[论文解读] Optimization of Ride Sharing Systems Using Event-driven Receding Horizon Control

Rui Chen, Christos G. Cassandras|arXiv (Cornell University)|Jan 7, 2019

Transportation and Mobility Innovations参考文献 11被引用 7

一句话总结

本文提出了一种面向拼车系统的事件驱动模型预测控制（RHC）框架，旨在最小化乘客等待时间和行程时间的加权和。通过仅在关键事件发生时触发优化，而非固定周期，该方法降低了计算负载，实现了实时车辆调度，相较于贪心启发式方法在纽约市和安娜堡的真实数据上均展现出更高的效率与性能。

ABSTRACT

We develop an event-driven Receding Horizon Control (RHC) scheme for a Ride Sharing System (RSS) in a transportation network where vehicles are shared to pick up and drop off passengers so as to minimize a weighted sum of passenger waiting and traveling times. The RSS is modeled as a discrete event system and the event-driven nature of the controller significantly reduces the complexity of the vehicle assignment problem, thus enabling its real-time implementation. Simulation results using actual city maps and real taxi traffic data illustrate the effectiveness of the RH controller in terms of real-time implementation and performance relative to known greedy heuristics.

研究动机与目标

• 解决动态拼车系统中因乘客请求和交通状况不确定而带来的高计算复杂度与实时实现挑战。
• 通过高效且可扩展的控制策略，降低拼车系统中整体乘客的等待与行程时间。
• 克服现有方法的局限性，如固定时间窗、座位容量限制或缺乏动态重分配能力，实现基于事件触发的实时优化。
• 利用真实出租车数据和实际城市地图，在大规模城市出行网络中实现最优车辆调度的实用化部署。
• 提供一种可扩展的框架，在最小化不必要的计算的同时保持高性能，通过事件驱动控制实现。

提出的方法

• 将拼车系统建模为离散事件系统，仅在新乘客请求或车辆任务完成等关键事件发生时触发控制动作。
• 采用事件驱动的模型预测控制（RHC）方案，仅在事件发生时求解有限规划时域内的优化问题，从而降低计算开销。
• RHC控制器通过求解最优车辆分配方案，最小化等待时间与行程时间的加权和，目标函数定义为两项指标的凸组合。
• 控制器采用滚动时域策略：在执行一次控制动作后，系统等待下一个事件发生再重新优化，确保响应速度与适应性。
• 该方法可在任意时间动态重新分配乘客至车辆，不受车辆座位容量限制，从而实现更高效的车辆利用率。
• 算法基于真实出租车交通数据与实际城市地图（如纽约市和安娜堡）实现，验证了在真实环境下的性能表现。

实验结果

研究问题

• RQ1 与传统的时间驱动或贪心方法相比，事件驱动的RHC框架是否能有效降低大规模拼车系统中的乘客等待与行程时间？
• RQ2 在真实城市交通数据上应用时，事件驱动的RHC控制器在实时执行效率方面表现如何？
• RQ3 在等待时间与行程时间权重（ω）变化时，对系统性能与车辆占用率有何影响？
• RQ4 在不同车队规模与乘客负载条件下，RHC控制器与贪心启发式方法在平均等待与行程时间上的表现差异如何？
• RQ5 RHC框架是否可扩展至更长运行周期与更大车队规模，同时保持低计算开销与高性能？

主要发现

• 在拥有28辆车辆的纽约市拼车系统（RSS）中，RHC控制器将等待与行程时间的加权和降低至0.187，而贪心启发式方法为0.348，实现了46%的性能提升。
• 在38辆车辆的场景下，RHC方法的加权和为0.151，而贪心启发式方法为0.855，目标函数值降低82%。
• RHC算法的平均执行时间为：160名乘客配28辆车时为17秒，配38辆车时为19秒，表明其具备良好的可扩展性与实时可行性。
• 在所有测试场景中，包括不同权重（ω）、车队规模与运行时长下，RHC控制器始终优于贪心启发式方法。
• RHC下的车辆占用率保持均衡高效（如28辆车时为2.79），表明实现了有效的负载分配，未出现单辆车过载。
• 事件驱动设计显著减少了与时间驱动方法相比的冗余计算，提升了响应速度，并在动态环境中展现出更优的可扩展性。