《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Dynamic multi-agent deep reinforcement learning-based pricing and incentivization approach in multimodal transportation networks
编辑推荐：
针对网约车（ridesharing）和公共交通（public transport，PT）的时空动态定价与激励策略。构建考虑用户异质性并捕捉多模式交互的动态多模式模型。采用用于网约车服务提供商与公共管理部门的多智能体深度强化学习（multi-agent deep
针对网约车（ridesharing）和公共交通（public transport，PT）的时空动态定价与激励策略。构建考虑用户异质性并捕捉多模式交互的动态多模式模型。采用用于网约车服务提供商与公共管理部门的多智能体深度强化学习（multi-agent deep reinforcement learning）。联合优化服务提供商利润与系统公平性、成本和排放。形成支持可持续与公平多模式出行规划的政策决策支持工具。
随着城市人口快速增长，私人汽车主导的交通系统导致严重拥堵、能源消耗和碳排放。共享出行服务（SMSs）虽能提高车辆占用率、减少上路车辆并补充公共交通（PT）覆盖不足，但可能同时吸引私人车用户和与公交竞争，且需求在密集区域集中可能加剧空间和社会不平等。现有交通模型往往采用静态假设或仅关注系统孤立部分，难以刻画多主体动态交互、方式间竞争、服务提供商策略行为以及用户异质性；针对可持续交通激励政策的研究仍不充分，传统优化方法也难以应对序列决策问题。为此，研究人员提出了一种集成强化学习（RL）与多模式宏观仿真的双智能体框架：一个智能体代表利润最大化的网约车服务提供商，动态调整票价以平衡供需；另一个智能体代表公共管理部门，向公交用户提供时空激励以引导出行选择。两个智能体在包含多类用户均衡分配、模式联运、交通拥堵和排放反馈的多模式环境中通过共享状态间接耦合。该框架应用于Sioux Falls网络案例，旨在评估引入SMSs的系统和公平影响，并检验联合优化定价与激励能否改善系统级结果。研究表明，静态、规则式激励措施存在明显局限，例如针对低时间价值用户补贴会促使部分公交用户转向网约车，反而导致系统排放率轻微上升；而动态激励与动态定价联合实施时，能够有效平衡效率、公平、利润和环境目标。其中，公平导向的激励策略在测试案例中取得了最佳的跨维度权衡：公交利润相比无激励情景提高74%，空间公平性显著改善，总广义成本下降约13%，同时网约车服务提供商的利润相比贪婪定价情景仅减少10%，表明促进公平并不必然牺牲效率与环境目标。
研究采用的主要关键技术方法包括：（1）基于出行的多模式宏观交通仿真模型，利用宏观基本图（MFD）模拟道路动态，刻画私人车、拼车、网约车和公交的相互作用；（2）考虑用户异质性的多类用户均衡分配模型，按时间价值（VOT）划分用户类别，并支持单模式与联运出行选项；（3）双智能体深度强化学习框架，网约车提供商智能体调整OD价格因子，公共部门智能体通过节点分解方式定义OD激励以降低动作空间；（4）基于路段平均速度和长度的聚合排放模型估算系统排放率（SER）；（5）基尼系数等公平性评估指标。样本来源为Sioux Falls网络，OD数据来自Stabler等（2016），公交基础设施配置取自Yin等（2022），出发时间分布依据Chakirov和Fourie（2014）生成，社会经济数据用于校准VOT分类。
### 4.2.1 对模态划分的影响（Impacts on modal split）
基准情景A下，PT占49%，私家车（PV）占39%，SMSs占28%。情景B（低VOT用户补贴）促使SMSs份额大幅上升至57%，PV降至21%，但PT也降至38%，说明针对性补贴会侵蚀公交客源。情景C（限制性联运激励）使PT回升至56%，SMSs占35%，PV仅占23%，兼顾公交增强和汽车依赖降低。情景D（OD动态激励）使得PT份额达到最高的58%，SMSs降至25%，PV升至32%，表明RL智能体优先引导乘客转向成本更低的公交，但部分通勤者转向了停车换乘。
### 4.2.2 对交通拥堵和车辆排放的影响（Impacts on traffic congestion and vehicular emissions）
情景B减少了高峰时段道路车辆，但系统排放率仅由1198 kg/h微升至1201 kg/h，原因是部分原公交用户转向道路上的共享出行模式，抵消了私人车减少带来的环境收益。情景C显著降低峰值期拥堵，但联运行程时间较长导致峰后恢复缓慢并出现二次拥堵，排放率降至1157 kg/h。情景D在时间维度上维持了更高的平均车速，拥堵恢复更快且无二次峰值，排放率最低为1082 kg/h，说明动态激励能平滑交通状态并改善环境。
### 4.2.3 对公平性的影响（Impacts on equity）
情景B对低VOT用户最有利，该类基尼系数最低（0.59），但中、高VOT用户收益有限甚至受损，类间不公平明显。情景C在用户类间分布较均衡，但空间上部分节点的公平性恶化，全局基尼系数最高（0.63）。情景D利用OD级灵活激励，各时段和各类用户获得更一致的正向收益，全局基尼系数最低（0.57），且空间分布更均匀，表明学习型激励能有效改善公平性。
### 4.3 联合动态定价与激励策略（Joint dynamic pricing and incentivization strategies）
仅由网约车提供商采用动态定价时（DP），其利润提升14%，但公平性和公交吸引力下降，且票价波动引发供需振荡。联合公共激励后，优化总广义成本（TGC）的情景在该指标上最佳，但其他指标存在权衡；优化排放的情景获得最低SER，但网约车利润降低；优化公平的情景（DP-I-G）综合表现最好：公交利润上升74%，公平性改善，TGC降低13%，网约车利润相比贪婪情景仅减少10%，说明公共激励能够有效纠偏利润最大化带来的负面效应。
### 4.4 经济影响与敏感性分析（Economic impact and sensitivity analysis）
所有激励策略对公共管理部门均表现为负净经济结果，公平导向策略需要最大投资（-7827美元），但社会效益未完全体现在财务平衡中。敏感性分析发现，动态定价对车队空间分布的敏感性高于对车队总规模的敏感性，而激励策略对VOT分布敏感，因此人口空间分布是影响RL策略效果的关键参数，显著变化需重新训练模型。讨论认为，平台税收和收入共享协议可使公共部门收回部分动态定价产生的额外利润，这是未来扩展方向。
研究人员提出了一种多智能体深度强化学习框架，用于协调网约车服务提供商的动态定价策略与公共管理部门实施的时空激励政策，以在多模式交通网络中优化出行者成本、车辆排放和空间公平。通过在宏观仿真环境中显式建模多元主体的相互反馈与目标冲突，该框架弥补了现有文献中通常独立或静态处理定价与激励决策的不足。数值实验凸显了静态、规则式激励的局限以及考虑方式交互的重要性：针对性补贴可能使共享出行蚕食公交客源并造成排放反弹；而联合动态定价与激励可使系统在效率、公平、利润和环境之间取得更优平衡，其中公平导向策略表现最佳，显著提高公交利润和空间公平并降低总广义成本，同时仅使网约车利润适度下降。这些发现表明，促进公平并不必然以牺牲效率或环境目标为代价。
