带补偿的出租车调度策略
近年来,出现了许多促进协作方式提供服务和活动的新应用。尤其在城市交通领域,许多研究人员提出并通过 AI 方法与工具实现和评估新颖的想法。然而,这些提议也引出了多个非技术问题,需要充分识别和妥善解决,如果这些系统真正应用于现实世界。本文从一种协调出租车服务的原型出发,在将其运营的关键方面以半结构化的方式表示后,从当前的法律限制和约束的角度分析其可行性,以识别额外的非功能性要求和解决方案。然后,我们更进一步,实际修改现有的原型以纳入先前识别的建议。通过使用这个改进系统进行实验,我们可以确定在几个合法可接受的选择中最合适的选项。
Jan, 2024
本研究提出了一个基于 RHC 框架并运用高度时空相关的需求 / 供应模型和实时 GPS 位置和占用信息的出租车派遣方案,能够匹配服务质量的时空比率和最小化当前和未来预期的出租车闲置行驶距离,通过实验数据集分析表明可以将平均总空驶距离减少 52%,在一个时间段内降低城市范围内供需比错误率 45%,并且该框架与各种预测模型和优化问题形式兼容。
Mar, 2016
本论文提出了一种基于模型的派遣算法、基于高性能模型无关的强化学习算法和将自顶向下方法和模型无关强化学习的优点结合的新型混合算法,以路线优化策略的形式为车队提供路线规划,研究了面对实时、随机需求的情况下,在小到中型的道路网络中,对街道叫车服务的路线进行优化;使用基于代理的大规模微观仿真平台,评估了提出的算法在人工道路网络和社区基础新加坡道路网络中的表现,结果显示出基于模型的派遣算法、基于高性能模型无关的强化学习算法和混合算法在性能上均表现出色,并且混合算法可以显著加速模型无关学习者的学习过程。
Oct, 2020
本文介绍了在道路网络上提供实时拼车服务,并保证等待时间和服务时限的大规模实时拼车问题。作者提出了分支限界算法和整数规划算法,并且提出了一种更适应动态请求的动态调度算法,从而在上海出租车数据集上进行实验,并证明了此算法比其他算法响应时间更快。
Feb, 2013
协调大型、公共、开放和商业车队的一个主要挑战是动态任务分配。本文回顾了可扩展和动态任务分配的文献,重点关注确定性和动态二维线性分配问题。我们提出了针对开放车队的数学模型,考虑到任务和车辆的随机到达,以及集中式、分布式和非集中式解决方法的比较和分析。
Jan, 2024
研究表明,当寻求最佳的车辆乘客分配和路线确定时,用户满意度应该是主要目标之一,因此发展了一种实用算法来提高用户满意度,并优于具有更简单满意度模型的最优化分配算法。
Jul, 2018
本研究提出了一个两层框架来促进在线车队管理,具体而言,上层框架提出了一种新的多主体封建强化学习模型,以协同分配空闲车辆到不同的城际线路,而下层利用自适应大邻域搜索启发式不断更新车辆的路线。
Jul, 2023
介绍了共享出租车的一个理论框架,可以通过建立可共享性网络模型,计算共享的整体效益与乘客体验的折衷,使得城市的交通拥堵、空气污染等问题得以缓解和减少成本和排放,同时也得到了广泛的乘客支持和接受,且结果表明出租车共享系统的效率并不与出租车规模等因素相关
Oct, 2013
该研究提出了一种简单的激励机制公平方案,以改善运用现有 ILP 方案时可能导致的司机和乘客不公平问题,并证明了该方案显著优于其他成功案例,无需重新培训即可实现对最差的个体的度量改善。
Mar, 2023