[论文解读] Seamless Multimodal Transportation Scheduling

Arvind U. Raghunathan, David Bergman+3 more|arXiv (Cornell University)|Jul 25, 2018

Transportation and Mobility InnovationsEngineering参考文献 33被引用 20

一句话总结

本文提出一种基于决策图的分支定价模型，用于无缝多式联运调度，通过优化最后一英里网约车与公共交通的协同，最小化出行时间与车辆行程次数。该方法在不到一分钟内求解了真实规模的实例（10,000名乘客、50个目的地、600辆车辆），相较于先前方法实现数量级的速度提升，同时通过按目的地聚合乘客，保持了高解决方案质量。

ABSTRACT

Ride-hailing services have expanded the role of shared mobility in passenger transportation systems, creating new markets and creative planning solutions for major urban centers. In this paper, we consider their use for the first-mile or last-mile passenger transportation in coordination with a mass transit service to provide a seamless multimodal transportation experience for the user. A system that provides passengers with predictable information on travel and waiting times in their commutes is immensely valuable. We envision that the passengers will inform the system of their desired travel and arrival windows so that the system can jointly optimize the schedules of passengers. The problem we study balances minimizing travel time and the number of trips taken by the last-mile vehicles, so that long-term planning, maintenance, and environmental impact are all taken into account. We focus on the case where the last-mile service aggregates passengers by destination. We show that this problem is NP-hard, and propose a decision diagram-based branch-and-price decomposition model that can solve instances of real-world size (10,000 passengers spread over an hour, 50 last-mile destinations, 600 last-mile vehicles) in computational time (~1 minute) that is orders-of-magnitude faster than other methods appearing in the literature. Our experiments also indicate that aggregating passengers by destination on the last-mile service provides high-quality solutions to more general settings.

研究动机与目标

• 设计一种集成最后一英里网约车与公共交通的无缝多式联运系统，以提升通勤的可预测性与效率。
• 联合优化乘客行程安排与最后一英里车辆路径规划，以最小化总出行时间与行程次数。
• 通过开发可扩展的优化框架，解决大规模多式联运调度带来的计算挑战。
• 评估按目的地聚合乘客在实现复杂调度问题高质量解方面的有效性。
• 通过计算实验，展示该方法在真实规模实例上的实际可行性。

提出的方法

• 作者开发了一种基于最新决策图（DD）的分支定价分解模型，以高效表示可行的行程安排。
• 每个目的地通过独立的决策图进行建模，编码从始发站出发的乘客分组及其出发时间的有效组合。
• 决策图的构建确保所有乘客的到达时间窗口均被遵守，并且车辆容量约束得到强制执行。
• 该方法利用动态规划原理，通过跟踪乘客索引与车辆载荷的状态节点，紧凑地表示指数级数量的可能分组。
• 在分支定价框架中，通过迭代求解定价子问题并利用DD生成有前景的列（即可行的车辆行程）。
• 该方法通过假设一次行程中的所有乘客共享同一目的地，利用问题结构实现状态空间的有效压缩。

实验结果

研究问题

• RQ1 基于决策图的分支定价方法是否能在实时计算时间内求解大规模多式联运调度问题？
• RQ2 按目的地对乘客进行聚合，在近似复杂最后一英里调度问题最优解方面有多高效？
• RQ3 与文献中现有方法相比，所提方法在计算性能上获得了多大提升？
• RQ4 通过基于目的地的聚合简化调度问题后，模型在多大程度上仍能保持解决方案质量？
• RQ5 所提出的框架是否能在可接受的时间限制内处理真实规模的实例（例如，10,000名乘客、50个目的地、600辆车辆）？

主要发现

• 所提出的基于决策图的分支定价模型在约1分钟内求解了真实规模的实例（10,000名乘客、50个目的地、600辆车辆），相较于现有方法快了数量级，性能显著提升。
• 该模型证明了基于乘客按目的地聚合的最后英里调度问题是NP难问题，从而证明了需要采用先进优化技术的必要性。
• 按目的地聚合乘客可获得高质量解，其性能与更通用、无约束的公式化方法相当，验证了建模假设的有效性。
• 决策图的构建通过基于状态的乘客索引与载荷跟踪，确保了正确性，即强制遵守到达时间窗口与车辆容量约束。
• 通过利用问题结构并结合动态规划的高效列生成方法，该方法实现了最优或近似最优解。
• 理论分析确认，决策图具有 O(n_d · v_cap · T_w) 条弧和 O(n_d · v_cap) 个节点，支持可扩展计算。