城市配送车辆限行政策评价的多代理模型与仿真

为了综合评价城市配送车辆限行政策,借鉴多代理模型的理论和方法,在系统分析车辆限行下各利益相关者诉求及行为特征的基础上,构建城市配送车辆限行政策评价模型。模型由车辆路径选择模型和强化学习模型共同组成,通过改进遗传算法克服城市配送中配送方案优化问题,同时引入Q学习算法解决各代理间的博弈问题。通过对无限行政策、区域限行政策及路段限行政策进行仿真模拟,结果表明:多代理模型能够有效刻画不同限行政策下各利益相关者的行为变化,定量计算出限行政策对利益相关者的各种影响,从多个视角对限行政策进行评价,模型的适应性得到一定验证;限行政策都会增加城市配送的总成本和服务延误时间,同时减少污染物排放,但不同限行政策带来的正面效益与负面影响均有所不同;区域限行政策能够大幅降低限行区域内的污染物水平,但带来的负面效应较大,尤其在增加城市配送车辆固定成本和服务延误的同时,还会由于配送车辆绕行等行为提高非限行区域的污染物排放水平,不能降低污染物排放的整体水平;路段限行政策带来的各方面负面影响较少,并且能够更有效地防止污染物聚集,从整体上控制污染物排放,但路段限行政策需具有较强的灵活性,对政策制定部门的动态管控能力要求较高。