基于新型智能体建模框架识别自动驾驶网约车关键车队规模

网约车平台通过求解常涉及乘客匹配、定价与车辆路径等决策问题，提供按需共享出行服务。这些问题频繁地以聚合数学模型表示，并由研究者设计算法方法求解。网约车环境日益增加的复杂性损害了聚合方法的准确性，因此提示需要诸如智能体模型等替代性方法，以捕捉网约车系统中的复杂动态水平。使用这些智能体模型模拟网约车车队已是诸多研究的焦点；然而，此前缺乏关于如何构建模型以真实模拟车队运营的规范性方法。为弥合此研究缺口，我们基于智能体建模理论基本原理，提供了一套构建网约车车队定制智能体模型的框架。我们还引入了基于该框架构建仿真器所需各模块的模型构建顺序。为展示框架优势，我们运用其解决自动驾驶网约车车队最小车队规模估计这一高度非线性问题。为此，我们依据排队论原理探究系统参数间关系，并推导与验证了一种新颖的接客等待时间模型。通过对曼哈顿、旧金山、巴黎和巴塞罗那城市区域的网约车车队功能建模，我们发现网约车车队在临界车队规模之上以零指派时间的队列运行。我们还表明，接客等待时间在网约车运营最小车队规模估计中具有关键作用，在给定系统参数下，智能体建模是其识别的更可靠途径。