结合共享出行服务的城市交通模拟：一种采用时空网络核密度估计与MATSim的方法

《ACM Transactions on Spatial Algorithms and Systems》：Urban Traffic Simulation with Shared Mobility Services: An Approach Using Spatiotemporal Network Kernel Density Estimation and MATSim

提出基于时空核密度估计（KDE）的多模式城市交通仿真框架，通过整合共享出行数据与公开地理统计信息，生成MATSim可执行的合成出行计划，验证了在中等城市（如伯明翰）中共享出行服务可缓解交通拥堵并提升出行效率，同时发现动态调整车辆部署数量能有效优化服务覆盖与成本收益平衡。

　　共享出行模式在现代城市交通中扮演着越来越重要的角色，这些模式包括基于智能手机的叫车服务（如Uber和Lyft）以及共享微出行服务（如Veo和Gotcha的电动滑板车）。随着智能手机和4G/5G网络的普及，这些新兴出行方式迅速发展，为城市居民提供了更加灵活和便捷的出行选择。然而，尽管这些服务在城市交通中产生了显著影响，但它们的实际运营对城市交通状况的具体影响仍缺乏系统的分析。这给城市交通规划和政策制定带来了挑战，因为缺乏对共享出行服务如何影响交通流量、拥堵状况以及整体交通效率的深入理解。

为了弥补这一空白，研究人员开始尝试在大城市中收集数据，以评估共享出行服务的交通影响。然而，目前的研究存在两个主要问题：首先，缺乏适用于任何城市的通用分析框架；其次，许多研究基于历史数据，难以预测未来的发展趋势，尤其是在共享出行服务快速扩张的背景下。因此，构建一个能够模拟和分析共享出行服务对城市交通影响的数字孪生模型显得尤为重要。

本文提出了一种通用的多模式城市交通分析框架，旨在通过中等规模的共享出行数据集（由研究团队收集）以及结合其他公开数据源（如美国人口普查局数据）来构建一个精确的基于代理的交通模拟模型。这一数字孪生模型使交通工程师能够灵活地分析共享出行服务在不同情境下的影响，例如“如果Uber司机数量翻倍”或“如果部署的电动滑板车数量翻倍”。此外，该模型还可以为强化学习提供新的应用场景，帮助研究人员设计优化的共享出行服务监管政策。

该框架包含三个主要步骤：第一，通过新的时空网络核密度估计（KDE）方法，对共享出行的时空分布进行拟合；第二，基于拟合的时空分布和用户指定的参数，生成整个城市居民的出行日程；第三，配置基于代理的交通模拟软件（如MATSim）来执行这些真实的出行日程，从而为交通分析提供详细的数据支持。核心的时空网络KDE方法解决了传统方法中数据样本贡献不均的问题，确保了每个样本对整体交通网络的贡献相同，从而提高了模拟的准确性和可靠性。

在实际应用中，我们以阿拉巴马州伯明翰市为例，展示了该框架如何用于分析Uber叫车服务和Veo电动滑板车服务对城市交通的影响。对于Uber服务，我们设计了一种两阶段的数据收集方法，包括对Uber司机的调查以及通过众包方式提取出行信息。这一方法不仅确保了数据的多样性，还避免了因技术问题导致的数据收集困难。对于Veo电动滑板车服务，我们直接使用了其共享的微出行数据，这些数据包含了从2021年7月至2022年6月的详细出行信息，如起始和目的地的GPS坐标、出行时间、距离和持续时间。

通过分析这些数据，我们发现共享出行服务在伯明翰市的交通中具有积极影响。例如，当Uber司机数量增加时，更多的出行需求可以被满足，从而减少公共交通和步行出行的比例，这可能有助于缓解交通拥堵。同样，Veo电动滑板车的部署也显示出对城市交通的改善作用，尤其是在高峰时段，电动滑板车的使用可以有效减少汽车流量，降低道路拥堵。此外，通过调整共享出行服务的数量，研究人员可以评估其对城市交通模式的影响，从而为政策制定者提供科学依据。

在模拟实验中，我们发现，随着Uber司机数量的增加，出行完成率显著提高，同时高峰时段的交通拥堵情况有所改善。具体来说，当司机数量从200增加到400时，大多数出行请求都能被满足，而司机数量增加到800时，出行完成率几乎达到饱和，这表明市场需求已经接近上限。与此同时，电动滑板车的使用比例也随着部署数量的增加而提高，尤其是在特定区域，如UAB校园周边和市中心，电动滑板车的出行量显著增加，这有助于减少汽车出行，从而缓解交通压力。

此外，我们的研究还揭示了共享出行服务对不同出行模式的替代效应。例如，在某些情况下，电动滑板车可能替代部分公交出行，尤其是在短途出行需求较高的区域。这种替代效应可能对城市的整体交通流量和出行效率产生重要影响。同时，我们还发现，某些区域的交通拥堵可能与共享出行服务的分布不均有关，这为优化共享出行服务的部署提供了依据。

总的来说，本文提出的方法不仅适用于伯明翰市，还具有推广价值，可以应用于其他城市。通过构建一个基于时空网络KDE的交通分析框架，研究人员可以更准确地模拟和分析共享出行服务对城市交通的影响，从而为交通规划和政策制定提供科学支持。这一框架的核心优势在于其灵活性和通用性，能够适应不同城市的数据特点和交通模式，为未来的智能交通系统发展奠定了基础。