[论文解读] An algorithm for integrating peer-to-peer ridesharing and schedule-based transit system for first mile/last mile access

Pramesh Kumar, Alireza Khani|arXiv (Cornell University)|Jul 15, 2020

Transportation and Mobility Innovations参考文献 45被引用 64

一句话总结

本文提出了一种基于公共交通的拼车算法，将点对点拼车与基于时刻表的公共交通系统相结合，以解决首英里/末英里（FMLM）问题。通过基于时刻表的最短路径算法与时空棱柱（STP）约束，该方法识别出可行的乘客-司机匹配，并针对最大匹配数或车辆小时节省进行优化，在参与率为1%的模拟中，系统总车辆小时数最高可减少46%。

ABSTRACT

Due to limited transit network coverage and infrequent service, suburban commuters often face the transit first mile/last mile (FMLM) problem. To deal with this, they either drive to a park-and-ride location to take transit, use carpooling, or drive directly to their destination to avoid inconvenience. Ridesharing, an emerging mode of transportation, can solve the transit first mile/last mile problem. In this setup, a driver can drive a ride-seeker to a transit station, from where the rider can take transit to her respective destination. The problem requires solving a ridesharing matching problem with the routing of riders in a multimodal transportation network. We develop a transit-based ridesharing matching algorithm to solve this problem. The method leverages the schedule-based transit shortest path to generate feasible matches and then solves a matching optimization program to find an optimal match between riders and drivers. The proposed method not only assigns an optimal driver to the rider but also assigns an optimal transit stop and a transit vehicle trip departing from that stop for the rest of the rider's itinerary. We also introduce the application of space-time prism (STP) (the geographical area which can be reached by a traveler given the time constraints) in the context of ridesharing to reduce the computational time by reducing the network search. An algorithm to solve this problem dynamically using a rolling horizon approach is also presented. We use simulated data obtained from the activity-based travel demand model of Twin Cities, MN to show that the transit-based ridesharing can solve the FMLM problem and save a significant number of vehicle-hours spent in the system.

研究动机与目标

• 解决在覆盖范围和频率有限的郊区公共交通网络中面临的首英里/末英里（FMLM）问题。
• 开发一种动态、实时的匹配系统，将拼车与固定时刻表的公共交通服务相结合。
• 通过优化拼车集成，减少车辆行驶里程（VMT）和系统内车辆小时数。
• 利用时空棱柱（STP）约束和滚动时域方法提高匹配效率。
• 使用来自明尼苏达州双子城的真实大规模公共交通网络模拟数据，评估该方法的性能。

提出的方法

• 使用基于时刻表的公共交通最短路径算法，计算乘客的可行出行路线，包括到达时间、等待时间、乘车时间、换乘时间和下车时间。
• 应用时空棱柱（STP）约束，基于时间和位置的可用性，限制可行乘客与司机匹配的搜索空间。
• 开发匹配优化模型，选择最优的司机-乘客配对、公交站点和车辆行程，以最小化绕行距离并最大化系统效率。
• 采用滚动时域方法实时求解动态拼车问题，每5分钟处理一次请求。
• 实施两种优化目标：最大化匹配数量和最大化车辆小时节省。
• 使用双子城的活动基础出行需求模拟数据校准并验证该算法。

实验结果

研究问题

• RQ1 基于公共交通的拼车系统是否能有效减少低密度郊区地区首英里/末英里的出行问题？
• RQ2 将拼车与基于时刻表的公共交通相结合，如何提升系统整体的车辆小时节省和匹配率？
• RQ3 时间灵活性和参与率在多大程度上影响算法的计算性能和匹配成功率？
• RQ4 时空棱柱（STP）技术在不牺牲解质量的前提下，是否能有效减少计算时间？
• RQ5 滚动时域算法是否能高效处理大规模、实时的拼车匹配问题？

主要发现

• 当以最大化车辆小时节省为目标时，该算法将系统内车辆小时数最高减少了46%，显著优于以最大化匹配数为目标的方案。
• 在1%的参与率下，该算法在标准台式计算机硬件上每5分钟时间步的处理时间均未超过4.23分钟，证明了其可行性。
• 约54%的乘客和司机在模拟中成功匹配，大多数未匹配参与者由于时间限制或请求量过低而无法找到可行的匹配对象。
• 司机绕行时间的平均值为9.14分钟，乘客乘车时间的平均值为20.43分钟，表明首英里行程是乘客和司机行程时间的主要组成部分。
• 提高时间灵活性和参与率可提升匹配率和计算负载，当乘客与司机数量相等时，匹配率最高。
• 独立拼车与基于公共交通的拼车相结合，显著提升了匹配率和车辆小时节省，表明存在协同增效效应。