù)論文使用MATSim作為仿真平臺(tái)對(duì)共享交通模式進(jìn)行模擬(如表2所示)。MATSim作為Multi-Agent仿真軟件，具有優(yōu)秀的仿真和編譯能力，MATSim拓展了遺傳算法，代理之間可以通過(guò)協(xié)同進(jìn)行集體學(xué)習(xí)和交互。MATSim可以在迭代中進(jìn)行重新調(diào)度和路由選擇，從而達(dá)到動(dòng)態(tài)的用戶(hù)平衡。

我們?cè)诘?部分對(duì)3種出行模式的審查后發(fā)現(xiàn)，目前拼車(chē)模式和汽車(chē)共享模式文章數(shù)量較多，自行車(chē)共享方向的數(shù)量較少，機(jī)動(dòng)車(chē)共享模式仍然是研究熱點(diǎn)，非機(jī)動(dòng)車(chē)共享未來(lái)仍有較大研究潛力。在關(guān)鍵要素設(shè)計(jì)方面，當(dāng)設(shè)計(jì)共享交通系統(tǒng)時(shí)，研究者需要考慮車(chē)輛和出行者設(shè)計(jì)細(xì)節(jié)，包括駕駛員偏好、出行者拼車(chē)偏好以及自身社會(huì)屬性等相關(guān)因素。同時(shí)在環(huán)境和規(guī)則設(shè)計(jì)方面，建模過(guò)程中需要考慮系統(tǒng)運(yùn)行的策略，包括調(diào)度策略、分配策略、運(yùn)行策略、收費(fèi)策略和重新定位策略等。系統(tǒng)的性能也是應(yīng)當(dāng)重視的要素，過(guò)長(zhǎng)的等待時(shí)間或者過(guò)大的仿真范圍往往都不利于仿真的實(shí)現(xiàn)，但目前審查的文章中對(duì)這一要素幾乎沒(méi)有進(jìn)行著重介紹。作者認(rèn)為存在以下2方面原因：(1)目前多數(shù)模型只是概念模型，并無(wú)實(shí)際數(shù)據(jù)投入仿真；(2)目前建模檢驗(yàn)和評(píng)價(jià)缺乏統(tǒng)一標(biāo)準(zhǔn)，所以多數(shù)文章僅聚焦于模型創(chuàng)新，忽略了系統(tǒng)性能評(píng)估。在車(chē)輛個(gè)體建模方面，值得注意的是，除了個(gè)別考察共享車(chē)輛業(yè)態(tài)影響的論文外，很少有文章在整體系統(tǒng)中考慮私人車(chē)輛設(shè)計(jì)，而多數(shù)文章是對(duì)共享模式進(jìn)行模擬，忽略了其他日常生活中的乘坐模式。這說(shuō)明目前大多數(shù)研究者為了簡(jiǎn)化模擬過(guò)程，往往對(duì)現(xiàn)實(shí)社會(huì)中其他交通模式進(jìn)行經(jīng)驗(yàn)設(shè)計(jì)甚至進(jìn)行忽略處理。對(duì)于需求設(shè)計(jì)方面，研究者對(duì)需求往往是靜態(tài)設(shè)定的，并且很多異質(zhì)性參數(shù)也是根據(jù)經(jīng)驗(yàn)設(shè)計(jì)，不能表現(xiàn)真實(shí)世界動(dòng)態(tài)的需求，并且基于Agent的環(huán)境網(wǎng)絡(luò)結(jié)構(gòu)往往缺少精度或者僅僅是概念線(xiàn)路，所得出的結(jié)論往往具有理論價(jià)值，但準(zhǔn)確性有待于驗(yàn)證。本研究認(rèn)為通過(guò)實(shí)際數(shù)據(jù)分析提取出特性仿真參數(shù)是十分必要的，這種做法能夠大大提高系統(tǒng)的穩(wěn)定性。并且在這一部分的審查過(guò)程中，我們發(fā)現(xiàn)大部分文章并沒(méi)有對(duì)模型使用的數(shù)據(jù)和建模細(xì)節(jié)進(jìn)行詳細(xì)的介紹，這使得讀者不能很好地理解模型的具體情況。因此，在相關(guān)的論文建模中，如果能夠提供一套建模的規(guī)范標(biāo)準(zhǔn)，對(duì)于論文的閱讀和比較會(huì)變得相對(duì)容易。

我們也對(duì)未來(lái)基于Multi-Agent的共享交通研究可能方向進(jìn)行了一定的思考：

(1)隨著共享交通這種新業(yè)態(tài)的產(chǎn)生，多數(shù)研究聚焦于這種新業(yè)態(tài)進(jìn)入社會(huì)后未來(lái)交通系統(tǒng)發(fā)展的性能變化問(wèn)題。多數(shù)研究者目前可能只考察極為理想的情況，即完全共享交通模式情況下的狀態(tài)研究，并且很大程度上對(duì)出行網(wǎng)絡(luò)進(jìn)行了簡(jiǎn)化處理。

(2)多數(shù)研究采用對(duì)網(wǎng)絡(luò)進(jìn)行同向比較的方式以達(dá)到簡(jiǎn)化控制變量目的，從而忽略真實(shí)道路網(wǎng)絡(luò)復(fù)雜性。如果在未來(lái)能夠建立一種基于真實(shí)動(dòng)態(tài)數(shù)據(jù)環(huán)境的模擬系統(tǒng)，系統(tǒng)中環(huán)境信息、Agent異質(zhì)性都根據(jù)實(shí)際數(shù)據(jù)進(jìn)行同步，這種系統(tǒng)將能夠真實(shí)反映現(xiàn)實(shí)環(huán)境。在此情況下，表現(xiàn)Agent交互關(guān)系的博弈模型，Agent協(xié)商模型、收費(fèi)以及策略模型、交通流量模型等都需要進(jìn)行開(kāi)發(fā)集成，具有一定難度和挑戰(zhàn)。

(3)從研究的目的性上看，目前的研究多考慮的是系統(tǒng)設(shè)計(jì)上的算法優(yōu)劣比較或者某一影響因素對(duì)宏觀(guān)參數(shù)的影響問(wèn)題，如果我們能將這種方法運(yùn)用于政策支持，并在與其他決策模型的比較中證明出本方法的優(yōu)越性，這也是一種可行的研究方向。

(4)從研究技術(shù)上看，將此技術(shù)與共享自動(dòng)駕駛技術(shù)相結(jié)合，充分運(yùn)用基于Agent模型的微觀(guān)性提高自駕系統(tǒng)性能?；蛘咄ㄟ^(guò)創(chuàng)新算法模型，提高模擬效率，都是未來(lái)研究方向以及關(guān)鍵科學(xué)問(wèn)題。

4 結(jié)論

本研究對(duì)基于Agent的共享出行仿真研究進(jìn)行了系統(tǒng)而全面的綜述。我們對(duì)基于Multi-Agent建模仿真方法在共享出行的3個(gè)領(lǐng)域進(jìn)行階段性的總結(jié)。為研究者提供了具有參考和引導(dǎo)意義的綜述信息。文章著重比較了建模中應(yīng)考慮的因素，包括：仿真目的、仿真的主要參數(shù)、仿真平臺(tái)、仿真結(jié)構(gòu)等。通過(guò)統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)，拼車(chē)領(lǐng)域使用Multi-Agent建模方法的文章較多，該建模方法在拼車(chē)研究中多用于提供匹配模擬和訂單再分配等方面的支持。在研究的整體階段上來(lái)看，基于Multi-Agent建模方法在共享出行方面的研究仍處于起始階段，文獻(xiàn)數(shù)量較少，研究者們多處于基礎(chǔ)模型的構(gòu)建和算法開(kāi)發(fā)階段。此階段模型缺少實(shí)際數(shù)據(jù)的檢驗(yàn)，仍存在不足和改進(jìn)之處。在未來(lái)，基于Multi-Agent建模方法在動(dòng)態(tài)仿真以及行為算法開(kāi)發(fā)方向仍具有較大的挖掘潛力。

本研究彌補(bǔ)了基于Agent的共享出行仿真最新研究綜述的空白，并對(duì)共享出行模式進(jìn)行了分類(lèi)，使得論文中所用的Multi-Agent仿真模型更具有明確的方向。此外，本研究采用系統(tǒng)綜述方式，通過(guò)將模型間的對(duì)比聚焦到建模的各個(gè)環(huán)節(jié)，從而使得模型分析更加具有條理性，對(duì)于研究者來(lái)說(shuō)便于理解。但本研究存在一定局限性，文獻(xiàn)檢索階段主要通過(guò)4個(gè)主要數(shù)據(jù)庫(kù)檢索經(jīng)典前沿國(guó)際論文，勢(shì)必會(huì)有一些論文遺漏。下一步，我們將通過(guò)對(duì)照經(jīng)典論文，開(kāi)發(fā)相應(yīng)仿真模型、算法和實(shí)例，探究共享出行的具體決策問(wèn)題。