基于多Agent的我國城鎮化水平動態模擬

李新運，王圓圓

（山東財經大學 管理科學與工程學院，山東 濟南250014）

一、引 言

自改革開放以來，我國城鎮化水平明顯提高，2013年達到了53.7%，進入城鎮化發展的轉型期。2013年12月中央城鎮化會議中明確提出了推進農業轉移人口市民化、優化城鎮化布局和形態、提高城鎮建設水平等城鎮化建設的六大任務；2014年3月國務院印發了《國家新型城鎮化規劃（2014-2020年）》，提出了提升城鎮化水平和質量、優化城鎮化格局、科學合理化城市發展模式、完善城鎮化體制機制的目標，將城鎮化改革提上日程，進一步推動了城鎮化發展。城鎮化是人類文明進步和經濟社會發展的大趨勢，是解決我國三農問題的重要途徑，是推動區域協調發展的有力支撐，是現代化的必由之路。本文采用管理系統模擬方法，建立社會系統模型，動態模擬我國2006-2020年城鎮化水平。

目前，城鎮化研究的重點和熱點問題主要表現在兩個方面：一方面是城鎮化發展的基本問題研究。李強等（2012）從城鎮化的動力機制和空間模式兩個視角理解中國城鎮化的“推進模式”特征，發現中國城鎮化的突出特征是政府主導、大范圍規劃、整體推動、空間上有明顯的跳躍性、民間社會尚不具備自發推進城鎮化的條件等［1］；簡新華等（2010）運用數學模型對國城鎮化情況進行實證分析，結果發現，中國城鎮化水平與同一收入水平下的常態城市化水平相比、與工業化水平相比、與非農化水平相比，中國城鎮化水平是滯后的，估計中國城鎮化率仍將以年均提高1%的速度推進［2］。另一方面是城鎮化相關問題的研究。王新等（2011）從農村勞動力城市化的邊際成本高于城市化的邊際收益的角度，解釋民工荒以及農村勞動力轉移與城市化在空間上的不匹配［3］；王小魯（2010）通過計量模型分析，證明各國大城市的發展有規律可循，認為各國城市的發展與經濟發展水平、城市化水平、人口密度、交通條件、地理位置等因素相關［4］。城鎮化是涉及社會系統多方面的復雜轉型和演化模式的過程，城鎮化研究也從靜態、均衡的范式向動態模擬演化。20世紀80年代中期，智能體［5-6］（Agent）仿真是以復雜適應系統（Complexity Adaptive System，CAS）理論［7-8］和分布式人工智能為基礎，用于模擬微觀個體行為對系統宏觀層次的變動。目前，智能體系統已被應用于多個領域，應用最早的領域是DVMT（Distributed Vehicle Monitoring）把每個監測器作為智能體，將這些智能體分布在不同的區域，監測通過它們區域的車輛，試圖提出關于通過全部區域的車輛的合理解釋并測出車輛的運動軌跡［9］；YAMS（Yet Another Manufacturing System）是把每個工廠當作一個智能體，通過協商來有效地管理這些工廠的生產流程［10］；薛領等（2009）通過Swarm仿真平臺構建了基于自主體的單中心城市化模擬模型，通過人工可控的計算實驗環境，提出人口流動、擴大內需、集聚效應等因素對城市化進程有一定程度影響［11］；郭海湘等（2013）采用多Agent仿真方法，運用NetLogo仿真平臺創建城市群競爭力演變模型，對城市群中不同主體選擇自我提升策略和學習、合作策略過程進行模擬仿真，提出提升城市群競爭力的關鍵所在是加強城市與城市之間的學習與合作的觀點［12］。

以上研究偏重于城鎮化速度、特征、道路等理論和相關因素互動機制，且多為靜態、單期的定量研究，研究顯得較為宏觀，未能從微觀動態層面進行系統的研究；而Agent研究理論研究居多，且多用于地理空間過程的動態模擬，少用于社會系統模擬研究。本文參照相關研究成果對文獻中存在的不足進行了彌補，擬從Agent理論視角下動態模擬城鎮化水平。在構建的多因素影響下的城鎮化過程的概念模型基礎上，將微觀個體抽象為具有一定屬性和行為的agent（智能體），從而在Anylogic仿真平臺上構建了基于agent的演變模型，動態模擬我國城鎮化過程中農村人口向城鎮人口轉變的運行機制，在擬合2006-2013年城鎮化水平的基礎上，預測了2014-2020年我國城鎮化水平。

二、城鎮化模擬模型構建

（一）建立概念模型

在采用智能體模擬方法模擬城鎮化過程方面，薛領等提出了戶籍制度、城鄉可支配收入、工業化水平等因素均對城市化進程有一定程度影響［11］。農業生產技術水平提高，農村生產實現規?；蜋C械化，減少了對農村勞動力的需求，促進了農業剩余勞動力從事非農產業；城鄉收入分配不均，可支配收入差距擴大，吸引了農村人口轉變進入城鎮生活；今年兩會政府出臺戶籍改革制度，提出到2030年破除城鄉二元格局，城、鄉人民可以享受同等的醫療、教育、社會保障，這一計劃的實施，加快了城鄉一體化的步伐；在農村人口大量遷往城鎮的同時，企業獲得廉價勞動力并提供了就業機會，從而農村人可以立足于城市；至于環境等影響，將另文討論。基于以上影響城鎮化進程的因素，建立了城鎮化過程的概念模型（見圖1）。

圖1 城鎮化過程的概念模型

在智能體系統模擬中，每個自然人是一個具有自主性、自治性、移動性、反應性和智能性的智能體（agent），且在系統中僅以一種狀態存在：農村人或者城鎮人，在內推力、外拉力及政府、企業的影響下發生了人口轉變。本模型的影響因素關系圖是基于系統、聯系的觀點，將城鎮化中智能體行為博弈選擇過程視為一個包括輸入、內部構造、輸出和反饋的系統：①輸入包括設定智能體屬性、初始值；②內部構造是多智能體組成的人工社會系統，在農業現代化、城鄉收入差異、政府政策和企業影響四個變量共同作用下模擬城鎮化過程；③輸出是各類因素作用下不同狀態的智能體數量；④反饋是輸出仿真系統宏觀城鎮化水平的預測結果。

（二）指標的選擇

（1）單位勞動力糧食產量x1。隨著農業技術創新，農業實現現代化發展，在提高農村居民生活水平的同時，減少了對農村勞動力的需求，出現了大量剩余勞動力，因而以單位勞動力糧食產量作為衡量農村人口轉變的內推力。

（2）城鄉可支配收入相對差x2。隨著城鄉人均可支配收入差距的增大，吸引了大批農村剩余勞動力來城市就業，且農村人口向城市流動為單向，因而城鄉人均可支配收入差值越大，吸引力越大，以城鄉人均可支配收入相對差來衡量城鎮吸引農村人口轉變的外拉力。

（3）城鎮新增就業人口x3。隨著二、三產業的發展，企業因生產需要大量勞動力，農村剩余勞動力進入城市，企業提供了就業機會及生存保障，推動了農村剩余勞動力從事非農產業，因此用每年新增就業人口數來表示企業提供的就業機會，新增就業人口數越多，說明企業提供的就業機會越多，拉動農村人口轉變的概率越大。

（4）戶籍制度x4。2005年開始著手改革戶籍制度；2010年提出放寬中小城市和城鎮戶籍限制；2013第一次明確提出各類城市具體的城鎮化路徑；2014年兩會提出至2030年完成戶籍制度改革。隨著政府戶籍政策改革，城鄉一體化步伐的加快，人口轉變限制的逐步放寬，在城市可容納范圍內，人口轉變概率越大。

根據影響人口轉變的四個主要因素，構建多因素影響模型，采用幾何加權求和模型，即其中，C為常量，wj為第j項指標，xtj的權重，pt為第t個時間點綜合影響人口轉變的概率。

（三）建立基于Anylogic平臺的模擬模型

關于多智能體模擬系統的開發，有Swarm、Net-Logo、Anylogic、Arena等平臺可供選擇，其中Anylogic是基于UML語言，支持一般的微分方程、代數方程以及兩者的結合的連續建模、離散建模以及混合建模，具有較強的可擴展性和友好的可視界面，因此，本文選取Anylogic作為多智能體模擬系統的實現工具。

本文在Anylogic平臺上構建了一個基于agent的城鎮化過程的模擬模型Urbanization，其中系統初始運行的智能體總數量為1 000，其中農村人狀態的智能體為557，城鎮人狀態的智能體為443，即初始時間（2006年）的城鎮化水平為44.3%，設置模擬時間間隔為1年，至2020年。

三、2020年城鎮化水平模擬

（一）參數設置

根據2014年中國統計年鑒及政府相關公報的數據分別對上述指標進行測算，設置為系統內影響智能體行為選擇的四個參數。

（1）P1-innerpushEffectiveness。隨著農業現代化生產，我國第一產業就業人數減少，為保證我國糧食需求，政府在中央經濟會議中提出堅守18億畝耕地紅線，以確保糧食安全底線，因此即使第一產業就業人數逐年減少，也不會低于一定水平［13］，在保持現有消費模式的發展趨勢以及人口增長規模的情況下，基于農業生產潛力理論［14］，假設目前生產水平下單位勞動力糧食產量不超過上限5噸/人，使用SPSS進行logistic回歸分析預測，單位勞動力產量越大，勞動力剩余越多，模擬系統內智能體選擇轉變行為概率越大。

（2）P2-outpullEffectiveness。托達羅認為，由于城鎮人均可支配收入預期高于農村，差異越大，流入城市的人口越多，在“推-拉”的作用下，農村人口向城市單向轉變。城鄉人均可支配收入相對差越大，模擬系統中智能體選擇轉變行為的概率越大。

（3）P3-companyEffectiveness。托達羅認為，在任一時期，轉變者在城市現代部門找到工作的概率與現代部門新創造的就業機會成正比，即企業提供就業機會越多，新增就業人口數越大。城鎮新增就業人口數是指每年城鎮累計就業人數減去累計自然減員人數，據我國人力資源與社會保障事業發展統計公告可知2005-2013年城鎮新增就業人口數。每年新增就業人口數不超過該年勞動力適齡人口數，即2030年就業的適齡人數不超過2008年出生人數。依據統計年鑒中指標解釋（出生人數=粗出生率×年平均人數）求得2008年出生人數，即2030年勞動適齡人數不超過1 608萬，使用SPSS進行2005-2030年數據logistic回歸分析預測。企業發展創造的就業機會越多越吸引農村人轉變，模擬系統內智能體選擇轉變行為的概率越大。

（4）P4-governmentEffectiveness。我國戶籍制度改革政策是由政府主導的，自1958年我國頒布了第一部戶籍制度《中華人民共和國戶口登記條例》，確立了一套嚴格的戶口管理制度至1978年，政府政策完全限制人口轉變，即1978年人口轉變概率為0。2005年底，中國開始著手改革戶籍制度；2009年放寬中小城市和城鎮戶籍限制；2013年十八屆三中全會中提出加快戶籍改革部署，提出在2030年基本完成戶籍改革，政府支持人口轉變，即2030年人口轉變概率為1。對時間1978-2030年序列數據利用SPSS對戶籍改革概率進行線性擬合預測。隨著戶籍政策的改革，農村人口轉變門檻變低，未達城市密度制約前，越來越多農村人選擇到城市生活，因而模擬系統內智能體選擇轉變行為的概率越來越大。

對以上4個影響因素使用最大最小值法進行無量綱化處理，并利用SPSS擬合求出相關參數隨時間變動的方程，見表1。

表1 參數數值

如表1所示，系統模擬中四個參數初始值分別為：0.042，0.063，0.152，0.04；參數隨時間變動規律分別為：d P1/d t=0.043，d P2/d t=0.037，d P3/d t=0.046，d P4/d t=0.04；根據幾何加權求和模型，可得影響智能體轉變行為的概率為：。根據以上參數設置，在Anylogic中進行Urbanization動態模擬。

（二）模擬結果

在本文的Urbanization社會模擬系統中應用定量驗證方法，參考肖人彬的管理模擬系統中智能體相關理論［15］：設計樸素的模型驗證實驗方案；模擬運行得到相應輸出；將輸入-輸出與常識比較，如果輸出與現實數據基本擬合，則模型有效，否則無效。模擬系統中，基于有限理性和信息的不完全性，各個因素對智能體行為和態度的影響都是局部、隨機的，在本文特定環境下，暫不考慮智能體鄰域內對其他智能體行為的影響，只考慮智能體轉變的個體隨機博弈行為，從而預測宏觀城鎮化水平的變動情況。進行模型試驗研究，考察內驅力、外拉力、企業、政府四因素的影響，預測在2006年為初始狀態下的未來14個時間段城鎮化水平的演化趨勢，見圖2。

圖2 模擬結果

基于Agent仿真方法模擬的2006-2013年城鎮化水平數據與統計數據殘差平方和為0.000 54，模擬數據與現實數據擬合度很好，說明模擬系統模型有效。預測的2014-2020年城鎮化水平見表2。

表2 2014-2020年城鎮化水平

研究表明：

（1）現代化生產導致農村勞動力過剩，生存壓力推動了農村人口的轉變，剩余勞動力越多，轉變概率越大；城鄉可支配收入相對差距，拉動了農村剩余勞動力的轉變，差距越大，轉變概率越大，以上兩影響因素導致2020年個體選擇轉變行為的概率分別為0.644、0.581，勞動力轉變是影響城鎮化水平的直接因素。

（2）隨著產業結構的優化，二、三產業的蓬勃發展，增加了企業對勞動力的需求，企業提供就業機會增多，農村剩余勞動力人口轉變概率變大；隨著政府戶籍制度的放寬，逐步破除“戶籍籬笆”，為農業人口轉移到城鎮奠定了基礎，人口選擇轉變行為的概率越大，到2020年以上兩因素影響個體選擇轉變行為的概率分別為0.796、0.64，企業提供就業機會的增多及政府戶籍制度的改革是影響城鎮化水平的關鍵性因素，為農村人口轉變為城鎮人口提供了生存保障。

綜上所述，我國城鎮化水平到2020年可達63.8%左右，構建新型城鎮化，實現城鄉一體化，實現公共服務均等化，形成公平的市場機制，在實現城鎮化發展速度的同時保證發展質量，協調好城鎮化與經濟化、現代化的發展，保證我國城鎮化發展道路持續、健康。

四、結束語

傳統社會系統模型多以計量數學模型和系統動力學模型為主，忽略了社會系統演化過程。與以往研究不同，本文采用Agent模擬方法應用于社會系統模擬，從微觀層面提出了基于agent的城鎮化過程仿真模型，通過動態模擬大量智能體行為的選擇機制，來研究宏觀的城鎮化水平的演化過程，較為新穎。

本文在研究中還存在一些不足，第一，由于社會系統的規模性、復雜性、動態性，本文涉及的社會模擬系統選取了可定量化的相關指標作為代表性影響因素，抽象模擬現實社會系統，但要保證模型能夠完全映射真實世界是不可能的［16］，因而本文模型存在一定的局限性；第二，本文中只考慮了智能體自主選擇行為，未考慮相鄰區域內智能體的交互作用對智能體選擇的影響，因而下一步擬從以上兩點繼續研究。

［1］李強，陳宇琳，劉精明.中國城鎮化“推進模式”研究［J］．中國社會科學，2012（7）：82-205.

［2］簡新華，黃錕.中國城鎮化水平和速度的實證分析與前景預測［J］.經濟研究，2010（3）：28-39.

［3］王新，王冬.民工荒和半城市化：劉易斯模式困境與出路［J］．經濟問題，2011（12）：22-26.

［4］王小魯.中國城市化路徑與城市規模的經濟學分析［J］．經濟研究，2010（3）：28-39.

［5］Jennings，Faratin，Johnson.Agent-Based Business Process Management［J］.Journal of Cooperative Information Systems，1996，5（2/3）：105-130.

［6］胡舜耕，張莉，鐘義信.多Agent系統的理論、技術及其應用［J］.計算機科學，1999，26（9）：20-24.

［7］馮珊，唐超閔，君沈沖.用于復雜系統建模與仿真的面向智能體技術［J］.管理科學學報，1999（2）：72-89.

［8］Tan Yue-jin，Deng Hong-zhong.The study of complex adaptive system theory and its application［J］.Systems Engineering，2001，19（5）：1-6.

［9］Durfee，Lesser.Negotiating Task Decomposition and Allocation Using Partial Global Planning［J］.Distributed Artificial Intelligence，1989，2：229-244.

［10］Parunak.Manufacturing Experience with the Contract Net［J］.Distributed Artificial Intelligence，1987，34：285-310.

［11］薛領，翁謹，楊開忠，等.基于自主體（agent）的單中心城市化動態模擬［J］.地理研究，2009，28（4）：947-956.

［12］郭海湘，黎金玲，劉龍輝，等.中國城市群競爭力演變的多Agent仿真［J］.系統管理學報，2013，22（4）：579-585.

［13］沈漢溪.中國農業就業人數的變化趨勢及預測［J］.生態經濟，2010（11）：137-139.

［14］郭崎峰，傅碩玲.我國農業生產潛力的研究進展［J］.地理研究，1992，11（4）：105-115.

［15］肖人彬，胡斌，龔曉光.管理系統模擬［M］.北京：電子工業出版社，2008：194-246.

［16］Barlasy.Formal aspects of model validity and validation in system dynamics models［J］.Systems Dynamic Review，1996，12（3）：183-210.