网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起。出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力。以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客车辆匹配无重叠等限制构建模型约束条件,采用演化策略算法求解问题,根据模型特征设计编码解码规则,解码结果可同时获得车辆乘客匹配关系和走行路径,采用交叉变异操作更新迭代个体种群,进而求得最优解。运用MATLAB求解算例验证了模型可行性及算法有效性,结果表明算法能快速响应静态拼车问题,在较短时间即可给出乘客车辆的先后匹配关系及车辆走行路径,拼车方案相比独自出行能节省更多成本。     

面向公平保障的共乘定价与匹配算法

在共乘场景中,具有相似行程和时间安排的多名乘客一同出行,可降低出行成本、提高车辆上座率和缓解交通拥堵。现有研究忽略了共乘收费标准不统一和司机恶意竞价对乘客共乘体验的影响。在同时考虑费用约束、车辆容量约束和绕路距离约束的的情况下,提出最大化匹配结果公平性的方案,并将共乘的定价与匹配过程建模为一个两阶段的主从博弈。针对上述方案,提出了一个基于K-means++的请求划分算法,以缩小司乘匹配范围,提高匹配效率;在满足所有参与者约束的前提下,设计了基于两阶段主从博弈的迭代算法DPMA,并从理论上证明了其收敛性。在纽约出租车数据集上进行了仿真实验,通过不同的参数设置验证了DPMA的收敛性。与已有的2个算法相比,DPMA在保障司机收益的同时,在公平指数上分别提高了34.03%和24.42%。实验结果表明所设计机制可以有效避免司机间的恶意竞价,且提高了共乘匹配的公平性。     

一种基于群代理协同交互的共乘出行仿真模型

作为一种新兴的交通方式,共乘出行既环保又可持续,因为它不仅能让乘客节省出行成本,还能减少汽车的交通拥堵,所以共乘成为人们首选的出行方式。考虑到现实中人力资源的有限性,对共乘出行服务进行了深入的研究。对多Agent技术和共乘过程进行详细的论述,提出一种基于群代理协同交互的仿真模型,该模型采用基于三层架构的JADE平台。给出司乘人员路径匹配模型和协商模型,提出最短路径算法来仿真启动司乘代理之间的共乘过程。选取覆盖北京市区的真实轨迹数据集Geolife和西安市15天的出租车营运轨迹数据,对提出的路径匹配模型和协商模型进行实验验证。实验结果表明,两类模型在准确性和执行效率上具有高效性。     

融合用户相似度与时间期望的长期车辆共乘匹配算法

长期车辆共乘可显著提升出行便利性和稳定性，对缓解城市交通拥堵、减少环境污染具有重要作用，但由于需同步进行分组规划和路径规划，其全局最优匹配方案难以获取且匹配结果的可行性无法保障。针对上述问题，基于行驶距离、行驶时间、出发抵达期望和整合熵权相似度，构建了带有时间窗和车容量约束的多目标混合整数规划模型，采用复合熵权法对独立相似度进行融合，并提出一种质心寻优小簇分割算法对共乘用户进行匹配划分。在用户分割过程中迭代优化共乘组质心，并采用减枝枚举法计算用户的最佳行驶路径，生成符合多元约束的共乘组划分方案。实验结果表明，所提算法与一般K-Means聚类算法相比，平均近似解提高了9.66%。平均时间减少了49.29%，且在处理大规模实例上效果明显，能够高效求解长期车辆共乘匹配问题。     

考虑用户偏好的启发式动态共乘匹配算法

针对现有算法很少考虑用户之间的共乘偏好需求,提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型,旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹以及用户的兴趣偏好,过滤不满足用户偏好需求的车辆;其次,构建一个临时匹配图,设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离;最后采用贪婪方式实现用户与车辆之间的匹配,并采用节点插入方式,将出行请求的出发地点和到达地点插入到车辆的当前行驶路线中。仿真结果表明,提出的启发式动态共乘匹配算法使车辆增加的平均绕行距离和运行时间低于现有算法,系统匹配率高于现有算法;用户的出行时间需求、兴趣偏好、信誉度等共乘需求对系统匹配率有显著影响。     

关于网约车订单分配策略的综述

网约车在人们的日常出行生活中扮演着非常重要的角色,随着时代的发展,越来越多的人习惯于利用手机通过出行平台打车,但有时存在乘客的请求长时间得不到满足、司机长距离空载等现象,这不仅严重地影响了乘客和司机的体验感,还降低了人们的出行效率。如何更好地匹配乘客请求和空载司机需求,一直是出行平台关注和研究的重点问题。对网约车订单分配策略的研究,有助于减少乘客等待时间,提高司机收益,减少司机空载距离,提高资源利用率。首先简述了从乘客发起打车请求到请求订单被响应的完整流程;其次,详细地介绍了在不同派单模式下的订单分配策略;最后,全面地列举了衡量订单分配策略的评估指标。     

动态车辆共乘问题的双模式协作匹配算法

车辆共乘可有效提升运输资源利用率，降低出行成本，缓解交通拥堵并降低环境污染.针对动态车辆共乘问题构建了整数规划模型，并提出了一种基于离线匹配和在线匹配的双模式协作匹配算法.在离线匹配阶段，以共乘比率和绕行距离为标准对匹配价值进行评估，设计了基于带权路径搜索树的通用共乘比率生成算法对共乘参与者进行准确高效的预匹配.在在线匹配阶段，提出了基于首尾距离度的实时订单插入算法，并对离线匹配结果中的行驶路径进行修正.通过双模式协作，可有效兼顾算法的实时性和结果质量.基于真实数据的大量实验结果表明，该算法给出的匹配方案在总匹配价值和求解效率上均优于实验中的对比算法，其平均离线匹配率达93.71%、平均双模式协作匹配率达85.53%,增加运输资源利用率82.86%,减少车辆并发数84.86%.     

基于移动互联网的智能拼车系统设计

该系统旨在服务于乘客和出租车司机,以解决乘客高峰时段打车难,出租车座位利用率低等问题。系统主要采用C/S结构,客户端主要分为乘客与出租车两个用户角色。后台服务器主要实现定位、智能匹配、路径导航及费用计算等。     

长期车辆合乘问题的复合变邻域搜索算法

针对于长期车辆合乘问题（LTCPP）,提出一种复合变邻域搜索算法（HVNSA）,将具有相同目的地的用户进行合乘匹配从而减少车辆出行数量。首先,构建一个全面准确的长期车辆合乘问题的数学模型,将所有用户按复合距离优先算法分配到合乘小组中,对时间窗口和车容量约束验证,得到初始合乘方案;然后利用变邻域搜索算法对初始合乘方案进行优化迭代,得到最终的优化合乘方案。实验结果表明,该算法在处理100人和200人的规模问题上可以在1 s内得到高质量的优化合乘方案,对于400人和1000人的较大规模问题,该算法仍然可以在2~4 s内得到较高质量的优化合乘方案。     

基于优化遗传算法的网约车合乘模型

随着城市居民绿色低碳出行思想的提高,网约车合乘出行方式应运而生.但由于合乘模式涉及到的行驶路线问题,乘客与乘客、乘客与驾驶员之间容易产生分歧,并且网约车合乘出行模式的相关成本不明确等诸多问题,网约车合乘模式没有被大范围推广和应用.针对网约车合乘出行模式存在的问题,研究并构建了网约车合乘路径优化模型,模型中考虑了车辆等待时间成本、行驶距离成本、收益、容量约束以及时间窗约束等.针对网约车合乘模型的特点,并基于遗传算法思想,研究设计了满足合乘模型约束条件的求解遗传算法.并使用Matlab软件运行算法程序对算例进行求解,运行44.08 s得到最大利润6 906.297 1元及车辆详细行驶路线,实验表明,通过构建的网约车合乘模型和设计的遗传算法,可以得到合乘路径近似最优解,证明了模型和算法的可行性和有效性.     

基于E-CARGO模型的开发者推荐方法

针对传统开发者推荐方法侧重于分析开发者的专业能力以及与任务的交互信息,而未考虑开发者间协作性的问题,提出一种基于E-CARGO(Environment-Class,Agent,Role,Group,and Object)模型的开发者推荐方法.首先结合协作开发的特点,将开发者协同开发过程描述为基于角色的协作,并使用E-C...     

通勤合乘路径优化模型与算法

道路车辆的增多导致城市交通和环境问题日益严重, 共享合乘被认为是减少交通拥堵, 降低碳排放的有效方法, 特别是在新冠疫情持续影响下, 通勤者采用互助合乘出行意愿较高. 本文考虑到通勤时间的紧迫性, 通勤者存在通勤压力和合乘不适感, 在没有经济效益驱动的情况下, 限制合乘路径的匹配范围, 并加入惩罚因子以提高合乘配对成功率. 本文提出了一种基于最优时间插值的贪婪启发式算法, 添加了3种扰动算子来提高全局搜索能力, 采用多组不同规模案例测试扰动效果. 结果表明: 设计算法可以在短时间内求解出更优结果, 在解决大规模问题上,相比于精确算法、粒子群算法和遗传算法更具竞争力. 此外, 通过选取位置较远且分布均匀的职员作为接送者, 可以改善合乘效果.     

基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接

电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”（AKAZE）算法对待拼接电力巡线图像进行粗匹配;其次,对OANet中Order-Aware模块添加挤压和激励网络（SENet）,从而增强网络对局部和全局上下文信息的抓取能力,得到更精确的成对匹配点;然后,通过MPA算法配准待拼接图像;最后,借助内容压缩感知算法计算重叠区域的最佳缝合线以完成图像拼接。改进OANet相较原OANet的正确匹配点数量增加了10%左右,耗时平均增加了10 ms;与APAP算法、AANAP算法、MPA算法等配准拼接算法相比,所提算法的拼接质量最好,其待拼接图像的重叠区域的均方根误差为0,非重叠区域未发生畸变。实验结果表明,所提算法可快速、稳定地拼接电力巡线航拍图像。     

一种快速高效的模式匹配算法的应用研究

提出一种高性能的模式匹配算法——MAC算法,它通过使用从确定性有限状态机（DFA）中得到的特征等同态,在保证高速匹配的前提下,极大地减少了内存需求。同时,该算法具有高度的灵活性,即通过调整就可以适应不同的特定性能和资源限制的要求。在软件使用环境中的实验结果表明,MAC算法的内存使用性能相对目前先进的模式匹配算法提高了1.51~2.40倍。     

融合XGBoost和Multi-GRU的数据中心服务器能耗优化算法

随着云计算技术的快速发展,数据中心的数量大幅增加,随之而来的能源消耗问题逐渐成为一个研究热点.针对服务器能耗优化问题,提出了一种融合极限梯度提升(XGBoost)和多个门控循环单元(Multi-GRU)的数据中心服务器能耗优化(ECOXG)算法.首先利用Linux终端监控命令和功耗仪收集服务器各部件的资源占用信息和能耗...     

改进的AAC多模式实时匹配算法

AAC算法（Advanced AC）是使用最为广泛的多模式串匹配算法,匹配性能高,匹配时间稳定。针对AAC算法为判定转移目标状态是否为终结状态,在匹配时每读入一个字符都要访问output表,代价较高的问题,通过两种方法改进了AAC算法。第一种方法为拷贝自动机中的终结状态,将其附加在AAC自动机后,并将原自动机中指向终结状态的转移目标修改为附加状态,直接根据转移目标位置判断当前状态是否是终结状态,从而提出Advanced AC with Additive state（AACA）算法。第二种改进方法为将自动机中指向终结状态的状态转移值置为负数,根据转移目标的值直接判断目标状态是否为终结状态,从而提出Advanced AC with Negative state（AACN）算法。以上两种改进算法只有在发现模式匹配时才需进行output表的访问。实验数据表明：AACA和AACN算法性能均高于AAC算法,特别在中小规模匹配上,性能提升更为明显。     

基于区域划分的出租车统一推荐算法

针对在极端天气或交通繁忙时乘客无法快速搭乘出租车到达目的地的问题,提出一种基于区域划分的出租车统一推荐算法,不仅提供普通打车服务,同时提供拼车服务。首先,将区域作为旅程标识,在旅程匹配方面化不可能为可能;其次,在拼车服务中算法将两对路线相近的乘客进行即时匹配,帮乘客拼车共乘;最后,选取绕远时间比例最小的出租车推荐给用户。使用包含14747辆出租车的全球定位系统（GPS）数据对算法进行评估,与CallCab系统相比虽然在减少的总里程数上下降了10%左右,但每次拼车平均只需要多花费6%的时间,且降低的送达乘客总里程数同样达到30%,不仅大幅度减少汽车尾气的排放,同时在用户更加关注的时间消耗方面表现更佳。     

基于终端直通通信的多用户计算卸载资源优化决策

随着计算密集和时延敏感类应用的激增,移动边缘计算（MEC）被提出应用在网络边缘为用户提供计算服务。针对基站（BS）端边缘服务器计算资源有限以及网络边缘用户远距离计算卸载的时延较长等问题,提出了基于终端直通（D2D）通信的多用户计算卸载资源优化决策,将D2D融入MEC网络使用户以D2D方式直接卸载任务到相邻用户处执行,从而能够进一步降低卸载时延和能耗。首先,以最小化包括时延和能耗的系统计算总开销为优化目标,建模多用户计算卸载和多用户计算资源分配的联合优化问题;然后,将求解该问题看作是一个D2D配对过程,并提出基于稳定匹配的低复杂度的多用户计算卸载资源优化决策算法;最后,迭代求解D2D卸载的优化分配决策。通过理论证明分析了所提算法的稳定性、最优性和复杂度等特性。仿真结果表明,所提算法相较于随机匹配算法能够有效降低10%~33%的系统计算总开销,并且其性能非常接近最优的穷举搜索算法。可见,所提基于D2D卸载的决策有利于改善时延和能耗开销性能。