关键词:
需求响应型定制公交
车辆线路规划
数据驱动
序列相似度匹配算法
自适应大规模邻域搜索算法
摘要:
需求响应型定制公交(customized bus, CB)作为一种新兴的公共交通服务模式,为出行偏好相似的乘客提供灵活的出行服务。然而,现有CB线路规划算法尚未充分利用日常运营生成的线路数据。鉴于数据量庞大和乘客出行需求的波动性,直接参考历史数据中的线路规划结果将导致有效信息提取困难,从而影响算法效率。该文提出了考虑历史情景的均方差算法,筛选可行且相似的历史线路,为当前情景的线路规划提供参考,同时,建立了基于历史线路相似性的数学模型,利用改进的序列相似度匹配(sequence similarity matching, SSM)算法评估历史与当前线路的相似度,从而有效参考历史线路信息,优化当前线路。为加速求解该模型,该文提出一种考虑当前与历史线路相似性的自适应大邻域搜索(adaptive large neighborhood search, ALNS)算法。该算法基于历史信息构建初始解,并结合移除和插入算子,获得更优的解决方案。通过对南京真实出行数据的算例分析发现,该算法在线路可行性、稳定性和线路质量方面均有显著提升。研究结果表明:历史线路数据与当前情景相似度越高,生成的公交线路规划方案质量越优。该文研究结果可为运用历史信息求解CB线路规划问题提供参考。