[论文解读] A Dynamic Tree Algorithm for Peer-to-Peer Ride-sharing Matching

Rui Yao, Shlomo Bekhor|arXiv (Cornell University)|May 27, 2021

Transportation and Mobility Innovations参考文献 39被引用 6

一句话总结

本文提出了一种用于按需点对点拼车匹配的动态树算法，该算法利用司机行程安排，实现了高效且接近最优的解决方案，相较于精确方法显著减少了运行时间。该方法结合了预处理阶段以筛选候选乘客请求，并采用动态树数据结构加速匹配过程，在小规模和大规模网络上均表现出色，且对行程时间约束和空间分布具有敏感性。

ABSTRACT

On-demand peer-to-peer ride-sharing services provide flexible mobility options, and are expected to alleviate congestion by sharing empty car seats. An efficient matching algorithm is essential to the success of a ride-sharing system. The matching problem is related to the well-known dial-a-ride problem, which also tries to find the optimal pickup and delivery sequence for a given set of passengers. In this paper, we propose an efficient dynamic tree algorithm to solve the on-demand peer-to-peer ride-sharing matching problem. The dynamic tree algorithm benefits from given ride-sharing driver schedules, and provides satisfactory runtime performances. In addition, an efficient pre-processing procedure to select candidate passenger requests is proposed, which further improves the algorithm performance. Numerical experiments conducted in a small network show that the dynamic tree algorithm reaches the same objective function values of the exact algorithm, but with shorter runtimes. Furthermore, the proposed method is applied to a larger size problem. Results show that the spatial distribution of ride-sharing participants influences the algorithm performance. Sensitivity analysis confirms that the most critical ride-sharing matching constraints are the excess travel times. The network analysis suggests that small vehicle capacities do not guarantee overall vehicle-kilometer travel savings.

研究动机与目标

• 解决在动态环境中实时按需拼车匹配所面临的计算挑战。
• 开发一种可扩展至更大网络且保持解决方案质量的高效算法。
• 识别影响拼车性能的最关键约束，尤其是额外行程时间。
• 评估空间分布和车辆容量对车辆公里节省的影响。
• 通过预处理阶段筛选候选乘客请求，从而减少运行时间。

提出的方法

• 该算法使用动态树数据结构，以高效管理并实时更新拼车路线。
• 预处理步骤根据空间和时间接近度筛选候选乘客请求，以缩小搜索空间。
• 动态树通过在请求插入和删除过程中动态调整树结构，保持最优的接送顺序。
• 该方法将司机行程安排作为约束条件，以指导可行路线的构建并提升运行效率。
• 通过在小规模和大规模网络上的数值实验评估算法，将解决方案质量与运行时间与精确方法进行对比。
• 进行敏感性分析，以评估关键约束（尤其是额外行程时间）对匹配结果的影响。

实验结果

研究问题

• RQ1 动态树算法如何在保持解决方案质量的同时提升按需点对点拼车匹配的效率？
• RQ2 参与者空间分布对所提出匹配算法性能有何影响？
• RQ3 哪些约束（尤其是额外行程时间）对拼车匹配结果影响最为显著？
• RQ4 小车辆容量在多大程度上促进了拼车系统中的车辆公里节省？
• RQ5 预处理阶段在不降低解决方案质量的前提下，对减少计算开销有多有效？

主要发现

• 在小规模网络上，动态树算法与精确算法达到相同的目标函数值，但运行时间显著更短。
• 预处理阶段有效减少了候选请求的数量，提升了整体算法效率。
• 敏感性分析确认，额外行程时间是影响拼车匹配性能的最关键约束。
• 参与者的空间分布显著影响算法性能，分布越均匀，结果越好。
• 小车辆容量并不能保证整体车辆公里节省，表明容量本身不足以成为效率的充分因素。
• 所提出方法可有效扩展至更大网络，展现出在小规模测试案例之外的实际应用潜力。