Optimizing Ride-Pooling Operations with Extended Pickup and Drop-Off Flexibility
作者: Hao Jiang, Yixing Xu, Pradeep Varakantham
发布时间: 2025-03-12
来源: arxiv
研究方向: 智能交通系统与共享出行
主要内容
本文针对按需拼车服务中的拼车匹配问题（RMP），提出了一种名为FlexiPool的优化方法。该方法通过引入扩展的上下车区域，允许乘客步行至附近的地点与车辆汇合，从而提高拼车服务的效率。
主要贡献
1. 引入了灵活的上下车区域，提高了可行匹配的数量并减少了不必要的车辆绕行。
2. 开发了一种高效的算法来识别所有可行的匹配，通过剪枝不可行的匹配来减少搜索空间。
3. 将区域车辆路径问题（RVRP）公式化为优化车辆路线，确保满足所有服务约束条件的同时最小化旅行时间。
4. 使用强化学习框架评估每个分配的影响，通过考虑当前状态和长期奖励来做出明智的决策。
研究方法
1. 基于树的算法来生成乘客与车辆之间的可行匹配。
2. 使用混合整数线性规划（MILP）来解决区域车辆路径问题（RVRP）。
3. 使用神经近似动态规划（NeurADP）来评估每个分配的长期影响。
实验结果
在真实世界的出租车数据集上的实验表明，FlexiPool在服务请求数量上比现有领先方法提高了13%，在平均旅行距离上减少了21%。
未来工作
开发一个具有灵活上下车点的拼车定价模型，通过向步行至附近上下车点的乘客提供折扣，以激励乘客调整位置并实现更优化的结果。