Dynamic Preference-based Multi-modal Trip Planning of Public Transport and Shared Mobility
本文提出融合公共交通、拼车与共享微出行的偏好驱动混合整数规划及自适应大邻域搜索元启发式框架,并用鹿特丹真实网络验证其动态近优求解能力。
2025-02-20 math.OC
The pickup and delivery problem with synchronized en-route transfers for microtransit planning
微型运输和其他灵活的运输车队服务可以通过合并转移来降低成本。然而,如果用户必须下车并在车站等待另一个皮卡,那么转移对他们来说是昂贵的。提出了一种混合整数线性规划模型(MILP),用于求解车辆同步中途换乘(PDPSET)条件下的取送问题。转移位置由模型确定,可以位于网络中的任何候选节点,而不是预先定义的静态设施。车辆之间的转移操作在严格的时间窗口内严格同步。提出了一种启发式算法来解决这个问题的一个可接受的解决方案,在一个更短的计算时间比商业软件。两组合成数值实验进行了测试:小规模的实例的基础上,一个5x5的网格网络,和不同的网络大小的大规模的实例高达250x250网格测试的可扩展性。结果表明,在微交通中增加同步途中转移可以进一步降低总成本平均10%,最大节省可以达到19.6%,在我们的小规模测试实例。启发式平均有一个最优差距小于1.5%,而有一小部分的运行时间,并可以扩展到250 × 250网格的运行时间在1分钟内。两个大规模的例子表明,超过50%的车辆路线可以进一步改善同步途中转移和车辆行驶距离的最大节省,可以达到20.37%的实例与100辆车和300个请求在200x200网络。
2022-01-19 math.OC
Grid-Aware On-Route Fast-Charging Infrastructure Planning for Battery Electric Bus with Equity Considerations: A Case Study in South King County
本文提出整合公交与电网的混合整数二阶锥规划框架,优化南金县BEB沿途快充站规划,兼顾成本最小化与横向纵向公平性,实现经济与社会双重效益。
2023-09-14 cs.SY eess.SY math.OC
Stochastic Trip Planning in High Dimensional Public Transit Network
本文提出一种基于高斯过程的密度估计框架,通过估计边权重密度解析求解大型网络的随机最短路径,并设计了应用于Delhi公共交通的实时行程规划系统,相比确定性最短路径可节省高达40%的行程时间。
2023-06-28 math.OC
Estimating the perturbed utility route choice model with trip-level data
University of Copenhagen(哥本哈根大学);Technical University of Denmark(丹麦技术大学);Technion(以色列理工学院)
本文提出适用于个体出行数据的microPURC估计量,采用嵌套不动点算法,经模拟数据验证统计性质,并用真实大数据集实践,完善扰动效用路径选择模型的估计方法。
2026-08-13 econ.EM math.OC stat.ME
Routes planning in a condominium company using mathematical optimization
Coimbra Business School - ISCAC(科英布拉商学院 - ISCAC);Polytechnic University of Coimbra, Portugal(葡萄牙科英布拉理工学院);Center for Mathematical Studies (CEMS.UL)(数学研究中心 (CEMS.UL));University of Lisbon, Portugal(葡萄牙里斯本大学);Centre for Organisational and Social Studies (CEOS.PP)(组织与社会研究中心 (CEOS.PP));Technical University of Porto, Portugal(葡萄牙波尔图理工大学)
本研究针对公寓管理公司员工的日常路线规划问题,提出基于数学优化的双开放路线模型,结合Azure API与Bing Maps实现,可最小化总路线距离并扩展至其他服务公司。
2026-10-14 cs.DM math.OC
Planning routes in road freight minimizing logistical costs and accident risks
车辆路径问题(Vehicle Routing Problem,VRP)作为一种通过最小化距离来优化路径的方法,在历史上得到了广泛的研究,而VRP中的风险问题却很少受到关注。通过这种方式,本文的目的是支持决策者规划路线的道路货运公司同时考虑,即物流成本和安全。一种基于统计的分析方法,其中官方的事故发生的政府数据和货物保险公司的数据被用来估计风险成本的路线使用蒙特卡洛模拟。采用容量限制车辆路径问题(CVRP)和物流和风险成本最小化,通过改变一个特定的安全水平系数和模型生成的解决方案,更安全的路线,降低风险成本高达约18%。各路径的事故概率和风险成本均符合预期值,本文的主要贡献在于该方法能够支持决策者在考虑安全和物流成本的情况下进行路径选择,并为任何VRP模型提供了一种简单且适用的方法。此外,Knime分析平台还用于估计事故概率,并简化数据探索,分析,可视化和解释。
2022-08-20 math.OC stat.AP
A Double Decomposition Algorithm for Network Planning and Operations in Deviated Fixed-route Microtransit
本文针对偏离固定线路的微公交系统,构建两阶段随机整数优化的MiND模型,提出结合Benders分解与子路径列生成的双重分解算法,经曼哈顿真实数据验证可高效求解大规模算例,实现多维度出行共赢并提供开源实现。
2025-06-11 math.OC
Route planning of mobile sensing fleets for repeatable visits
本文提出可重复访问的开放式团队定向越野问题(OTOP-RV),并定制自适应大邻域搜索算法,在随机与真实VOCs感知案例中验证了其高效性与实用性。
2024-04-21 math.OC
Planning and Optimizing Transit Lines
本研究梳理公交线路规划领域四十余年的模型进展,聚焦含不确定性的规划模型,分析乘客路径、发车间隔与运力的相互作用及三种聚合层级,覆盖线路规划各环节,重点关注数学规划类模型。
2024-05-16 math.OC
Vehicle Route Planning using Dynamically Weighted Dijkstra's Algorithm with Traffic Prediction
Jaguar Land Rover India Limited(捷豹路虎印度有限公司);University of Cambridge(剑桥大学)
传统的车辆路径算法没有考虑交通的变化特性。虽然存在具有不同权重的Dijkstra算法的实现,但是权重经常在算法的结果被执行之后改变,这可能并不总是导致选择最优路线。因此,本文提出了一种新的车辆路径算法,改进了Dijkstra的算法,使用交通预测模型的基础上,在道路网络中的交通流量。这里,Dijkstra算法在规划阶段本身使用交通流理论原理而被适配为动态的和不定常的。该模型提供了预测的交通参数和旅行时间在每个时刻的道路网络的每个边缘,导致更好的路由结果。本文提出的动态算法预测规划过程中每个时间步的交通状况变化,给出最优前瞻路径,并在随机模拟交通量的图上与传统的Dijkstra算法进行了比较,结果表明,该算法能更好地预测连续变化交通量下的最优路径。
2022-05-30 cs.RO cs.SY eess.SY
Estimation of Recursive Route Choice Models with Incomplete Trip Observations
本文研究了在出行观测数据不完全的情况下,在观测中存在未连接的链接(或节点)。处理这个问题的直接方法将是棘手的,因为枚举真实网络中未连接的链路(或节点)之间的所有路径通常是不可能的。我们利用期望最大化(EM)的方法,允许处理丢失的数据问题,交替执行两个步骤的采样缺失的部分在观察和解决最大似然估计问题。此外,观察到EM方法将是昂贵的,我们提出了一种新的估计方法的基础上的想法,可以通过求解线性方程组精确计算的选择概率的不连接的链接的意见。我们进一步设计了一个新的算法,称为分解合成(DC),这有助于减少要解决的线性方程组的数量,并加快估计。我们比较了我们提出的算法与一些标准基线使用一个数据集从一个真实的网络,并表明DC算法优于其他方法在恢复丢失的信息的意见。我们的方法与大多数的递归路径选择模型在文献中提出,包括递归logit,嵌套递归logit,或折扣递归模型。
2022-04-27 econ.EM math.OC
Semi-on-Demand Off-Peak Transit Services with Shared Autonomous Vehicles -- Service Planning, Simulation, and Analysis in Munich, Germany
Northwestern University(西北大学);Technical University of Munich(慕尼黑工业大学)
研究基于共享自动驾驶车辆的半按需非高峰公交服务,结合分析建模与模拟方法,探讨德国慕尼黑十条公交线路的服务规划等关键问题,发现SAV可提高服务质量,验证了分析模型,明确最佳SoD设置及过渡阶段的情况。
2026-07-28 cs.SY eess.SY math.OC
Evacuation Route Planning for Alternative Fuel Vehicles
随着采用替代燃料车辆数量的增加,社区(特别是那些容易受到危害的社区)制定考虑此类车辆加油需求的疏散计划至关重要。在紧急情况下,需要先发制人的疏散计划,使用替代燃料车辆的旅客是脆弱的,当疏散路线不提供访问加油站的方式来避难所。在本文中,我们制定并解决了一个新的无缝疏散路线规划问题,通过设计$k$ -最小生成树的跳跃约束,捕获加油需求的每一个$k \in K$车辆燃料类型的方式,以达到一个避难所。我们开发了一个分支和价格算法的基础上的数学列生成方法来解决疏散问题。我们提出的框架,苏福尔斯交通网络与现有的基础设施部署和目前的数值实验。具体而言,我们讨论了疏散旅行和加油时间的各种替代燃料汽车行驶里程的情况下。我们的研究结果表明,每种车辆燃料类型的特征,如驾驶范围和加油基础设施拓扑结构,在确定疏散路线计划中起着关键作用。这意味着疏散路线可能对单一燃料类型的车辆是唯一的,而对其他燃料类型则是不可行的。最后,我们观察到,驾驶范围的限制可能会迫使疏散车辆绕道,以满足他们的加油需求,达到安全和增加总疏散时间的7.32%,在一个评估的情况。
2022-05-31 econ.GN math.OC q-fin.EC
A Conflict-Based Path-Generation Heuristic for Evacuation Planning
NICTA(澳大利亚国家信息与通信技术研究院);University of Melbourne(墨尔本大学);Ecole des Mines de Nantes(南特矿业学院)
疏散规划和调度是灾害管理和国家安全应用的一个重要方面。提出了一种基于冲突的疏散路径生成方法。其核心思想是为疏散区域惰性地生成疏散路线,并在主问题中优化这些路线上的疏散。每个新路径的生成是为了解决疏散中的冲突,并在主问题中添加新列和新行。该算法被应用到大规模的洪水情况下,在霍克斯伯里-内湖河(西悉尼,澳大利亚),需要疏散的顺序为70,000人。所提出的方法减少了变量的数量从4,500,000在一个混合规划(MIP)制定30,000的情况下,研究。通过这种方法,可以实时的近似最优地解决现实的疏散场景,支持战略,战术和作战环境中的疏散规划。
2013-09-10 cs.AI math.OC
Boosting Column Generation with Graph Neural Networks for Joint Rider Trip Planning and Crew Shift Scheduling
本文提出联合乘客行程规划与乘务排班问题(JRTPCSSP),并设计了结合列生成与机器学习的 AGGNNI-CG 方法,利用注意力门控图神经网络大幅减少定价问题探索路径,加速求解,在真实数据集上显著提升了解质量与服务质量。
2025-06-16 cs.LG math.OC
Urban Bike Lane Planning with Bike Trajectories: Models, Algorithms, and a Real-World Case Study
Rotman School of Management, University of Toronto(多伦多大学罗特曼管理学院);University of California, Berkeley(加州大学伯克利分校)
我们研究了基于细粒度自行车轨迹数据的城市自行车道规划问题,该数据由智能城市基础设施(如自行车共享系统)提供。关键的决定是在现有道路网络中的何处修建自行车道。随着自行车共享系统在世界各地的大都市地区变得普遍,许多市政府正在规划和建设自行车道,以促进骑自行车和保护骑自行车的人。传统的自行车道规划方法通常依赖于调查和地理学。我们开发了一个通用的和新颖的优化框架,以指导自行车车道规划自行车轨迹。我们形式化的自行车道规划问题,鉴于骑自行车的人的效用函数,并推导出一个整数优化模型,以最大限度地提高效用。为了捕捉骑自行车的路线选择,我们开发了一个基于多项Logit模型的双层程序。我们推导出基础模型的结构性质,并证明了自行车道规划模型的拉格朗日对偶是多项式时间可解的。此外,我们重新制定的路线选择为基础的规划模型作为一个混合整数线性规划,使用线性逼近方案。我们开发了易于处理的配方和有效的算法来解决大规模的优化问题。通过一个城市政府的真实案例研究,我们证明了所提出的算法的效率,并量化了自行车出行的覆盖率和自行车道的连续性之间的权衡。我们展示了网络拓扑结构如何根据效用函数演变,并强调了理解骑自行车者的路线选择的重要性。该框架推动了智慧城市运营管理中数据驱动的城市规划方案。
2020-08-21 cs.AI cs.CE math.OC
Integrated Exploration-Aware UAV Route Optimization and Path Planning
Department of Aerospace Engineering, University of Michigan(密歇根大学航空航天工程系);Department of Electrical Engineering, Brigham Young University(BYU 电子工程系);Department of Aerospace Engineering, Department of Civil and Environmental Engineering, and Department of Industrial and Operations Engineering, University of Michigan(密歇根大学航空航天工程系、土木与环境工程系和工业与运营管理工程系)
提出一种集成探索感知的无人机路径优化与轨迹规划框架,通过风险地图、不确定兴趣区域建模、B样条轨迹优化和在线重规划,在灾害监测中平衡报告点访问与新信息探索,实现平均KL散度降低15.9%。
2026-06-19 cs.RO cs.SY eess.SY