基于智能体仿真的 CBD 拥堵收费评估：来自纽约市的案例研究

拥堵收费已被广泛开发和采用，作为缓解城市交通拥堵和增强交通系统可持续性的有效工具。然而，这些收费方案通常是针对逐个城市甚至逐个区域定制的，而进行现场实验的成本往往使得设计和评估过程充满挑战。在这项工作中，我们利用 MATSim，一个提供智能体层面微观行为的仿真平台，来评估收费方案的性能。具体而言，我们在大规模智能体行为设置下，使用细粒度交通网络模型，对纽约市（NYC）曼哈顿中央商务区（CBD）进行了案例研究。MATSim 的灵活性使得能够实施由 NYC 机构提出但尚未部署的定制收费政策，并提供详细的解释。定量和定性结果表明，测试的收费计划可以调节 CBD 区域的私家车流量并鼓励公共交通的使用，这被证明是迈向可持续交通系统的切实举措。更重要的是，我们的工作表明，基于智能体的仿真有助于更好地理解密集复杂城市环境中受收费影响的出行模式变化，并且有潜力促进致力于可持续交通管理的高效决策。