AgenticMobility：用于多 AI 智能体出行动力学研究的开源平台

理解出行动力学及城市交通管理政策的影响，需要考察个体出行决策、交通状况和政策干预如何随时间相互影响。我们提出 AgenticMobility，这是一个开源实验平台，用于研究出行 AI 智能体与其他 AI 智能体如何交互、通过反复经历进行适应，并共同塑造出行结果。持久化智能体在多轮交互中保留身份和相关状态，通过显式接口规定信息访问权限、允许的行动和决策时序；相互关联的记录则追踪决策、执行和反馈。在当前实现中，大语言模型（LLM）智能体在 MATSim 中分别扮演选择路线和出发时间的出行者，以及定期调整路段收费的管理者。初步演示涵盖五种配置，每种配置均模拟 100 天、运行一次，并使用相同的仿真随机种子。在出行者与管理者联合运行的配置中，全部 1,179,300 项最终确定的目标决策均满足行动约束；执行检查证实，获准的选择得到了落实，且个体记忆在不同日期之间得以保留。演化轨迹表明，路线选择保持稳定，同时存在出发时间调整，且受控行程的结果与全体出行者的结果之间存在差异。该平台支持通过改变信息访问权限、保留的经验和管理反馈，开展有关个体适应、集体结果和管理干预的实验。源代码见 https://github.com/Agentic-City-Research/Agentic-Mobility