MASS-GT多智能体货运模拟系统：基于实证的荷兰城市货运政策评估模型

针对城市货运政策评估缺乏系统性量化工具的难题，荷兰研究团队开发了基于多智能体模拟的MASS-GT模型，整合离散选择与优化框架，通过卡车行程日志、电商调查等多源数据校准，首次实现从发货商、承运商到消费者的全链条物流决策模拟，为低碳城市货运政策制定提供实证支撑。

　　

随着电子商务爆发式增长和城市低碳转型需求加剧，城市货运引发的交通拥堵、排放污染等问题日益突出。巴黎数据显示，仅占路网流量小部分的货运车辆贡献了36%的道路污染排放，而电商包裹"碎片化配送"趋势更使问题雪上加霜。传统评估方法难以量化政策对复杂物流链条的影响，现有模型或缺乏微观行为基础，或依赖跨区域数据移植，制约了精准政策制定。

荷兰研究团队在《Simulation Modelling Practice and Theory》发表的这项研究，构建了首个覆盖全物流环节的实证模拟系统MASS-GT（Multi-Agent Simulation System for Goods Transport）。该模型创新性地融合离散选择理论与优化算法，通过发货商选择、载具-货量匹配、配送时段偏好等9大决策模块，还原了从生产端到消费端的完整物流行为链。研究团队整合了265万条卡车行程日志、供应链统计数据等本土化数据源，在荷兰南荷兰省（含鹿特丹港）实现高精度校准，验证显示模拟结果与摄像头监测的货车流量误差仅5.8%，显著优于传统环线检测器数据。

关键技术包括：1）基于经济订货量(EOQ)理论的货量-车型联合选择模型；2）融合近邻搜索与2-opt算法的多站配送路径优化；3）利用荷兰统计局企业数据构建的供应链概率网络；4）针对B2C/B2B包裹的订单生成与承运商分配模块。

研究结果揭示：
3.1 模型框架
通过8类物流细分（如冷链、建材、危险品等）实现差异化建模，其中食品类货件在密集城区呈现显著的小型化趋势（参数β=5.18，p<0.01），而建材运输则偏好清晨时段（ASC=3.90，p<0.001）。

3.2 货运模拟
在荷兰案例中，半挂车承担51%的货运量但仅产生17%的车公里数，验证了规模效应。配送中心周边出现"集散两极分化"现象：大型货车负责干线运输（+21%选择概率），轻型车承担最后一公里。

3.3 包裹配送
B2C订单预测模型显示高收入家庭（>7.3万欧元）网购弹性达0.35，而70岁以上人群订单量减少73%。若采用共享仓储网络，车辆里程可降低54%。

4.2 校准验证
运输成本弹性为-0.1，与欧盟基准一致。特别发现环线检测器因误计公交车辆，导致城区货车流量高估69%，建议采用车牌识别数据校准。

这项研究为城市货运政策提供了三大创新工具：首先，首次实现从国家供应链到"最后一公里"的跨尺度模拟，解决了传统模型"宏观-微观"脱节问题；其次，通过物流节点(如鹿特丹港转运站)的精细化建模，捕捉到国际货运与本地配送的耦合效应；最后，开发的开放式代码框架已成功移植至罗马、塞萨洛尼基等城市，证明其跨地域适用性。研究团队指出，未来可结合实时GPS数据动态更新选择模型参数，并建议政策制定者重点关注冷链物流和建筑货运这两大排放敏感领域。