目前网约车拼车服务存在响应不及时、乘客舒适度低等现象,亟需对拼车路线及求解算法进行优化。本文首先考虑路网条件及时间窗阈值影响,以网约车运行成本与乘客出行成本最小化为目标,构建基于双向线路的网约车拼车优化模型("one-to-...目前网约车拼车服务存在响应不及时、乘客舒适度低等现象,亟需对拼车路线及求解算法进行优化。本文首先考虑路网条件及时间窗阈值影响,以网约车运行成本与乘客出行成本最小化为目标,构建基于双向线路的网约车拼车优化模型("one-to-many"online car-hailing carpooling model under multiple constraints)。其次以遗传算法为基础,结合模拟退火温度调控机制,改进适应度评价和接受准则,提出混合遗传-模拟退火算法(hybrid genetic-simulated annealing algorithm,H-GASA)。最后以呼和浩特东站及其周围交通网络为例进行实例验证。实验结果表明,与其他算法相比,H-GASA算法在多种时间窗下均能有效降低乘客出行时间和车辆运营成本。此外,H-GASA算法得到的网约车拼车服务问题求解方案更优,收敛曲线更平缓,效率更高,验证了H-GASA在克服遗传算法过快收敛问题上的有效性。展开更多
文摘目前网约车拼车服务存在响应不及时、乘客舒适度低等现象,亟需对拼车路线及求解算法进行优化。本文首先考虑路网条件及时间窗阈值影响,以网约车运行成本与乘客出行成本最小化为目标,构建基于双向线路的网约车拼车优化模型("one-to-many"online car-hailing carpooling model under multiple constraints)。其次以遗传算法为基础,结合模拟退火温度调控机制,改进适应度评价和接受准则,提出混合遗传-模拟退火算法(hybrid genetic-simulated annealing algorithm,H-GASA)。最后以呼和浩特东站及其周围交通网络为例进行实例验证。实验结果表明,与其他算法相比,H-GASA算法在多种时间窗下均能有效降低乘客出行时间和车辆运营成本。此外,H-GASA算法得到的网约车拼车服务问题求解方案更优,收敛曲线更平缓,效率更高,验证了H-GASA在克服遗传算法过快收敛问题上的有效性。
