混合服务模式车辆资源多时段分配方法研究

doi:10.12141/j.issn.1000-565X.230182

华南理工大学学报(自然科学版) ›› 2023, Vol. 51 ›› Issue (10): 89-98.doi: 10.12141/j.issn.1000-565X.230182

所属专题： 2023绿色智慧交通系统专辑

混合服务模式车辆资源多时段分配方法研究

沈羽桐¹ 李明² 崔志勇¹ 于滨¹

^1.北京航空航天大学交通科学与工程学院，北京 102206
^2.山东建筑大学交通工程学院，山东济南 250101

收稿日期:2023-04-05 出版日期:2023-10-25 发布日期:2023-07-03
通信作者: 崔志勇（1993-），男，博士，副教授，主要从事交通交通数据科学、人工智能等研究。 E-mail:zhiyongc@buaa.edu.cn
作者简介:沈羽桐（1993-），女，博士生，主要从事共享出行建模与优化等研究。E-mail:Shenyutong9368@163.com
基金资助:
国家自然科学基金资助项目(52202378)

Study on the Multi-Period Allocation Method of Vehicle Resource in Hybrid Service Mode

SHEN Yutong¹ LI Ming² CUI Zhiyong¹ YU Bin¹

^1.School of Transportation Science and Engineering，Beihang University，Beijing 102206，China
^2.School of Transportation Engineering，Shandong Jianzhu University，Jinan 250101，Shandong，China

Received:2023-04-05 Online:2023-10-25 Published:2023-07-03
Contact: 崔志勇（1993-），男，博士，副教授，主要从事交通交通数据科学、人工智能等研究。 E-mail:zhiyongc@buaa.edu.cn
About author:沈羽桐（1993-），女，博士生，主要从事共享出行建模与优化等研究。E-mail:Shenyutong9368@163.com
Supported by:
the National Natural Science Foundation of China(52202378)

摘要/Abstract

摘要：

合乘出行是共享经济背景下的典型商业模式之一，以降低出行费用、减少碳排放等优势，在城市出行市场占有重要份额。车辆资源分配是优化合乘出行服务的核心环节。为充分分析车辆分配过程，本文综合考虑多种出行方式、乘客选择行为对分配方案的影响，着重探讨基于合乘出行的混合出行模式的供需匹配问题，解析乘客出行模式选择行为与区域间车辆资源分配之间的内部关联。首先引入乘客-司机匹配函数表述车辆供给与乘客需求之间的关联，然后通过Logit模型模拟乘客出行方式选择行为，从而构建区域间资源分配优化模型。在模型求解方面，将资源分配分为乘客出行方式分配和车辆供给分配两阶段，整合拉格朗日松弛算法和梯度下降算法针对每个阶段涉及的决策问题进行求解，通过乘客选择行为和车辆分配方案的反馈更新两阶段的决策方案，从而建立区域多时段交通资源分配算法。最后，在路网分区基础上，生成随机算例对资源分配算法进行测试。结果表明，本文提出的方法能够有效地均衡区域间不同出行模式的车辆供给及出行需求，随着合乘车辆数量的减少，总收益值减少比例由7.32%逐渐增至25.37%；与基于行驶里程的车辆分配方法相比，本文提出的车辆分配算法有助于提高总收益值。

关键词: 城市交通, 合乘出行, 资源分配算法, 多时段

Abstract:

Ride-sharing is one of the typical models in the context of the sharing economy. With the advantages of reducing travel costs and carbon emissions, it has occupied an important share in the urban travel market. Vehicle resource allocation is the core link in optimizing carpooling services. To realize the overall management of travel modes, this paper comprehensively considered the influence of multiple travel modes and passengers’ selection behavior on the allocation scheme. Focusing on the supply and demand matching of the mixed travel mode based on ride-sharing travel, the internal correlation between the passenger travel mode selection behavior and the allocation of vehicle resources between regions was analyzed. A passenger-to-driver matching function was introduced to describe the relationship between vehicle supply and passenger demands. Then the passengers’ travel selection behavior was simulated by the Logit model, and an inter-regional resource allocation optimization model was constructed. In solving the optimization model, the allocation problem was divided into two stages: passenger travel mode allocation and vehicle supply allocation. The Lagrangian relaxation and the gradient descent algorithms were integrated to solve the decision-making problems involved in each stage. The solutions of the two stages were updated based on the feedbacks from passenger selection preference and vehicle allocation, so as to establish the regional multi-period traffic resource allocation algorithm. Finally, the resource allocation algorithm was tested by random generation of examples on a road network with 100 sub-regions. Results show that the method proposed in this paper can effectively balance the mobility allocation among regions with mixed travel modes. As the number of ride-sharing vehicles decreased, the decreasing proportion of total revenue increased from 7.32 % to 25.37 %. Compared with the vehicle allocation method based on mileage, the vehicle allocation algorithm proposed in this paper helps to improve the total revenue.

Key words: urban traffic, ride-sharing, resource allocation algorithm, multi-period

中图分类号:

沈羽桐, 李明, 崔志勇, 等. 混合服务模式车辆资源多时段分配方法研究[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 89-98.

SHEN Yutong, LI Ming, CUI Zhiyong, et al. Study on the Multi-Period Allocation Method of Vehicle Resource in Hybrid Service Mode[J]. Journal of South China University of Technology(Natural Science Edition), 2023, 51(10): 89-98.

图/表 15

表1

模型涉及的参数及变量"

符号	含义
m	参数上标， $m ∈ t x, r s$ ，表示出行模式，tx代表独乘，rs代表合乘模式
i，j	参数下标， $i, j ∈ Ω$ ，区域编号
R	区域集合
$Ω$	子交通网络集合
$γ 1, γ 2, γ 3$	匹配率相对于未匹配车辆数、等待乘客数及路网平均速度的弹性系数
$α m$	选择出行模式m的乘客的时间价值系数
$β m$	出行模式m下单位行驶里程的出行费用
$d i j m$	决策变量，平台预估区域i至区域j出行模式m的等待服务乘客数量
$D i j m a x$	从区域i至区域j内的等待响应乘客数量的最大值
$D i j$	从区域i至区域j内的等待服务乘客数量
$D i$	区域i内等待服务乘客数量
$c i j m$	决策变量，出行模式m下从区域i至区域j调派的车辆数
$C i m$	出行模式m下区域i内的平台在线车辆数量
$z i j m$	系统能够服务的从区域i至区域j选择出行模式m的乘客数量
$l i j$	区域i至区域j独乘乘客的平均行驶里程
$θ i j m$	出行模式m下从区域i至区域j的单位行驶里程运行成本
$u i j m$	区域i至区域j选择出行模式m的效用值
$v i j$	区域i和区域j路网的车辆平均运行速度
$t i j m$	出行模式m下从区域i至区域j乘客的平均出行时间
$w i j m$	出行模式m下从区域i至区域j乘客的平均等待时间
$r i j r s$	合乘出行模式下从区域i至区域j乘客的平均绕行时间
$B i j m$	出行模式m下从区域i至区域j乘客的匹配率（%）

表1

图1

图2

表2

乘客-司机匹配函数的相关参数取值"

参数	取值
匹配函数中匹配率A	0.000 05
匹配函数中车辆数量权值 $γ 1$	0.9
匹配函数中乘客数量权值 $γ 2$	0.75
匹配函数中车辆行驶速度权值 $γ 3$	0.9
独乘时间价值系数 $α 1$	-6.867 1
合乘车辆时间价值系数 $α 2$	-6.867 1
独乘旅程费用系数 $β 1$	-0.279 3
合乘车辆旅程费用系数 $β 2$	-0.195 5

表2

图3

图4

图5

图6

图7

表3

图8

图9

图10

图11

图12

参考文献 16

1	KRUEGER R， RASHIDI T H， ROSE J M ．Preferences for shared autonomous vehicles［J］．Transportation Research Part C：Emerging Technologies，2016，69：343-355.
2	MA J， LI X， ZHOU F，et al ．Designing optimal autonomous vehicle sharing and reservation systems：a linear programming approach［J］．Transportation Research Part C：Emerging Technologies，2017，84：124-141.
3	LEVIN M W ．Congestion-aware system optimal route choice for shared autonomous vehicles［J］．Transportation Research Part C：Emerging Technologies，2017，82：229-247
4	BONGIOVANNI C， KASPI M， GEROLIMINIS N ．The electric autonomous dial-a-ride problem［J］．Transportation Research Part B：Methodological，2019，122：436-456
5	MAHMOUDI M， ZHOU X ．Finding optimal solutions for vehicle routing problem with pickup and delivery services with time windows：a dynamic programming approach based on state-space-time network representations ［J］．Transportation Research Part B：Methodological，2016，89：19-42
6	MASOUD N， JAYAKRISHNAN R ．A decomposition algorithm to solve the multi-hop Peer-to-Peer ride-matching problem［J］．Transportation Research Part B：Methodological，2017，99：1-29.
7	丁冉．出租车动态合乘匹配问题研究［D］．南京：东南大学，2015.
8	肖强，何瑞春，张薇，等．基于模糊聚类和识别的出租车合乘算法研究［J］．交通运输系统工程与信息，2014，14（5）：119-125.
	XIAO Qiang， HE Ruichun， ZHANG Wei，et al ．Algorithm research of taxi carpooling based on fuzzy clustering and fuzzy recognition［J］．Journal of Transportation Systems Engineering and Information Technology，2014，14（5）：119-125.
9	HAME L， HAKULA H ．A maximum cluster algorithm for checking the feasibility of dial-a-ride instances［J］．Transportation Science，2015，49（2）：295-310.
10	郑建国，李园园．基于改进差分进化算法的出租车合乘问题研究［J］．交通运输系统工程与信息，2018，18（1）：121-126.
	ZHENG Jianguo， LI Yuanyuan ．Shared taxi problem based on the improved differential evolution algorithm［J］．Journal of Transportation Systems Engineering and Information Technology，2018，18（1）：121-126.
11	郭羽含，伊鹏．车辆合乘问题的分布式复合变邻域搜索算法［J］．计算机科学与探索，2019，13（2）：330-341.
	GUO Yuhan， YI Peng ．Distributed hybrid variable neighborhood search algorithm for carpooling problem［J］．Journal of Frontiers of Computer Science & Technology，2019，13（2）：330-341.
12	YANG H， LEUNG C W Y， WONG S C，et al ．Equilibria of bilateral taxi-customer searching and meeting on networks［J］．Transportation Research Part B：Methodological，2010，44（8/9）：1067-1083．
13	RAMEZANI M， NOURINEJAD M ．Dynamic modeling and control of taxi services in large-scale urban networks：A macroscopic approach［J］．Transportation Research Part C：Emerging Technologies，2018，94：203-219.
14	CAO Z， CEDER A ．Autonomous shuttle bus service timetabling and vehicle scheduling using skip-stop tactic［J］．Transportation Research Part C：Emerging Technologies，2019，102：370-395.
15	ABE R ．Introducing autonomous buses and taxis：quantifying the potential benefits in Japanese transportation systems［J］．Transportation Research Part A：Policy and Practice，2019，126：94-113.
16	FISHER M L ．An applications oriented guide to Lagrangian relaxation［J］．Interfaces，1985，15（2）：10-21.

车辆数量变化量	独乘车辆		合乘车辆
车辆数量变化量	收益值/元	变化百分比/%	收益值/元	变化百分比/%
0	18 188.72		18 188.72
-50	17 652.51	-2.90	16 857.65	-7.32
-100	17 317.51	-4.78	15 675.89	-13.82
-150	17 132.98	-5.80	14 711.37	-19.12
-200	17 058.79	-6.21	14 013.83	-22.95
-250	17 036.16	-6.34	13 574.83	-25.37

[1]	杨亚璪, 翁唐政. 时空约束对运动出行的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 113-123.
[2]	庄焱, 董春娇, 米雪玉, 王菁, 杨妙言. 基于改进网络核密度和负二项回归的事故黑点鉴别[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 119-126.
[3]	赵小梅, 郝郭宇, 牛晓婧, 周志前. 不同降雨量下基于宏观基本图的边界控制策略[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 72-82.
[4]	陈小鸿, 田田甜, 张华. 城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 109-119.
[5]	胡兴华, 陈兴辉, 汪然, 等. 随机特性下考虑碳排放的公交优先控制优化模型[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 160-170.
[6]	许伦辉, 余佳芯, 裴明阳, 等. 基于几何路网结构和强化学习的车辆重定位策略[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 99-109.
[7]	王昊, 谢凝. 考虑有轨电车效率的干线分段绿波协调优化模型[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 95-105.
[8]	赵建东, 朱丹, 刘佳欣. 基于时间序列分解与门控循环单元的地铁换乘客流预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 22-31.
[9]	吴娇蓉谢金宏王宇沁. 公交线路运行不稳定性画像方法及其应用[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 15-22.
[10]	陈小红, 胡芳. 基于可能度的交叉口信号控制区间优化模型[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 29-40.
[11]	俞礼军. 具有路段容量限制的广义系统最优交通分配[J]. 华南理工大学学报(自然科学版), 2021, 49(4): 140-148.
[12]	姚恩建卢沐阳刘宇环元凌. 考虑充电约束的电动公交区域行车计划编制[J]. 华南理工大学学报（自然科学版）, 2019, 47(9): 68-73.
[13]	刘仲波赵小辉. 基于状态判别的环形交叉口信号设置依据[J]. 华南理工大学学报(自然科学版), 2018, 46(9): 92-98.
[14]	陈小红张协奎陈诗淼. 信号交叉口周期时长区间决策模型 [J]. 华南理工大学学报（自然科学版）, 2018, 46(4): 44-50.
[15]	田晟许凯. 考虑异质出行者的拥挤收费路网流量演化模型[J]. 华南理工大学学报（自然科学版）, 2018, 46(11): 110-116.

混合服务模式车辆资源多时段分配方法研究

Study on the Multi-Period Allocation Method of Vehicle Resource in Hybrid Service Mode

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 16

相关文章 15

编辑推荐

Metrics

本文评价