基于多Agent的我国城镇化水平动态模拟

2015-11-22李新运王圆圆

华东经济管理 2015年4期

李新运，王圆圆

（山东财经大学管理科学与工程学院，山东济南250014）

一、引言

自改革开放以来，我国城镇化水平明显提高，2013年达到了53.7%，进入城镇化发展的转型期。2013年12月中央城镇化会议中明确提出了推进农业转移人口市民化、优化城镇化布局和形态、提高城镇建设水平等城镇化建设的六大任务；2014年3月国务院印发了《国家新型城镇化规划（2014-2020年）》，提出了提升城镇化水平和质量、优化城镇化格局、科学合理化城市发展模式、完善城镇化体制机制的目标，将城镇化改革提上日程，进一步推动了城镇化发展。城镇化是人类文明进步和经济社会发展的大趋势，是解决我国三农问题的重要途径，是推动区域协调发展的有力支撑，是现代化的必由之路。本文采用管理系统模拟方法，建立社会系统模型，动态模拟我国2006-2020年城镇化水平。

目前，城镇化研究的重点和热点问题主要表现在两个方面：一方面是城镇化发展的基本问题研究。李强等（2012）从城镇化的动力机制和空间模式两个视角理解中国城镇化的“推进模式”特征，发现中国城镇化的突出特征是政府主导、大范围规划、整体推动、空间上有明显的跳跃性、民间社会尚不具备自发推进城镇化的条件等［1］；简新华等（2010）运用数学模型对国城镇化情况进行实证分析，结果发现，中国城镇化水平与同一收入水平下的常态城市化水平相比、与工业化水平相比、与非农化水平相比，中国城镇化水平是滞后的，估计中国城镇化率仍将以年均提高1%的速度推进［2］。另一方面是城镇化相关问题的研究。王新等（2011）从农村劳动力城市化的边际成本高于城市化的边际收益的角度，解释民工荒以及农村劳动力转移与城市化在空间上的不匹配［3］；王小鲁（2010）通过计量模型分析，证明各国大城市的发展有规律可循，认为各国城市的发展与经济发展水平、城市化水平、人口密度、交通条件、地理位置等因素相关［4］。城镇化是涉及社会系统多方面的复杂转型和演化模式的过程，城镇化研究也从静态、均衡的范式向动态模拟演化。20世纪80年代中期，智能体［5-6］（Agent）仿真是以复杂适应系统（Complexity Adaptive System，CAS）理论［7-8］和分布式人工智能为基础，用于模拟微观个体行为对系统宏观层次的变动。目前，智能体系统已被应用于多个领域，应用最早的领域是DVMT（Distributed Vehicle Monitoring）把每个监测器作为智能体，将这些智能体分布在不同的区域，监测通过它们区域的车辆，试图提出关于通过全部区域的车辆的合理解释并测出车辆的运动轨迹［9］；YAMS（Yet Another Manufacturing System）是把每个工厂当作一个智能体，通过协商来有效地管理这些工厂的生产流程［10］；薛领等（2009）通过Swarm仿真平台构建了基于自主体的单中心城市化模拟模型，通过人工可控的计算实验环境，提出人口流动、扩大内需、集聚效应等因素对城市化进程有一定程度影响［11］；郭海湘等（2013）采用多Agent仿真方法，运用NetLogo仿真平台创建城市群竞争力演变模型，对城市群中不同主体选择自我提升策略和学习、合作策略过程进行模拟仿真，提出提升城市群竞争力的关键所在是加强城市与城市之间的学习与合作的观点［12］。

以上研究偏重于城镇化速度、特征、道路等理论和相关因素互动机制，且多为静态、单期的定量研究，研究显得较为宏观，未能从微观动态层面进行系统的研究；而Agent研究理论研究居多，且多用于地理空间过程的动态模拟，少用于社会系统模拟研究。本文参照相关研究成果对文献中存在的不足进行了弥补，拟从Agent理论视角下动态模拟城镇化水平。在构建的多因素影响下的城镇化过程的概念模型基础上，将微观个体抽象为具有一定属性和行为的agent（智能体），从而在Anylogic仿真平台上构建了基于agent的演变模型，动态模拟我国城镇化过程中农村人口向城镇人口转变的运行机制，在拟合2006-2013年城镇化水平的基础上，预测了2014-2020年我国城镇化水平。

二、城镇化模拟模型构建

（一）建立概念模型

在采用智能体模拟方法模拟城镇化过程方面，薛领等提出了户籍制度、城乡可支配收入、工业化水平等因素均对城市化进程有一定程度影响［11］。农业生产技术水平提高，农村生产实现规模化和机械化，减少了对农村劳动力的需求，促进了农业剩余劳动力从事非农产业；城乡收入分配不均，可支配收入差距扩大，吸引了农村人口转变进入城镇生活；今年两会政府出台户籍改革制度，提出到2030年破除城乡二元格局，城、乡人民可以享受同等的医疗、教育、社会保障，这一计划的实施，加快了城乡一体化的步伐；在农村人口大量迁往城镇的同时，企业获得廉价劳动力并提供了就业机会，从而农村人可以立足于城市；至于环境等影响，将另文讨论。基于以上影响城镇化进程的因素，建立了城镇化过程的概念模型（见图1）。

图1 城镇化过程的概念模型

在智能体系统模拟中，每个自然人是一个具有自主性、自治性、移动性、反应性和智能性的智能体（agent），且在系统中仅以一种状态存在：农村人或者城镇人，在内推力、外拉力及政府、企业的影响下发生了人口转变。本模型的影响因素关系图是基于系统、联系的观点，将城镇化中智能体行为博弈选择过程视为一个包括输入、内部构造、输出和反馈的系统：①输入包括设定智能体属性、初始值；②内部构造是多智能体组成的人工社会系统，在农业现代化、城乡收入差异、政府政策和企业影响四个变量共同作用下模拟城镇化过程；③输出是各类因素作用下不同状态的智能体数量；④反馈是输出仿真系统宏观城镇化水平的预测结果。

（二）指标的选择

（1）单位劳动力粮食产量x1。随着农业技术创新，农业实现现代化发展，在提高农村居民生活水平的同时，减少了对农村劳动力的需求，出现了大量剩余劳动力，因而以单位劳动力粮食产量作为衡量农村人口转变的内推力。

（2）城乡可支配收入相对差x2。随着城乡人均可支配收入差距的增大，吸引了大批农村剩余劳动力来城市就业，且农村人口向城市流动为单向，因而城乡人均可支配收入差值越大，吸引力越大，以城乡人均可支配收入相对差来衡量城镇吸引农村人口转变的外拉力。

（3）城镇新增就业人口x3。随着二、三产业的发展，企业因生产需要大量劳动力，农村剩余劳动力进入城市，企业提供了就业机会及生存保障，推动了农村剩余劳动力从事非农产业，因此用每年新增就业人口数来表示企业提供的就业机会，新增就业人口数越多，说明企业提供的就业机会越多，拉动农村人口转变的概率越大。

（4）户籍制度x4。2005年开始着手改革户籍制度；2010年提出放宽中小城市和城镇户籍限制；2013第一次明确提出各类城市具体的城镇化路径；2014年两会提出至2030年完成户籍制度改革。随着政府户籍政策改革，城乡一体化步伐的加快，人口转变限制的逐步放宽，在城市可容纳范围内，人口转变概率越大。

根据影响人口转变的四个主要因素，构建多因素影响模型，采用几何加权求和模型，即其中，C为常量，wj为第j项指标，xtj的权重，pt为第t个时间点综合影响人口转变的概率。

（三）建立基于Anylogic平台的模拟模型

关于多智能体模拟系统的开发，有Swarm、Net-Logo、Anylogic、Arena等平台可供选择，其中Anylogic是基于UML语言，支持一般的微分方程、代数方程以及两者的结合的连续建模、离散建模以及混合建模，具有较强的可扩展性和友好的可视界面，因此，本文选取Anylogic作为多智能体模拟系统的实现工具。

本文在Anylogic平台上构建了一个基于agent的城镇化过程的模拟模型Urbanization，其中系统初始运行的智能体总数量为1 000，其中农村人状态的智能体为557，城镇人状态的智能体为443，即初始时间（2006年）的城镇化水平为44.3%，设置模拟时间间隔为1年，至2020年。

三、2020年城镇化水平模拟

（一）参数设置

根据2014年中国统计年鉴及政府相关公报的数据分别对上述指标进行测算，设置为系统内影响智能体行为选择的四个参数。

（1）P1-innerpushEffectiveness。随着农业现代化生产，我国第一产业就业人数减少，为保证我国粮食需求，政府在中央经济会议中提出坚守18亿亩耕地红线，以确保粮食安全底线，因此即使第一产业就业人数逐年减少，也不会低于一定水平［13］，在保持现有消费模式的发展趋势以及人口增长规模的情况下，基于农业生产潜力理论［14］，假设目前生产水平下单位劳动力粮食产量不超过上限5吨/人，使用SPSS进行logistic回归分析预测，单位劳动力产量越大，劳动力剩余越多，模拟系统内智能体选择转变行为概率越大。

（2）P2-outpullEffectiveness。托达罗认为，由于城镇人均可支配收入预期高于农村，差异越大，流入城市的人口越多，在“推-拉”的作用下，农村人口向城市单向转变。城乡人均可支配收入相对差越大，模拟系统中智能体选择转变行为的概率越大。

（3）P3-companyEffectiveness。托达罗认为，在任一时期，转变者在城市现代部门找到工作的概率与现代部门新创造的就业机会成正比，即企业提供就业机会越多，新增就业人口数越大。城镇新增就业人口数是指每年城镇累计就业人数减去累计自然减员人数，据我国人力资源与社会保障事业发展统计公告可知2005-2013年城镇新增就业人口数。每年新增就业人口数不超过该年劳动力适龄人口数，即2030年就业的适龄人数不超过2008年出生人数。依据统计年鉴中指标解释（出生人数=粗出生率×年平均人数）求得2008年出生人数，即2030年劳动适龄人数不超过1 608万，使用SPSS进行2005-2030年数据logistic回归分析预测。企业发展创造的就业机会越多越吸引农村人转变，模拟系统内智能体选择转变行为的概率越大。

（4）P4-governmentEffectiveness。我国户籍制度改革政策是由政府主导的，自1958年我国颁布了第一部户籍制度《中华人民共和国户口登记条例》，确立了一套严格的户口管理制度至1978年，政府政策完全限制人口转变，即1978年人口转变概率为0。2005年底，中国开始着手改革户籍制度；2009年放宽中小城市和城镇户籍限制；2013年十八届三中全会中提出加快户籍改革部署，提出在2030年基本完成户籍改革，政府支持人口转变，即2030年人口转变概率为1。对时间1978-2030年序列数据利用SPSS对户籍改革概率进行线性拟合预测。随着户籍政策的改革，农村人口转变门槛变低，未达城市密度制约前，越来越多农村人选择到城市生活，因而模拟系统内智能体选择转变行为的概率越来越大。

对以上4个影响因素使用最大最小值法进行无量纲化处理，并利用SPSS拟合求出相关参数随时间变动的方程，见表1。

表1 参数数值

如表1所示，系统模拟中四个参数初始值分别为：0.042，0.063，0.152，0.04；参数随时间变动规律分别为：d P1/d t=0.043，d P2/d t=0.037，d P3/d t=0.046，d P4/d t=0.04；根据几何加权求和模型，可得影响智能体转变行为的概率为：。根据以上参数设置，在Anylogic中进行Urbanization动态模拟。

（二）模拟结果

在本文的Urbanization社会模拟系统中应用定量验证方法，参考肖人彬的管理模拟系统中智能体相关理论［15］：设计朴素的模型验证实验方案；模拟运行得到相应输出；将输入-输出与常识比较，如果输出与现实数据基本拟合，则模型有效，否则无效。模拟系统中，基于有限理性和信息的不完全性，各个因素对智能体行为和态度的影响都是局部、随机的，在本文特定环境下，暂不考虑智能体邻域内对其他智能体行为的影响，只考虑智能体转变的个体随机博弈行为，从而预测宏观城镇化水平的变动情况。进行模型试验研究，考察内驱力、外拉力、企业、政府四因素的影响，预测在2006年为初始状态下的未来14个时间段城镇化水平的演化趋势，见图2。

图2 模拟结果

基于Agent仿真方法模拟的2006-2013年城镇化水平数据与统计数据残差平方和为0.000 54，模拟数据与现实数据拟合度很好，说明模拟系统模型有效。预测的2014-2020年城镇化水平见表2。

表2 2014-2020年城镇化水平

研究表明：

（1）现代化生产导致农村劳动力过剩，生存压力推动了农村人口的转变，剩余劳动力越多，转变概率越大；城乡可支配收入相对差距，拉动了农村剩余劳动力的转变，差距越大，转变概率越大，以上两影响因素导致2020年个体选择转变行为的概率分别为0.644、0.581，劳动力转变是影响城镇化水平的直接因素。

（2）随着产业结构的优化，二、三产业的蓬勃发展，增加了企业对劳动力的需求，企业提供就业机会增多，农村剩余劳动力人口转变概率变大；随着政府户籍制度的放宽，逐步破除“户籍篱笆”，为农业人口转移到城镇奠定了基础，人口选择转变行为的概率越大，到2020年以上两因素影响个体选择转变行为的概率分别为0.796、0.64，企业提供就业机会的增多及政府户籍制度的改革是影响城镇化水平的关键性因素，为农村人口转变为城镇人口提供了生存保障。

综上所述，我国城镇化水平到2020年可达63.8%左右，构建新型城镇化，实现城乡一体化，实现公共服务均等化，形成公平的市场机制，在实现城镇化发展速度的同时保证发展质量，协调好城镇化与经济化、现代化的发展，保证我国城镇化发展道路持续、健康。

四、结束语

传统社会系统模型多以计量数学模型和系统动力学模型为主，忽略了社会系统演化过程。与以往研究不同，本文采用Agent模拟方法应用于社会系统模拟，从微观层面提出了基于agent的城镇化过程仿真模型，通过动态模拟大量智能体行为的选择机制，来研究宏观的城镇化水平的演化过程，较为新颖。

本文在研究中还存在一些不足，第一，由于社会系统的规模性、复杂性、动态性，本文涉及的社会模拟系统选取了可定量化的相关指标作为代表性影响因素，抽象模拟现实社会系统，但要保证模型能够完全映射真实世界是不可能的［16］，因而本文模型存在一定的局限性；第二，本文中只考虑了智能体自主选择行为，未考虑相邻区域内智能体的交互作用对智能体选择的影响，因而下一步拟从以上两点继续研究。

［1］李强，陈宇琳，刘精明.中国城镇化“推进模式”研究［J］．中国社会科学，2012（7）：82-205.

［2］简新华，黄锟.中国城镇化水平和速度的实证分析与前景预测［J］.经济研究，2010（3）：28-39.

［3］王新，王冬.民工荒和半城市化：刘易斯模式困境与出路［J］．经济问题，2011（12）：22-26.

［4］王小鲁.中国城市化路径与城市规模的经济学分析［J］．经济研究，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，张莉，钟义信.多Agent系统的理论、技术及其应用［J］.计算机科学，1999，26（9）：20-24.

［7］冯珊，唐超闵，君沈冲.用于复杂系统建模与仿真的面向智能体技术［J］.管理科学学报，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］薛领，翁谨，杨开忠，等.基于自主体（agent）的单中心城市化动态模拟［J］.地理研究，2009，28（4）：947-956.

［12］郭海湘，黎金玲，刘龙辉，等.中国城市群竞争力演变的多Agent仿真［J］.系统管理学报，2013，22（4）：579-585.