交通出行是人们生活的重要组成部分,伴随着城市化水平的不断提升,城市交通问题愈发严重,城市交通治理越来越受到关注。互联网时代催生了许多出行方式,如网约出行、共享出行等,给个性化出行带来了便利,但也给交通治理带来新的问题,如何调控大规模城市路网的交通供需关系成为了关键科学问题。交通仿真作为重要的交通分析工具,具备细颗粒度、高效能、低成本等优势,可以帮助决策者对交通策略进行模拟测试,为决策优化提供技术支撑。本文面向移动互联交通大数据环境,提出网约出行多智能体交通仿真模型,自主研发了整套网约出行仿真系统,应用于多种复杂的网约出行场景模拟仿真与策略优化。本文的主要内容与研究成果如下:(1)基于多智能体的网约出行仿真框架。提出基于智能体的仿真框架,构建司机与乘客两种智能体行为模型,利用交通大数据与深度学习建立数据驱动智能体行为决策模型,依托开源地图数据构建仿真路网,实现车辆路径规划、在途导航、巡游与人车匹配等仿真流程。(2)基于开源Go语言自主研发了智能体仿真系统,实现了后端仿真、前端可视化展示等功能,从乘客、司机、平台、社会等多角度进行仿真结果统计与可视化演示。经测试,其在单机(CPU i7-4790@3.6 GHz)上仿真全杭州单日13万次出行仅需14分钟,仿真加速比达103倍。(3)基于多智能体仿真系统的网约出行平台定价研究。在多智能体仿真系统的基础上,构建模型刻画平台定价与市场供需间的关系,以进行平台定价研究。结果表明,存在特定的出行价格使得平台收益最大化,此时倾向提高订单价格,降低司机收入。而社会效用最大化的定价方案维持在一个条状区域带内。(4)有人驾驶与无人驾驶网约出行混合仿真。将网约出行拓展至有人驾驶(Human-driving Vehicle,HV)与无人驾驶(Automated Vehicle,AV)混合运营场景领域,仿真结果表明AV与HV可以进行互补,少量的AV(约10%)即可大幅降低乘客的等待时间,随着AV占比增加,网约车的总行驶里程与尾气排放也不断减少,在纯AV场景下的尾气排放比HV场景下降12.3%。综上所述,本文提出基于智能体的网约出行仿真模型框架并开发了完整的仿真系统,将其应用到网约出行定价优化与有人驾驶无人驾驶网约出行混合运营等多种仿真场景测试中,该系统具备良好的可扩展性与适应性,可以作为网约出行研究的重要工具。