考虑疫情扩散传播风险的多目标拼车应急管理优化调度模型

为了解决在疫情背景下传统拼车出行模式面临的交互传染风险,对疫情背景下的拼车管理进行分析,提出了将低风险及潜在风险乘客分开服务的拼车策略。在进一步考虑拼车系统应兼顾的社会效益及服务质量的基础上,构建了在满足基本额定盈利及最小化等待时长的双目标拼车应急管理优化调度模型,并给出了求解该模型的组合模拟退火算法。通过具体算例对模型的有效性进行验证,结果表明模型能够较快收敛到一个稳定值,且计算结果能够反映实际场景,说明了模型及算法的有效性。最后,通过一个仿真实验对所构建模型在病毒传播中的作用进行了分析,结果显示所构建的模型可以有效抑制拼车导致的病毒传播速度。     

低碳导向的网约车合乘动态匹配算法研究

针对网约车合乘减排效益未能充分发挥的问题,提出一种低碳导向的网约车合乘动态匹配算法,可在保证网约车合乘经济效益的同时优化合乘的减排效益。首先根据合乘规则构建可合乘网络,然后基于图优化理论将可合乘网络转换为带权无向图,同时基于COPERT模型计算潜在合乘订单的碳减排量作为无向图的权重,最后利用改进的最大权重匹配方法对其进行求解,进而得到碳减排效益最大化的合乘匹配方案。以成都市网约车订单数据为分析实例,对该算法与传统匹配算法进行对比评估。结果表明,当乘客最大允许延误为10 min时,该算法下的可合乘出行比例达86%,碳减排总量相比传统匹配算法可提高122%,单次合乘行程的减排效率平均提高128%。因此,本文提出的算法能够在不影响平台经济效益的情况下,显著提升合乘减排效益。     

考虑实时订单更新的拼车调度双层规划模型

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,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。