[论文解读] Instance generation tool for on-demand transportation problems

Michell Queiroz, Flavien Lucas+1 more|arXiv (Cornell University)|Aug 23, 2022

Transportation and Mobility Innovations被引用 4

一句话总结

该论文提出了REQreate，一种用于按需交通问题的灵活实例生成工具，利用来自OpenStreetMap的真实道路网络生成逼真且多样的基准实例。该工具可配置地控制关键问题属性——规模、动态性、紧急程度和地理分散度，成功生成了5,280个合成实例用于按需公交路线规划问题（ODBRP），其模式与真实网约车数据高度一致。

ABSTRACT

We present REQreate, a tool to generate instances for on-demand transportation problems. Such problems consist of optimizing the routes of vehicles according to passengers' demand for transportation under space and time restrictions (requests). REQreate is flexible and can be configured to generate instances for a large number of problems in this problem class. In this paper, we demonstrate this by generating instances for the Dial-a-Ride Problem (DARP) and On-demand Bus Routing Problem (ODBRP). In most of the literature, researchers either test their algorithms with instances based on artificial networks or perform real-life case studies on instances derived from a specific city or region. Furthermore, locations of requests for on-demand transportation problems are mostly randomly chosen according to a uniform distribution. The aim of REQreate is to overcome these non-realistic and overfitting shortcomings. Rather than relying on either artificial or limited data, we retrieve real-world street networks from OpenStreetMaps (OSM). To the best of our knowledge, this is the first tool to make use of real-life networks to generate instances for an extensive catalogue of existing and upcoming on-demand transportation problems. Additionally, we present a simple method that can be embedded in the instance generation process to produce distinct urban mobility patterns. We perform an analysis with real life datasets reported by rideshare companies and compare them with properties of synthetic instances generated with REQreate. Another contribution of this work is the introduction of the concept of instance similarity that serves as support to create diverse benchmark sets, in addition to properties (size, dynamism, urgency and geographic dispersion) that could be used to comprehend what affects the performance of algorithms.

研究动机与目标

• 为现有文献中按需交通问题缺乏标准化、逼真的基准实例提供解决方案。
• 通过使用来自OpenStreetMap（OSM）的真实道路网络，克服人工数据或特定城市数据的局限性。
• 实现生成反映真实城市出行模式的多样化、可配置实例。
• 通过提供在规模、动态性、紧急程度和地理分散度方面具有受控变化的实例集，支持算法评估。
• 引入实例相似性作为度量标准，以确保基准集的多样性与鲁棒性。

提出的方法

• REQreate使用OSMnx库从OpenStreetMap中检索真实道路网络，实现精确的空间建模。
• 通过JSON输入文件配置实例参数，指定每项请求的起点、终点、时间窗及资源需求等属性。
• 通过设置起点与终点节点之间直达行程时间的区间来控制地理分散度。
• 通过在规划周期内动态到达的请求比例（0%至100%，每10%为一 increment）调节动态性。
• 使用可配置均值与标准差的正态分布来建模紧急程度，用于请求的时间窗。
• 基于POI的请求生成方法利用兴趣点（POI）和基于距离的概率，模拟真实的人类出行模式。

实验结果

研究问题

• RQ1 如何通过利用真实世界道路网络使按需交通实例生成更加逼真？
• RQ2 REQreate生成的合成实例在多大程度上能复现真实网约车数据中观察到的统计特性？
• RQ3 动态性、紧急程度和地理分散度的受控变化如何影响算法性能评估？
• RQ4 能否将实例相似性用作度量标准，以确保基准实例集的多样性并避免过拟合？
• RQ5 哪些实例属性配置能使按需交通系统更具盈利性或实际可操作性？

主要发现

• REQreate成功为按需公交路线规划问题（ODBRP）生成了5,280个合成实例，覆盖了规模、动态性、紧急程度和地理分散度的多种配置。
• REQreate生成的合成实例在统计特性上与芝加哥网约车数据中观察到的真实世界特征（如行程时长、时间窗分布和空间聚类）高度一致。
• 该工具基于POI的请求生成方法有效再现了不同的城市出行模式，且无需访问专有的真实世界数据。
• 实例相似性分析证实，生成的基准集包含多样化的配置，降低了算法评估中过拟合的风险。
• 该工具支持系统性探索实例属性（如紧急程度（均值5–30分钟）和地理分散度（10–6000秒））对算法性能的影响。
• REQreate通过识别空间、时间和距离分布条件，支持实际规划，从而确定按需交通系统在何种条件下具备实际可操作性。