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(chē)平臺(tái)為代表的交通運(yùn)輸新業(yè)態(tài)蓬勃發(fā)展，為運(yùn)輸服務(wù)市場(chǎng)帶來(lái)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(yùn)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(tái)是指通過(guò)制定規(guī)則并接受乘客和司機(jī)請(qǐng)求的第三方移動(dòng)互聯(lián)平臺(tái)(例如：Uber、Lyft、滴滴等)。網(wǎng)約共享出行平臺(tái)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(tái)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(chē)、路已經(jīng)實(shí)現(xiàn)大范圍信息實(shí)時(shí)采集，應(yīng)用移動(dòng)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(guó)網(wǎng)約車(chē)監(jiān)管信息交互平臺(tái)統(tǒng)計(jì)，截至2020年12月31日，全國(guó)共有214 家網(wǎng)約車(chē)平臺(tái)公司取得網(wǎng)約車(chē)平臺(tái)經(jīng)營(yíng)許可，共發(fā)放網(wǎng)約車(chē)駕駛員證289.1萬(wàn)本、車(chē)輛運(yùn)輸證112.0萬(wàn)本。2020年12月，全國(guó)網(wǎng)約車(chē)監(jiān)管信息交互平臺(tái)共收到訂單信息8.1億單，其中有10個(gè)網(wǎng)約車(chē)平臺(tái)的當(dāng)月訂單量超過(guò)100 萬(wàn)單。截至2020年底，我國(guó)網(wǎng)約車(chē)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(dòng)互聯(lián)出行方式，產(chǎn)生了海量龐雜、異質(zhì)多源、大尺度時(shí)空關(guān)聯(lián)的交通大數(shù)據(jù)，蘊(yùn)含能夠描述復(fù)雜交通系統(tǒng)供需態(tài)勢(shì)的信息。

為更好地滿足社會(huì)公眾多樣化出行需求，促進(jìn)出租汽車(chē)行業(yè)和互聯(lián)網(wǎng)融合發(fā)展，國(guó)務(wù)院辦公廳于2016年7月26日發(fā)布了《國(guó)務(wù)院辦公廳關(guān)于深化改革推進(jìn)出租汽車(chē)行業(yè)健康發(fā)展的指導(dǎo)意見(jiàn)》。次日，交通運(yùn)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(chē)經(jīng)營(yíng)服務(wù)管理暫行辦法》，規(guī)范網(wǎng)絡(luò)預(yù)約出租汽車(chē)經(jīng)營(yíng)服務(wù)行為，保障運(yùn)營(yíng)安全和乘客合法利益。2018年6月5日，交通運(yùn)輸部等七部委聯(lián)合發(fā)布網(wǎng)約車(chē)市場(chǎng)監(jiān)管工作機(jī)制，加強(qiáng)對(duì)網(wǎng)約車(chē)平臺(tái)公司、車(chē)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(yùn)用網(wǎng)約車(chē)監(jiān)管信息交互平臺(tái)等信息化手段提升監(jiān)管效能，推動(dòng)網(wǎng)約車(chē)行業(yè)健康發(fā)展。網(wǎng)約共享出行研究?jī)?nèi)容架構(gòu)如圖2所示。

網(wǎng)約車(chē)出行作為新興的移動(dòng)互聯(lián)出行方式，勢(shì)必會(huì)對(duì)交通系統(tǒng)運(yùn)行及交通結(jié)構(gòu)產(chǎn)生影響，研究移動(dòng)互聯(lián)環(huán)境下網(wǎng)約共享出行行為機(jī)理、平臺(tái)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(jià)值。面向多種出行方式和多個(gè)網(wǎng)約車(chē)平臺(tái)互相競(jìng)爭(zhēng)的復(fù)雜動(dòng)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(chē)行業(yè)規(guī)范健康發(fā)展，符合我國(guó)建設(shè)交通強(qiáng)國(guó)和新型城鎮(zhèn)化重大戰(zhàn)略需求，具有重要的現(xiàn)實(shí)意義。

本文提出網(wǎng)約共享出行研究?jī)?nèi)容框架，梳理總結(jié)近年來(lái)國(guó)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(yùn)輸管理實(shí)踐成果。通過(guò)分析移動(dòng)互聯(lián)交通大數(shù)據(jù)，特別是海量網(wǎng)約車(chē)出行數(shù)據(jù)，總結(jié)網(wǎng)約車(chē)乘客和司機(jī)的出行行為影響因素、特征辨識(shí)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(gè)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(shí)空效應(yīng)及短時(shí)預(yù)測(cè)問(wèn)題，優(yōu)化網(wǎng)約共享出行平臺(tái)定價(jià)策略，提高平臺(tái)匹配和調(diào)度效率，形成網(wǎng)約共享出行平臺(tái)管理優(yōu)化和系統(tǒng)綜合調(diào)控優(yōu)化策略，實(shí)現(xiàn)政府對(duì)網(wǎng)約車(chē)市場(chǎng)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(dòng)的仿真、數(shù)據(jù)驅(qū)動(dòng)的仿真等技術(shù)手段對(duì)理論結(jié)果進(jìn)行模擬推演和優(yōu)化驗(yàn)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(chē)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(duì)不同出行方式的選擇行為存在隨機(jī)性和動(dòng)態(tài)性，行為機(jī)理值得深入研究。近年來(lái)，基于移動(dòng)互聯(lián)交通大數(shù)據(jù)，探索個(gè)體出行活動(dòng)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(chē)乘客行為提供了有力工具。移動(dòng)互聯(lián)交通大數(shù)據(jù)既能反映整體交通狀態(tài)，又蘊(yùn)含個(gè)性化交通出行信息，成為推動(dòng)交通供需機(jī)理分析的重要源泉。在微觀個(gè)體層面，利用實(shí)測(cè)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(jì)而成的動(dòng)態(tài)交通需求模式；在行為決策調(diào)整層面，研究個(gè)體在接收動(dòng)態(tài)出行供給和即時(shí)出行需求信息時(shí)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(shí)以及行為外部性等3個(gè)方面，論述網(wǎng)約車(chē)乘客行為建模的研究成果要點(diǎn)。

(1)網(wǎng)約車(chē)乘客出行行為影響因素分析

研究發(fā)現(xiàn)不同人群對(duì)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(dòng)密度高的地區(qū)使用網(wǎng)約車(chē)頻率更高，而擁有私家車(chē)和更關(guān)心出行安全的群體則較少選擇網(wǎng)約車(chē)。CHEN等[3]建立基于集成學(xué)習(xí)的乘客拼車(chē)行為選擇模型，采用ReliefF 算法對(duì)影響拼車(chē)行為的各種因素進(jìn)行重要度排序(例如：出行時(shí)間、出行成本、行程距離、等待時(shí)間等)。LAVIERI 等[4]研究網(wǎng)約車(chē)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(duì)隱私的擔(dān)憂是阻礙拼車(chē)行為選擇的主要因素。ACHEAMPONG 等[5]通過(guò)建立多變量結(jié)構(gòu)方程模型，發(fā)現(xiàn)社會(huì)經(jīng)濟(jì)屬性、價(jià)格、可用性、安全性等因素影響通勤者對(duì)網(wǎng)約車(chē)服務(wù)的選擇。姚榮涵等[6]分別為有、無(wú)私家車(chē)人群建立混合Logit模型，分析共享自動(dòng)駕駛汽車(chē)(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(dòng)互聯(lián)大數(shù)據(jù)的網(wǎng)約共享出行需求特征辨識(shí)

一方面，已有研究通過(guò)追蹤匿名脫敏個(gè)體共享出行行為數(shù)據(jù)，量化分析居民出行興趣點(diǎn)的選擇行為，提取城市個(gè)體出行活動(dòng)鏈的統(tǒng)計(jì)特征，構(gòu)建個(gè)人出行活動(dòng)鏈生成模型，并基于個(gè)體歷史和實(shí)時(shí)出行鏈信息，實(shí)現(xiàn)對(duì)個(gè)體未來(lái)出行需求的預(yù)測(cè)。另一方面，集聚不同數(shù)據(jù)源內(nèi)的個(gè)體活動(dòng)信息，將個(gè)體劃分到群體內(nèi)，采用圖論和統(tǒng)計(jì)方法，揭示網(wǎng)約共享出行行為周期性和時(shí)空特征的形成機(jī)理，探索群體出行模式，推測(cè)出行需求演變規(guī)律。CHEN 等[7]利用網(wǎng)約車(chē)平臺(tái)的實(shí)際訂單數(shù)據(jù)驗(yàn)證動(dòng)態(tài)空間訪問(wèn)頻率的標(biāo)度律，構(gòu)建網(wǎng)約共享出行的空間訪問(wèn)預(yù)測(cè)模型，具有良好的可解釋性和預(yù)測(cè)精度。張政等[8]利用實(shí)際數(shù)據(jù)驗(yàn)證網(wǎng)約車(chē)出行需求特征分布辨識(shí)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(chē)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(guò)分析城市級(jí)道路網(wǎng)絡(luò)的網(wǎng)約車(chē)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(bǔ)全算法實(shí)現(xiàn)速度估計(jì)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(dòng)擁堵識(shí)別和擁堵緩解策略提供支撐。WANG 等[11]通過(guò)分析大量的出租車(chē)和網(wǎng)約車(chē)運(yùn)行軌跡數(shù)據(jù)，總結(jié)出行統(tǒng)計(jì)規(guī)律、出行尺度規(guī)律和客流動(dòng)力學(xué)的分析方法，以及影響需求時(shí)空特性的多種因素。

(3)網(wǎng)約車(chē)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(shì)必會(huì)對(duì)城市交通系統(tǒng)產(chǎn)生影響。已有研究通過(guò)對(duì)網(wǎng)約共享出行行為的外部影響進(jìn)行實(shí)證研究，分析網(wǎng)約共享出行的出現(xiàn)與發(fā)展，以及市場(chǎng)規(guī)范化政策出臺(tái)前后，城市交通系統(tǒng)運(yùn)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(guò)實(shí)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(chē)行為及其對(duì)城市交通的影響，發(fā)現(xiàn)拼車(chē)行為有助于減少車(chē)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(shí)，拼車(chē)服務(wù)增加了車(chē)輛座位利用率，使網(wǎng)約車(chē)司機(jī)和平臺(tái)的收入增加，也使乘客更容易在出行需求高峰時(shí)段或在供應(yīng)不足的區(qū)域找到網(wǎng)約車(chē)。ZHENG等[13]結(jié)合網(wǎng)約車(chē)訂單數(shù)據(jù)和網(wǎng)約拼車(chē)用戶調(diào)查問(wèn)卷數(shù)據(jù)，量化分析網(wǎng)約拼車(chē)對(duì)路網(wǎng)運(yùn)行車(chē)輛數(shù)的中、短期影響，并通過(guò)單獨(dú)分析調(diào)查問(wèn)卷數(shù)據(jù)得到網(wǎng)約拼車(chē)對(duì)出行者小汽車(chē)購(gòu)買(mǎi)意愿的長(zhǎng)期影響。為更好地分析年輕人的拼車(chē)出行行為特征，WANG 等[14]對(duì)滴滴快車(chē)拼車(chē)和順風(fēng)車(chē)用戶進(jìn)行問(wèn)卷調(diào)查，分析出行目的、出行時(shí)空特征、出行時(shí)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(chē)的市場(chǎng)份額損失提供依據(jù)。

1.2 網(wǎng)約車(chē)司機(jī)行為

基于網(wǎng)約車(chē)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(chē)司機(jī)行為選擇模型。網(wǎng)約車(chē)司機(jī)存在社會(huì)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(shí)空差異性等多維特征，揭示司機(jī)行為機(jī)理對(duì)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(chē)司機(jī)行為特征辨識(shí)

基于移動(dòng)互聯(lián)環(huán)境下的時(shí)空大數(shù)據(jù)，分析網(wǎng)約車(chē)司機(jī)行為的多維特征，刻畫(huà)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(chē)司機(jī)行為機(jī)理。CRAMER 等[15]通過(guò)對(duì)比UberX 司機(jī)和巡游車(chē)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(dòng)互聯(lián)網(wǎng)技術(shù)和智能手機(jī)的網(wǎng)約車(chē)駕駛員與乘客匹配技術(shù)更高效，網(wǎng)約車(chē)司機(jī)靈活的勞動(dòng)力供給模式和網(wǎng)約車(chē)平臺(tái)的動(dòng)態(tài)峰值定價(jià)機(jī)制，更有利于匹配時(shí)變出行需求。CHEN[16]研究在網(wǎng)約車(chē)司機(jī)可以自由選擇是否上班以及何時(shí)上班的情況下，動(dòng)態(tài)工資變化對(duì)服務(wù)供應(yīng)的作用機(jī)制，分析Uber 的2500 萬(wàn)條訂單數(shù)據(jù)，結(jié)果表明，動(dòng)態(tài)工資變化可以促使網(wǎng)約車(chē)司機(jī)延長(zhǎng)工作時(shí)間。YU等[17]將空駛出租車(chē)最優(yōu)路徑規(guī)劃問(wèn)題設(shè)定為馬爾可夫決策過(guò)程，以上海市12000多輛出租車(chē)的GPS 軌跡為例，計(jì)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(diǎn)啟發(fā)式策略的平均利潤(rùn)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(lái)學(xué)習(xí)網(wǎng)約車(chē)司機(jī)上、下線行為，采用k 均值算法對(duì)網(wǎng)約車(chē)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(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)約車(chē)司機(jī)上、下線行為預(yù)測(cè)。

(2)考慮工作彈性的網(wǎng)約車(chē)司機(jī)行為建模

已有研究為適應(yīng)移動(dòng)互聯(lián)環(huán)境下共享出行行為分析與時(shí)空計(jì)量方法，建立司機(jī)提供共享出行服務(wù)的動(dòng)態(tài)決策模型，形成基于大數(shù)據(jù)的全過(guò)程、跨時(shí)空共享出行模式動(dòng)態(tài)辨識(shí)與演變規(guī)律分析方法，揭示多維信息感知對(duì)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(shí)間選擇策略的勞動(dòng)力供給行為假設(shè)，構(gòu)建時(shí)間擴(kuò)展網(wǎng)絡(luò)模型，揭示多種網(wǎng)約車(chē)司機(jī)群體的工作時(shí)間選擇機(jī)理，證明了模型分析結(jié)果與市場(chǎng)均衡相一致。KE等[20]提出電動(dòng)網(wǎng)約車(chē)和燃油網(wǎng)約車(chē)的互動(dòng)分析框架，解釋兩種車(chē)型混合市場(chǎng)中的網(wǎng)約車(chē)司機(jī)行為，構(gòu)建時(shí)間擴(kuò)展網(wǎng)絡(luò)，給出電動(dòng)網(wǎng)約車(chē)司機(jī)和燃油網(wǎng)約車(chē)司機(jī)在用戶均衡情況下的工作時(shí)間排班和充電時(shí)間優(yōu)化策略，得到網(wǎng)約車(chē)平臺(tái)和電力供應(yīng)商運(yùn)營(yíng)策略對(duì)不同利益相關(guān)者的影響效應(yīng)。網(wǎng)約車(chē)司機(jī)可以靈活設(shè)計(jì)工作時(shí)間日程，小時(shí)收入率等因素會(huì)同時(shí)影響參與決策和工時(shí)決策，因此，SUN 等[21]提出計(jì)量經(jīng)濟(jì)學(xué)框架估計(jì)勞動(dòng)力供給的參與彈性(廣泛邊際彈性)和工時(shí)彈性(密集邊際彈性)，實(shí)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(chē)、網(wǎng)約車(chē)的時(shí)空分布特征，網(wǎng)約車(chē)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(lái)了顯著影響，包括：對(duì)城市交通供需的短期影響，外部表征為道路交通運(yùn)行狀態(tài)的改變；從長(zhǎng)期來(lái)看，當(dāng)網(wǎng)約共享出行方式形成習(xí)慣時(shí)，出行者的購(gòu)車(chē)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(huì)影響網(wǎng)約共享出行模式對(duì)司機(jī)的吸引力，而司機(jī)數(shù)量會(huì)反過(guò)來(lái)影響乘客候車(chē)時(shí)間，當(dāng)系統(tǒng)達(dá)到均衡時(shí)，每個(gè)用戶都不再有改變出行模式的動(dòng)機(jī)。研究網(wǎng)約共享出行的兩類參與者(對(duì)等待時(shí)間敏感的乘客及對(duì)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(qǐng)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(jià)格、工資率、溢價(jià)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(shí)間、單位等待時(shí)間成本、居民時(shí)間價(jià)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(qián)成本和出行時(shí)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(huì)成本之差。

針對(duì)網(wǎng)約共享出行系統(tǒng)中即時(shí)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(chē)市場(chǎng)多重主從博弈模型，市場(chǎng)均衡結(jié)果表明，車(chē)隊(duì)規(guī)模和定價(jià)政策對(duì)乘客總成本、平均等待時(shí)間和車(chē)隊(duì)利用率具有重要影響。李夢(mèng)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(jiǎng)勵(lì)均是鼓勵(lì)出行者參與共享出行活動(dòng)的有效措施。曹祎等[24]利用變分不等式構(gòu)建基于廣義費(fèi)用的網(wǎng)絡(luò)均衡模型，分析私家車(chē)、出租車(chē)及常規(guī)公交之間的非對(duì)稱影響，為乘客出行和網(wǎng)約車(chē)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(chē)和網(wǎng)約車(chē)均衡解的存在性，并通過(guò)數(shù)值算例給出時(shí)間價(jià)值、安全性和舒適度等參數(shù)的敏感性。YU等[26]研究動(dòng)態(tài)均衡模型中拼車(chē)的影響，綜合考慮拼車(chē)偏好、拼車(chē)成本、時(shí)間價(jià)值和延誤成本的異質(zhì)性，結(jié)果表明，不同補(bǔ)貼策略的相對(duì)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(chē)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(tái)在系統(tǒng)總成本、系統(tǒng)凈收益、最優(yōu)發(fā)車(chē)數(shù)量、平臺(tái)利潤(rùn)等不同目標(biāo)下的策略優(yōu)化，得到市場(chǎng)均衡時(shí)的出行方式劃分結(jié)果。

基于建模分析，在與網(wǎng)約車(chē)出行相關(guān)的移動(dòng)互聯(lián)大數(shù)據(jù)驅(qū)動(dòng)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(shí)間不同而存在的時(shí)空差異性，有助于掌握個(gè)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(shì)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(tái)管理優(yōu)化

2.1 單平臺(tái)管理優(yōu)化建模

在單個(gè)平臺(tái)運(yùn)營(yíng)管理優(yōu)化方面，現(xiàn)有研究構(gòu)建了3 個(gè)維度的網(wǎng)約共享出行系統(tǒng)資源優(yōu)化配置模型：在時(shí)間維度，研究動(dòng)態(tài)調(diào)控高峰期、低峰期工資和價(jià)格對(duì)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(duì)不同區(qū)域采取主動(dòng)調(diào)控策略以實(shí)現(xiàn)資源空間分布優(yōu)化；在用戶行為維度，通過(guò)設(shè)計(jì)激勵(lì)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(tái)管理優(yōu)化策略，從均衡定價(jià)優(yōu)化、動(dòng)態(tài)定價(jià)優(yōu)化、匹配和調(diào)度優(yōu)化、供需預(yù)測(cè)等4個(gè)方面，論述單一網(wǎng)約共享出行平臺(tái)管理優(yōu)化建模的研究成果要點(diǎn)。

(1)網(wǎng)約共享出行平臺(tái)均衡定價(jià)優(yōu)化

網(wǎng)約共享出行市場(chǎng)是典型的雙邊市場(chǎng)，已有研究關(guān)注網(wǎng)約共享出行平臺(tái)均衡定價(jià)優(yōu)化策略，通過(guò)調(diào)整出行定價(jià)和司機(jī)工資實(shí)現(xiàn)平臺(tái)利潤(rùn)最大化[28]。AFECHE 等[29]分析了在客戶對(duì)服務(wù)的評(píng)價(jià)不一并且使用靜態(tài)定價(jià)策略情況下，實(shí)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(jià)格高于社會(huì)福利最大化價(jià)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(duì)兩類具有不同的服務(wù)估值和等待時(shí)間敏感性用戶，分析最優(yōu)定價(jià)策略結(jié)構(gòu)。BAI等[31]基于M/M/k排隊(duì)模型，建立平臺(tái)最優(yōu)定價(jià)分析框架，考慮了對(duì)收入敏感的司機(jī)和對(duì)價(jià)格敏感的乘客(前者的機(jī)會(huì)成本和后者的感知價(jià)值均具有異質(zhì)性)，分析各種外生變量對(duì)最優(yōu)價(jià)格、最優(yōu)工資和支付比的影響，分別給出網(wǎng)約出行平臺(tái)效益最大及社會(huì)福利最大情況下的最優(yōu)定價(jià)策略。KE 等[32]揭示了平臺(tái)決策變量(出行價(jià)格、車(chē)隊(duì)規(guī)模和允許繞路時(shí)間)對(duì)關(guān)鍵內(nèi)生變量(等待時(shí)間、出行需求、成功匹配率和繞路時(shí)間)的作用機(jī)制。

(2)網(wǎng)約共享出行平臺(tái)動(dòng)態(tài)定價(jià)優(yōu)化

許多學(xué)者研究網(wǎng)約共享出行平臺(tái)定價(jià)和工資的建模與優(yōu)化，探討平臺(tái)動(dòng)態(tài)定價(jià)優(yōu)化策略，根據(jù)實(shí)時(shí)系統(tǒng)狀態(tài)動(dòng)態(tài)調(diào)整價(jià)格和工資，實(shí)現(xiàn)非短視的動(dòng)態(tài)優(yōu)化或者近似動(dòng)態(tài)優(yōu)化。NOURINEJAD 等[33]提出基于模型預(yù)測(cè)控制(Model Predictive Control，MPC)框架的動(dòng)態(tài)定價(jià)策略，允許網(wǎng)約車(chē)平臺(tái)向司機(jī)提供高于車(chē)費(fèi)的工資，這種短期損失可能會(huì)提高平臺(tái)的長(zhǎng)期利潤(rùn)。CHEN 等[34]構(gòu)建動(dòng)態(tài)司乘匹配函數(shù)，描述實(shí)時(shí)供需變化對(duì)乘客需求和空車(chē)數(shù)量的影響，分別實(shí)現(xiàn)了平臺(tái)收益最大化和保證司機(jī)收入在一定水平之上的社會(huì)福利最大化，并提出基于近似動(dòng)態(tài)規(guī)劃(Approximate Dynamic Programming，ADP)的序列優(yōu)化問(wèn)題求解算法，結(jié)果表明，動(dòng)態(tài)定價(jià)和激勵(lì)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(dòng)態(tài)定價(jià)相結(jié)合的激勵(lì)方案，即允許乘客在高峰期向激勵(lì)賬戶充值，補(bǔ)貼非高峰時(shí)段出行花費(fèi)，揭示了整合動(dòng)態(tài)定價(jià)和激勵(lì)方案對(duì)乘客效用、司機(jī)收入和平臺(tái)利潤(rùn)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(diǎn)(Origin Destination，OD)的動(dòng)態(tài)定價(jià)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(jìng)爭(zhēng)激烈的網(wǎng)約車(chē)市場(chǎng)中，高效的匹配和調(diào)度算法對(duì)于提供高質(zhì)量的即時(shí)出行服務(wù)至關(guān)重要。MASOUD等[37]提出一種解決實(shí)時(shí)拼車(chē)匹配問(wèn)題的優(yōu)化算法，引入動(dòng)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(shí)間間隔和匹配半徑是平臺(tái)的兩個(gè)關(guān)鍵控制變量，通過(guò)在不同供需水平下對(duì)兩個(gè)變量的聯(lián)合優(yōu)化，從乘客等待時(shí)間、車(chē)輛利用率和匹配率等方面提高系統(tǒng)運(yùn)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(shí)間。SANTI等[40]提出可共享網(wǎng)絡(luò)(Shareability Network,SN)概念，簡(jiǎn)化出行匹配和拼車(chē)調(diào)度問(wèn)題，將時(shí)空共享問(wèn)題轉(zhuǎn)化為具有高效計(jì)算能力的圖論框架進(jìn)行求解。VAZIFEH等[41]基于車(chē)輛可共享網(wǎng)絡(luò)，將精確的最小車(chē)隊(duì)規(guī)模優(yōu)化問(wèn)題轉(zhuǎn)化為有向圖中的最小路徑覆蓋問(wèn)題，揭示網(wǎng)約車(chē)可共享網(wǎng)絡(luò)的結(jié)構(gòu)特性，提出解決最小車(chē)隊(duì)問(wèn)題的最優(yōu)計(jì)算方案和一種可實(shí)時(shí)執(zhí)行的近似最優(yōu)解決方案，以優(yōu)化車(chē)輛部署和調(diào)度。應(yīng)用紐約市全年1.5億次出租車(chē)出行數(shù)據(jù)對(duì)以上兩種解決方案進(jìn)行測(cè)試，與紐約市出租車(chē)運(yùn)營(yíng)現(xiàn)狀相比，優(yōu)化后的出租車(chē)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(cè)

網(wǎng)約共享出行的短時(shí)供需預(yù)測(cè)對(duì)平臺(tái)運(yùn)營(yíng)管理非常重要，平臺(tái)可以基于預(yù)測(cè)結(jié)果優(yōu)化網(wǎng)約車(chē)派遣規(guī)則并推薦省時(shí)的導(dǎo)航路線，實(shí)現(xiàn)城市區(qū)域間的供需平衡。網(wǎng)約共享出行具有很強(qiáng)的空間自相關(guān)性和時(shí)間周期性，某一區(qū)域的供需關(guān)系變化會(huì)對(duì)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(huì)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(shí)空關(guān)聯(lián)性研究網(wǎng)約共享出行短時(shí)供需，成為該領(lǐng)域的研究重點(diǎn)。在時(shí)空效應(yīng)分析基礎(chǔ)上，通過(guò)適用于時(shí)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(shí)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(shí)預(yù)測(cè)模型，便于合理配置交通資源，為主動(dòng)行為誘導(dǎo)提供依據(jù)。KE 等[42]提出融合卷積長(zhǎng)短期記憶網(wǎng)絡(luò)模型(FCL-Net)，預(yù)測(cè)短時(shí)網(wǎng)約車(chē)出行需求量，該深度學(xué)習(xí)框架由多個(gè)卷積長(zhǎng)短期記憶層、標(biāo)準(zhǔn)長(zhǎng)短期記憶層和卷積層疊加融合，綜合考慮空間依賴性、時(shí)間依賴性和外生依賴性，利用滴滴平臺(tái)的實(shí)測(cè)數(shù)據(jù)，結(jié)果表明，F(xiàn)CL-Net的預(yù)測(cè)性能優(yōu)于經(jīng)典時(shí)間序列預(yù)測(cè)模型和機(jī)器學(xué)習(xí)算法。實(shí)時(shí)供需缺口受到時(shí)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(kāi)發(fā)了六邊形集成機(jī)制提高預(yù)測(cè)性，通過(guò)實(shí)際網(wǎng)約車(chē)數(shù)據(jù)集驗(yàn)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(shí)空關(guān)聯(lián)性、區(qū)域差異性和環(huán)境變化對(duì)網(wǎng)約車(chē)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(cè)，有助于減少過(guò)擬合和提高預(yù)測(cè)模型的泛化能力。

2.2 多平臺(tái)管理優(yōu)化建模

在多個(gè)相互競(jìng)爭(zhēng)的平臺(tái)運(yùn)營(yíng)管理優(yōu)化方面，出現(xiàn)了需求側(cè)和供給側(cè)的市場(chǎng)細(xì)分現(xiàn)象，現(xiàn)有研究通過(guò)優(yōu)化利潤(rùn)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(tái)的納什均衡，由于雙寡頭競(jìng)爭(zhēng)導(dǎo)致市場(chǎng)分割，進(jìn)而增大了供需匹配成本，所以平臺(tái)競(jìng)爭(zhēng)并未有效降低出行費(fèi)用或增大社會(huì)總福利。QIAN等[22]分析傳統(tǒng)出租車(chē)與網(wǎng)約車(chē)服務(wù)并存的出行市場(chǎng)，基于變分不等式證明了競(jìng)爭(zhēng)環(huán)境下出行市場(chǎng)均衡解的存在性。

網(wǎng)約共享出行市場(chǎng)的迅速擴(kuò)大引起了人們對(duì)司機(jī)、乘客多歸屬(multihoming)問(wèn)題的關(guān)注。BELLEFLAMME等[46]分析兩個(gè)競(jìng)爭(zhēng)平臺(tái)下多歸屬現(xiàn)象對(duì)定價(jià)策略、平臺(tái)利潤(rùn)、消費(fèi)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(jìng)爭(zhēng)角度，研究網(wǎng)約車(chē)平臺(tái)的市場(chǎng)定價(jià)問(wèn)題，從交叉網(wǎng)絡(luò)外部性、時(shí)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(chē)平臺(tái)的定價(jià)結(jié)構(gòu)、用戶規(guī)模以及平臺(tái)收益等，發(fā)現(xiàn)在雙寡頭競(jìng)爭(zhēng)的情況下，網(wǎng)約車(chē)平臺(tái)為乘客和司機(jī)提供服務(wù)的差異化對(duì)定價(jià)以及平臺(tái)收益均產(chǎn)生了重要影響。BRYAN等[48]總結(jié)壟斷市場(chǎng)、消費(fèi)者單側(cè)多歸屬雙寡頭市場(chǎng)、司機(jī)單側(cè)多歸屬雙寡頭市場(chǎng)、消費(fèi)者和司機(jī)雙側(cè)多歸屬雙寡頭市場(chǎng)等4種網(wǎng)約共享出行市場(chǎng)結(jié)構(gòu)，并對(duì)比了相應(yīng)的出行價(jià)格和等車(chē)時(shí)間。BERNSTEIN 等[49]探討Uber和Lyft平臺(tái)間定價(jià)博弈和競(jìng)爭(zhēng)影響，比較單歸屬和多歸屬兩種情況下平臺(tái)間競(jìng)爭(zhēng)互動(dòng)產(chǎn)生的均衡價(jià)格，前者是司機(jī)只為單一平臺(tái)服務(wù)，后者是司機(jī)可為多個(gè)平臺(tái)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(shí)，收入不會(huì)提高。

近年來(lái)出現(xiàn)了集成平臺(tái)模式(例如：高德地圖、百度地圖)，即通過(guò)一個(gè)手機(jī)APP 界面同時(shí)呼叫多個(gè)網(wǎng)約共享出行平臺(tái)的司機(jī)，提高匹配成功率和出行效率。隨著無(wú)人駕駛技術(shù)日趨成熟，將出現(xiàn)自動(dòng)駕駛網(wǎng)約車(chē)。2020年，廣州、上海、武漢、北京等多個(gè)城市，逐步放開(kāi)自動(dòng)駕駛載人測(cè)試許可，高德打車(chē)、滴滴出行、百度先后在廣州、上海、北京等地，面向公眾測(cè)試了自動(dòng)駕駛出租車(chē)服務(wù)[1]。這些新的發(fā)展趨勢(shì)豐富了異質(zhì)網(wǎng)約車(chē)平臺(tái)的層次和結(jié)構(gòu)，必將對(duì)多平臺(tái)競(jìng)爭(zhēng)環(huán)境下網(wǎng)約車(chē)市場(chǎng)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(chē)平臺(tái)通過(guò)規(guī)避監(jiān)管等方式與傳統(tǒng)出租車(chē)行業(yè)進(jìn)行不公平競(jìng)爭(zhēng)，已有研究關(guān)注政府的網(wǎng)約車(chē)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(yùn)營(yíng)方的欺詐和傷害；另一方面，不宜讓過(guò)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(yùn)輸系統(tǒng)運(yùn)營(yíng)管理的關(guān)鍵是多博弈主體(政府、運(yùn)營(yíng)企業(yè)、乘客等)之間如何實(shí)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(huì)的需求，鼓勵(lì)靈活、創(chuàng)新的監(jiān)管方式和數(shù)據(jù)驅(qū)動(dòng)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(gè)體層面，考慮政府監(jiān)管政策對(duì)網(wǎng)約車(chē)司機(jī)供給能力的長(zhǎng)期影響，以及司機(jī)在社會(huì)經(jīng)濟(jì)屬性、機(jī)會(huì)成本、時(shí)間價(jià)值上的異質(zhì)性，建立差異化的司機(jī)市場(chǎng)準(zhǔn)入門(mén)檻，促進(jìn)共享出行供給側(cè)管理優(yōu)化；在平臺(tái)層面，綜合分析不同出行平臺(tái)在車(chē)隊(duì)規(guī)模、輕重資產(chǎn)屬性、網(wǎng)約車(chē)電動(dòng)化程度上的差異性，建立考慮規(guī)模約束、價(jià)格引導(dǎo)和抽成比例限制的監(jiān)管政策優(yōu)化模型，實(shí)現(xiàn)多平臺(tái)競(jìng)爭(zhēng)下的社會(huì)福利最大化。

網(wǎng)約車(chē)對(duì)城市交通的影響至今仍是爭(zhēng)議話題，尚無(wú)確切定論。ERHARDT 等[51]探討網(wǎng)約車(chē)對(duì)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(chē)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(chē)是導(dǎo)致舊金山交通擁堵加劇和行程時(shí)間可靠性惡化的最大因素，超過(guò)了人口增長(zhǎng)、就業(yè)增長(zhǎng)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(tái)增長(zhǎng)，而應(yīng)該專注于避免單一平臺(tái)形成壟斷。NIE[53]通過(guò)大數(shù)據(jù)分析發(fā)現(xiàn)，傳統(tǒng)出租車(chē)行業(yè)在網(wǎng)約車(chē)興起后經(jīng)歷了重大虧損，并主張政府加強(qiáng)對(duì)網(wǎng)約車(chē)平臺(tái)的監(jiān)管。

當(dāng)前，針對(duì)壟斷網(wǎng)約車(chē)平臺(tái)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(shí)間擴(kuò)展網(wǎng)絡(luò)的網(wǎng)約車(chē)市場(chǎng)均衡模型，探討平臺(tái)抽成約束政策對(duì)高峰溢價(jià)及司乘福利的影響。LI 等[54]基于排隊(duì)均衡模型，揭示司機(jī)最低工資、車(chē)輛規(guī)模限定及交通擁堵稅等政策對(duì)網(wǎng)約車(chē)平臺(tái)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(guò)考慮網(wǎng)約車(chē)和私家車(chē)對(duì)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(diǎn)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(duì)均衡解的影響，為制定網(wǎng)約車(chē)監(jiān)管政策提供科學(xué)依據(jù)。趙道致等[56]研究網(wǎng)約車(chē)提供高端服務(wù)或低端服務(wù)兩種情景下的定價(jià)問(wèn)題，通過(guò)政府監(jiān)管既鼓勵(lì)新業(yè)態(tài)的發(fā)展，又充分考慮市場(chǎng)中原有服務(wù)的生存，為網(wǎng)約車(chē)與巡游車(chē)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(chē)進(jìn)入出租車(chē)市場(chǎng)后的競(jìng)爭(zhēng)策略，以及在不同市場(chǎng)均衡條件下，對(duì)市場(chǎng)中各種出行方式分擔(dān)率和利潤(rùn)的影響，分析結(jié)果表明，當(dāng)網(wǎng)約車(chē)進(jìn)入市場(chǎng)時(shí)，優(yōu)勢(shì)策略為和解策略，并且能讓總社會(huì)成本下降，有序發(fā)展網(wǎng)約車(chē)合理可行。YU 等[58]建立兩階段動(dòng)態(tài)博弈模型，通過(guò)設(shè)定網(wǎng)約車(chē)司機(jī)準(zhǔn)入門(mén)檻等方式，保證出租車(chē)行業(yè)在網(wǎng)約車(chē)沖擊下的可盈利性，實(shí)現(xiàn)不同出行方式的整體福利最大化。

然而，針對(duì)多平臺(tái)競(jìng)爭(zhēng)市場(chǎng)的政府監(jiān)管政策優(yōu)化研究相對(duì)較少，個(gè)別研究探討了新興的重資產(chǎn)網(wǎng)約車(chē)平臺(tái)調(diào)控問(wèn)題。MO 等[59]建立重資產(chǎn)、輕資產(chǎn)兩類網(wǎng)約車(chē)平臺(tái)的定價(jià)博弈均衡模型，通過(guò)優(yōu)化充電樁補(bǔ)貼及電動(dòng)車(chē)購(gòu)置補(bǔ)貼的資源配置，實(shí)現(xiàn)補(bǔ)貼預(yù)算約束下的社會(huì)福利最大化。LI 等[60]研究出租車(chē)租賃市場(chǎng)與出行市場(chǎng)之間的耦合關(guān)系，通過(guò)建立利潤(rùn)和社會(huì)福利最大化模型分析壟斷平臺(tái)和政府的決策過(guò)程，發(fā)現(xiàn)適當(dāng)?shù)淖饨鸸芸啬苡行Ц纳粕鐣?huì)福利。此外，部分研究對(duì)網(wǎng)約車(chē)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(chē)輛可共享網(wǎng)絡(luò)的圖論模型，將最小車(chē)隊(duì)規(guī)模問(wèn)題轉(zhuǎn)化為有向無(wú)環(huán)圖的最小路徑覆蓋問(wèn)題，利用Hopcroft-Karp 算法求解，并通過(guò)上海市手機(jī)用戶信息數(shù)據(jù)提取機(jī)動(dòng)化出行需求，分析最大調(diào)度時(shí)間限制、服務(wù)范圍限制和交通擁堵對(duì)車(chē)隊(duì)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(huà)出行選擇時(shí)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(yùn)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(duì)長(zhǎng)期交通政策、規(guī)劃方案和短期交通管理和運(yùn)營(yíng)措施等不同層次的策略進(jìn)行綜合評(píng)估，形成最優(yōu)策略集合，仿真結(jié)果便于直觀對(duì)比策略實(shí)施前、后的變化規(guī)律。例如，《網(wǎng)絡(luò)預(yù)約出租汽車(chē)經(jīng)營(yíng)服務(wù)管理暫行辦法》規(guī)范網(wǎng)絡(luò)約租車(chē)的準(zhǔn)入門(mén)檻和市場(chǎng)價(jià)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(píng)估其對(duì)路網(wǎng)交通運(yùn)行狀態(tài)的影響，對(duì)比新政策實(shí)施前、后的效果，為政府制定和改善網(wǎng)約車(chē)監(jiān)管政策提供支撐，具有廣泛的社會(huì)效益。以下分別論述現(xiàn)實(shí)城市交通環(huán)境和未來(lái)自動(dòng)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(shí)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(gè)體行為差異性和時(shí)空異質(zhì)性，還便于分析個(gè)體對(duì)系統(tǒng)整體運(yùn)行狀態(tài)的影響。ALONSO-MORA等[62]提出一種可用于多車(chē)輛、多任務(wù)的實(shí)時(shí)拼車(chē)調(diào)度優(yōu)化算法，從貪心分配開(kāi)始，通過(guò)約束優(yōu)化不斷改進(jìn)，快速返回高質(zhì)量的解，隨著時(shí)間的推移收斂到最優(yōu)匹配方案，可針對(duì)大量乘客和行程以及根據(jù)在線需求和車(chē)輛位置動(dòng)態(tài)生成最優(yōu)路線。利用紐約市300 萬(wàn)次出租車(chē)出行數(shù)據(jù)和乘客容量多達(dá)10人的共享車(chē)隊(duì)驗(yàn)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(chē)或3000 輛載客容量為4人的網(wǎng)約車(chē)，可將乘客平均等待時(shí)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(shí)滿足98%以上的出行需求。DING等[63]提出元胞自動(dòng)機(jī)仿真模型，分析網(wǎng)約車(chē)平臺(tái)動(dòng)態(tài)定價(jià)問(wèn)題，從平臺(tái)和乘客角度定量評(píng)估多種交通策略，微觀仿真結(jié)果表明，網(wǎng)約車(chē)平臺(tái)應(yīng)隨需求增加而提高價(jià)格和支出比(司機(jī)工資除以訂單價(jià)格)，若司機(jī)數(shù)量增加，則應(yīng)降低支出比。FRANCO 等[64]利用開(kāi)源交通仿真軟件MATSim，為英國(guó)布里斯托建立了一個(gè)ABM 模型，使用基于活動(dòng)的方法對(duì)網(wǎng)約車(chē)出行需求進(jìn)行建模，研究公交和網(wǎng)約車(chē)出行聯(lián)合運(yùn)營(yíng)場(chǎng)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(chē)與公共交通服務(wù)協(xié)同服務(wù)以及私家車(chē)方式轉(zhuǎn)換帶來(lái)的社會(huì)效益。BECKER 等[65]利用MATSim 模擬網(wǎng)約車(chē)、共享汽車(chē)、共享單車(chē)等多種共享出行方式，對(duì)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(chē)和共享單車(chē)的方案將交通系統(tǒng)能源效率提升了7%。

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

近年來(lái)，盡管自動(dòng)駕駛汽車(chē)相關(guān)研究十分熱門(mén)，但由于技術(shù)成熟度不足以及安全因素，SAV 還沒(méi)有得到大規(guī)模應(yīng)用，但是出現(xiàn)了大量面向未來(lái)SAV 交通場(chǎng)景的仿真研究。SAV 系統(tǒng)利用自動(dòng)駕駛汽車(chē)提供出行服務(wù)，而網(wǎng)約車(chē)由司機(jī)提供出行服務(wù)。ZHANG等[66]設(shè)計(jì)基于智能體的模型模擬SAV動(dòng)態(tài)拼車(chē)行為，在虛擬路網(wǎng)上估計(jì)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(cè)SAV 對(duì)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(yùn)營(yíng)場(chǎng)景，系統(tǒng)分析了出行者行為和SAV 系統(tǒng)運(yùn)行特征。LOEB 等[69]使用MATSim 模擬共享自動(dòng)駕駛電動(dòng)汽車(chē)(Shared Autonomous Electric Vehicles，SAEV)車(chē)隊(duì)的運(yùn)行，分析SAEV 車(chē)隊(duì)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(gòu)買(mǎi)私家車(chē)[70]，而快速充電與長(zhǎng)續(xù)航里程是電動(dòng) 車(chē)(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(duì)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(huì)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(chē)面積，土地占用率和汽車(chē)行駛里程都有所下降[79]。YAO 等[18]開(kāi)發(fā)了數(shù)據(jù)驅(qū)動(dòng)的智能體建模與仿真系統(tǒng)(D2ABMS)，對(duì)人類駕駛車(chē)輛(Humandriving Vehicle，HV)、自動(dòng)駕駛車(chē)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(chē)與AV 網(wǎng)約車(chē)之間的競(jìng)爭(zhēng)，對(duì)不同比例的AV 網(wǎng)約車(chē)進(jìn)行了仿真測(cè)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(shí)間，而大比例AV(例如70%以上)使得高峰期HV 網(wǎng)約車(chē)供給出現(xiàn)缺口，延長(zhǎng)了乘客等待時(shí)間。以上仿真研究有助于指導(dǎo)共享自動(dòng)駕駛時(shí)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(zhǎng)、機(jī)動(dòng)車(chē)保有量增加、社會(huì)活動(dòng)規(guī)模增大，交通供需之間的矛盾越來(lái)越突出，而在移動(dòng)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(lái)了深刻變革。本文梳理了國(guó)內(nèi)外基于移動(dòng)互聯(lián)交通大數(shù)據(jù)分析的最新研究成果，對(duì)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(shì)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。基于上述相關(guān)研究工作的分析，總結(jié)當(dāng)前研究存在問(wèn)題和未來(lái)發(fā)展趨勢(shì)如下。

5.1 存在問(wèn)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(dòng)互聯(lián)出行方式，針對(duì)此類問(wèn)題的研究處于起步階段，以宏觀定性描述及對(duì)相關(guān)政策、法律法規(guī)的探討為主，缺乏針對(duì)大規(guī)模城市網(wǎng)絡(luò)范圍的網(wǎng)約共享出行實(shí)測(cè)數(shù)據(jù)定量分析及實(shí)證研究。網(wǎng)約車(chē)司機(jī)和乘客對(duì)于政府監(jiān)管政策和平臺(tái)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(jì)模型為主，缺少對(duì)個(gè)體出行的精細(xì)化描述和對(duì)司、乘雙方個(gè)體異質(zhì)性的科學(xué)表征，以及針對(duì)大規(guī)模城市網(wǎng)絡(luò)范圍的網(wǎng)約共享出行實(shí)測(cè)數(shù)據(jù)分析?，F(xiàn)有研究尚未對(duì)規(guī)律的產(chǎn)生機(jī)制、完整時(shí)空出行鏈建模、網(wǎng)約共享出行行為動(dòng)態(tài)決策等進(jìn)行深入研究。因此，面向復(fù)雜動(dòng)態(tài)的移動(dòng)互聯(lián)環(huán)境，亟須開(kāi)展網(wǎng)約共享出行供需態(tài)勢(shì)演化機(jī)理、行為動(dòng)態(tài)決策、出行鏈全過(guò)程解析等方面的理論建模和實(shí)證研究，挖掘網(wǎng)約共享機(jī)動(dòng)車(chē)出行的實(shí)時(shí)軌跡數(shù)據(jù)，探索個(gè)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(shí)空關(guān)聯(lián)性和時(shí)空異質(zhì)性，優(yōu)化網(wǎng)約共享出行的供需結(jié)構(gòu)及時(shí)空分布。

(2)網(wǎng)約共享出行平臺(tái)管理優(yōu)化

網(wǎng)約共享出行平臺(tái)管理受到異質(zhì)性司乘行為、多平臺(tái)競(jìng)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(gè)壟斷平臺(tái)或多個(gè)同質(zhì)平臺(tái)，缺乏對(duì)多出行平臺(tái)資源優(yōu)化配置和差異化定價(jià)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(tái)競(jìng)合博弈均衡和多階段動(dòng)態(tài)優(yōu)化的研究。網(wǎng)約共享出行具有很強(qiáng)的空間自相關(guān)性和時(shí)間周期性，隨機(jī)發(fā)生的網(wǎng)約共享即時(shí)出行需求、時(shí)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(gè)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(guò)程的關(guān)鍵。因此，亟須開(kāi)展綜合考慮政府監(jiān)管政策的異質(zhì)平臺(tái)競(jìng)合博弈均衡和多階段動(dòng)態(tài)優(yōu)化的研究，實(shí)現(xiàn)多平臺(tái)運(yùn)營(yíng)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(dòng)態(tài)交通系統(tǒng)中監(jiān)管網(wǎng)約車(chē)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(chē)平臺(tái)、全職和兼職網(wǎng)約車(chē)司機(jī)、巡游車(chē)司機(jī))，揭示政府監(jiān)管背景下異質(zhì)性平臺(tái)競(jìng)合博弈機(jī)理，解析監(jiān)管政策對(duì)網(wǎng)約車(chē)市場(chǎng)均衡演化的作用機(jī)制，是亟待解決的交通運(yùn)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(gè)體和網(wǎng)約車(chē)平臺(tái)異質(zhì)性，以及平臺(tái)間復(fù)雜的競(jìng)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(wèn)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(tái)競(jìng)爭(zhēng)的網(wǎng)約車(chē)市場(chǎng)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(huà)出行者出行選擇時(shí)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(duì)我國(guó)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(jiàn)，對(duì)于求解大規(guī)模路網(wǎng)交通仿真優(yōu)化問(wèn)題的研究方法存在不足。基于智能體和活動(dòng)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(dòng)態(tài)供需信息時(shí)的隨機(jī)決策行為，體現(xiàn)出行者個(gè)體行為差異性和時(shí)空異質(zhì)性，便于分析個(gè)體對(duì)系統(tǒng)整體運(yùn)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(jià)值。因此，在交通運(yùn)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(dòng)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(qiáng)化學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)復(fù)雜交通系統(tǒng)的動(dòng)態(tài)優(yōu)化，為政府部門(mén)提供科學(xué)決策依據(jù)和可視分析工具支持。

5.2 未來(lái)發(fā)展趨勢(shì)

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

在可預(yù)見(jiàn)的未來(lái)，新型移動(dòng)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(dòng)傳感器、通信網(wǎng)絡(luò)、人工智能、大數(shù)據(jù)分析、云計(jì)算、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)的快速發(fā)展，網(wǎng)約共享出行動(dòng)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(gè)性化出行需求管理以及平臺(tái)在線決策優(yōu)化逐步得以實(shí)現(xiàn)，將有力推動(dòng)面向未來(lái)城市交通環(huán)境的一站式智慧出行服務(wù)，是未來(lái)共享出行發(fā)展的重要方向。例如，針對(duì)移動(dòng)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(gè)體出行與互聯(lián)共享、數(shù)據(jù)驅(qū)動(dòng)與模型決策，全景再現(xiàn)共享出行供需時(shí)空演化規(guī)律；研究自適應(yīng)感知的多任務(wù)動(dòng)態(tài)學(xué)習(xí)方法和去中心化多智能體強(qiáng)化學(xué)習(xí)框架，實(shí)現(xiàn)網(wǎng)約共享出行平臺(tái)的智能匹配、優(yōu)化調(diào)度和動(dòng)態(tài)定價(jià)等多種策略動(dòng)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(lái)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(guò)分析數(shù)據(jù)源與現(xiàn)實(shí)世界相聯(lián)系，從多源數(shù)據(jù)接入層，到計(jì)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?duì)靜態(tài)、動(dòng)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(shí)現(xiàn)基于孿生數(shù)據(jù)的情景再現(xiàn)，對(duì)孿生場(chǎng)景進(jìn)行衍生和泛化，加速實(shí)現(xiàn)共享自動(dòng)駕駛技術(shù)。利用以數(shù)字孿生技術(shù)為驅(qū)動(dòng)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(tái)，研究自動(dòng)駕駛與人工駕駛混合環(huán)境模擬、異質(zhì)行為動(dòng)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(chē)隊(duì)動(dòng)態(tài)優(yōu)化調(diào)度等多要素的數(shù)字孿生表達(dá)方法，實(shí)現(xiàn)大規(guī)?；旌献詣?dòng)駕駛模擬仿真，為政府監(jiān)管和平臺(tái)管理提供技術(shù)支撐。