<p>在过去十年中,由Uber、Lyft和滴滴等交通网络公司提供的需求响应出行服务或网约车服务经历了快速发展,并稳步重塑了人们的出行方式。包括强化学习方法在内的各种数学模型和优化算法已在文献中得到开发,以帮助网约车平台设计更好的运营策略,实现更高的运营效率。然而,由于成本和可靠性问题(在实际运营中实施不成熟的算法可能会导致系统紊乱),在现实世界的乘车外包平台中验证这些模型和训练/测试这些优化算法通常是不可行的。因此,作为一个有用的测试平台,网约车的仿真平台对于研究人员和工业从业人员通过跟踪和错误进行算法培训/测试或模型验证都是非常重要的。尽管之前的研究已经针对各自的任务建立了多种模拟器,但缺乏个公平、公开的平台来比较不同研究人员提出的模型/算法。此外,现有的模拟器仍然面临着许多挑战,从它们是否接近真实的网约车系统环境,到它们所能实现的不同任务的完整性。为了应对这些挑战,我们提出了一个新颖的多功能、开源的乘车网约系统仿真平台,它可以模拟真实交通网络中各方(包括司机和乘客)的行为和动作。它为用户提供了多个接口,用于训练和测试各种优化算法,特别是强化学习算法,以完成各种任务,包括按需匹配、闲置车辆重新定位和动态定价。此外,它还可用于测试文献中开发的用于平衡分析和战略规划的理论模型与模拟结果的近似程度。通过基于真实世界数据集的实验评估,该模拟器被证明是与按需乘车服务运营相关的各种任务的高效和有效的测试平台。</p>