论文部分内容阅读
随着“互联网+”战略与传统交通行业的深度融合,各种各样的即时出行需求服务平台应运而生,尤其是在交通供需矛盾突出的北京、上海、广州、深圳、杭州等城市迅速发展,由此产生了一种新的网约共享出行模式。共享出行用户能够按需获得交通工具的短期使用权,而无需拥有交通工具的所有权。网约共享出行系统分析与优化调度相关问题在最近几年引起学术界的广泛关注,然而学术界对共享出行系统运行机制的了解仍相当有限。例如,目前尚不明确共享出行对交通系统的影响,作为独立决策的参与者认知和行为如何决定共享出行意愿,以及如何建立高效的共享出行调度模型等。鉴于此,本文在研究网约共享出行行为机理及其外部影响基础上,构建了基于增强学习的网约共享出行优化调度模型,以期实现网约共享出行服务系统供需平衡,有助于优化城市交通结构和提高道路资源使用效率。本文主要包括以下三方面的研究:(1)网约拼车出行行为机理分析及其影响评估。采用SP调查和RP调查相结合的方法,获取网约共享用户的通勤出行方式分担率、出行次数、其他出行方式向网约共享出行方式的转移量等数据集,分析网约共享通勤出行方式选择的影响因素。利用从网约共享出行平台中提取的真实网约拼车出行数据和对网约拼车出行用户进行的问卷调查,定量评估了网约拼车享出行行为对城市交通系统的影响。(2)基于网约共享出行订单数据的路网行程时间可靠性分析。本文建立了路网行程时间可靠性评价指标体系,考虑了路网中OD对的行程时间率概率分布,并用中国最大的网约共享出行平台的真实数据进行实例分析。路网行程时间可靠性指标能够较好地评价区域和城市交通系统运行效率,为出行者的行程的提供意见和指导,且适用于不同层次的用户,包括出行者和交通管理人员,有助于调整个人出行策略,提高交通运营效率。(3)基于蒙特卡洛树搜索的网约共享出行平台派单优化。突破以往只从空间角度优化派单问题,本文从时空两个维度扩展可用车辆的集合,可提高司乘匹配率,缩短司乘等待时间。从多角度建立司乘调度模型,并根据司乘匹配关系,建立匹配树结构,再利用改进后的蒙特卡洛树搜索算法对模型进行求解。结果表明,所提出的派单问题优化模型和增强学习算法可以实现高效派单,特别是可以在网约共享出行平台供需不平衡的情况下提供高效可靠的派单方案。