-
题名考虑实时订单更新的拼车调度双层规划模型
被引量：1
- 1
-
-
作者
李佶霖
袁鹏程
林徐勋
胡凯
-
机构
上海理工大学管理学院
常州大学商学院
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第6期1714-1721,共8页
-
基金
国家自然科学基金资助项目(71601118)。
-
文摘
针对订单实时更新的实际情况,为仍有待完成订单的司机持续分配任务,在保证司机收益增加的同时,提升拼车平台的派单效率。在考虑拼车系统服务质量与运行成本的基础上,基于平台角度构建了以司机总收益最大化为目标的双层规划模型,并给出求解该模型的双层算法:底层模型对拼车路径进行规划,设计改进的遗传算法求解;上层模型决定订单分配的顺序,通过贪心算法调用底层模型,比较收益变化后得到最终的调度结果。通过具体算例对模型进行验证,结果表明模型能够较快求解出订单匹配结果及行驶路线,说明了模型的可行性及算法的有效性,且计算结果能够反映实际场景。对比实验结果表明,模型在满足提升司机收益的基础上,能有效减少延误时间及降低行驶距离,对于实时订单更新场景下拼车调度问题的相关研究具有积极的参考意义。
-
关键词
网约拼车
匹配策略
路径优化
双层算法
-
Keywords
ridesplitting
matching strategy
routing optimization
double-layer algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
U491
[交通运输工程—交通运输规划与管理]
-
-
题名多特征融合的网约车拼车起讫点需求时空预测
- 2
-
-
作者
谢秉磊
冯健茜
秦筱然
-
机构
哈尔滨工业大学(深圳)
-
出处
《交通运输系统工程与信息》
2025年第4期193-205,共13页
-
基金
国家自然科学基金(71974043)。
-
文摘
针对现有拼车需求预测研究中对拼车订单关联性考虑不足的问题,本文提出一种基于时空多图卷积神经网络的拼车起讫点需求时空预测模型。首先,将拼车订单数据处理为各个起讫点之间需求的时序数据,分析并挖掘拼车需求的多个特征信息。在此基础上,根据拼车拼成率、路径相似性和土地功能相似性构建多个反映拼车订单关联的语义图,为拼车需求预测提出新的语义建模视角;同时,构建反映相邻性和距离的地理图,从多维度对地理相关性与行程语义关联进行建模。在模型构建上,本文提出层级化多图信息融合机制,充分捕捉数据中的时空相关性。此外,引入影响拼车需求的外源因素,构建融合多特征的时空多图卷积模型。实验结果表明,拼车拼成率、路径相似性和天气是影响拼车需求的关键因素。相较于多图注意力卷积网络(GMAN)、时空长短期记忆网络(SP-LSTM)和残差多图卷积网络(RMGCN),本文方法的预测结果均方根误差分别降低了11.44%、7.06%和3.89%,平均绝对误差分别降低了9.45%、10.85%和7.26%,表明本文提出的方法具有较高的预测精度和科学性。
-
关键词
智能交通
需求预测
多图卷积神经网络
网约车拼车
门控循环单元
起讫点预测
-
Keywords
intelligent transportation
demand prediction
multi-graph convolutional neural network
ride-pooling in ride-hailing
gated recurrent unit
origin-destination prediction
-
分类号
U495
[交通运输工程]
-
