通过可微分基于智能体的仿真设计共享单车系统动态定价

共享单车系统作为一种新型环保交通系统正在多个城市兴起。在这些系统中，时空变化的用户需求导致自行车站点库存失衡，从而产生额外的调度成本。因此，通过最优动态定价管理系统中的用户需求至关重要。然而，此类系统的最优定价设计具有挑战性，因为系统涉及具有不同背景的用户及其概率性选择。为解决这一问题，我们开发了一种可微分基于智能体的仿真，以快速设计共享单车系统中的动态定价，在时空异构出行和概率性用户决策下实现均衡的自行车库存。我们首先通过涉及 25 个自行车站点和五个时段、产生 100 个参数的数值实验，将我们的方法与传统方法进行了验证。与传统方法相比，我们的方法获得了更精确的解，损失降低了 73% 至 78%，同时收敛速度提高了 100 倍以上。我们进一步在涉及 289 个自行车站点、共计 1156 个参数的大规模城市共享单车系统场景中验证了该方法。通过使用所得定价策略进行仿真，我们确认这些策略能够在无需任何人工调度的情况下自然地诱导库存均衡。此外，我们发现通过设置适当的初始条件，可以使诱导库存均衡所需的折扣成本最小化。