网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起。出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力。以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客车辆匹配无重叠等限制构建模型约束条件,采用演化策略算法求解问题,根据模型特征设计编码解码规则,解码结果可同时获得车辆乘客匹配关系和走行路径,采用交叉变异操作更新迭代个体种群,进而求得最优解。运用MATLAB求解算例验证了模型可行性及算法有效性,结果表明算法能快速响应静态拼车问题,在较短时间即可给出乘客车辆的先后匹配关系及车辆走行路径,拼车方案相比独自出行能节省更多成本。     

基于改进蚁群算法的机器人路径规划研究

在二维静态环境下的机器人路径规划中,采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进,改进的蚁群算法使用不同的期望值机制,采用挥发系数自适应方式更新信息激素,并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析,可得改进后的蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,所寻路径更短。结果表明,该改进算法提高了算法效率,抑制了算法陷入局部最优并实现了机器人最优路径搜索,使机器人可以快速地避开障碍物安全到达目标点。     

基于WebGIS的公交导乘最佳路径算法

公交网络最优路径查询功能是智能公交系统的重要组成部分,求解公交网络最优路径是进行公交系统规划的一项关键技术.通过分析乘客出行选择公交线路所考虑的因素,提出了公交导乘最佳路径算法.在引入公交导乘网络数学描述的基础上,给出了公交导乘最少换乘算法.然后以换乘次数最少、出行距离最短为约束条件,对最短路径算法(Dijkstra算法)进行改进,得出综合考虑路径长度和换乘的最佳公交导乘算法.在深圳市公交网络测试应用的结果表明此算法可行、高效.     

考虑驾乘人员公平性的网约出租车合乘路径优化模型

为了充分发挥合乘出租车承载率高、运营效益高及交通资源省等优点, 缓解城市打车难问题, 对网约出租 车合乘路径优化问题开展研究. 首先针对路网中网约出租车的供需情况, 以系统路径最短为优化目标建立目标函 数, 其次考虑网约出租车额定载客量、路径合理性、乘客利益及驾驶员收益与时间窗因素, 构建优化模型的约束条 件, 并结合绕行距离与乘客公平性原则进行费用约束, 使得绕行距离长的合乘子路径获得更多的费用补偿, 然后基 于遗传算法思想, 针对合乘路径中乘客需求起终点的次序问题, 设计了改进的交叉与变异算子. 最后依据大连市区 局部路网高峰时段内的出租车供需数据, 利用合乘路径优化模型及算法进行求解. 研究表明, 优化模型及算法可以 短时间寻求到系统近似最优解, 所得合乘方案较非合乘出行模式有效减少了出租车空驶率与乘客的出行成本, 提高 了驾驶员的平均收益.     

基于优化遗传算法的网约车合乘模型

随着城市居民绿色低碳出行思想的提高, 网约车合乘出行方式应运而生. 但由于合乘模式涉及到的行驶路线问题, 乘客与乘客、乘客与驾驶员之间容易产生分歧, 并且网约车合乘出行模式的相关成本不明确等诸多问题, 网约车合乘模式没有被大范围推广和应用. 针对网约车合乘出行模式存在的问题, 研究并构建了网约车合乘路径优化模型, 模型中考虑了车辆等待时间成本、行驶距离成本、收益、容量约束以及时间窗约束等. 针对网约车合乘模型的特点, 并基于遗传算法思想, 研究设计了满足合乘模型约束条件的求解遗传算法. 并使用Matlab软件运行算法程序对算例进行求解, 运行44.08 s得到最大利润6 906.297 1元及车辆详细行驶路线, 实验表明, 通过构建的网约车合乘模型和设计的遗传算法, 可以得到合乘路径近似最优解, 证明了模型和算法的可行性和有效性.     

基于Hadoop及出租车历史轨迹的乘客推荐算法

针对智慧城市中乘客打车策略的推荐算法效率不高的问题,使用古典概率学统计历史轨迹中该时间该路段有空车的天数占数据集总天数比例,作为乘客等到空车概率;使用最小二乘法拟合时间与到达空车数曲线,预测乘客等到空车时间,以提高推荐效率。同时,使用Hadoop作为数据存储和计算平台以提高数据处理能力;提出一种基于地图栅格化的路网存储结构来提高搜索地图速度;改进一种基于计算几何的地图匹配算法提高匹配准确率。实验结果显示,空车概率推荐算法正确率约87%,等待时间推荐算法正确率达88.4%,表明挖掘轨迹数据为乘客提供推荐服务的可行性。     

基于区域划分的出租车统一推荐算法

针对在极端天气或交通繁忙时乘客无法快速搭乘出租车到达目的地的问题,提出一种基于区域划分的出租车统一推荐算法,不仅提供普通打车服务,同时提供拼车服务。首先,将区域作为旅程标识,在旅程匹配方面化不可能为可能;其次,在拼车服务中算法将两对路线相近的乘客进行即时匹配,帮乘客拼车共乘;最后,选取绕远时间比例最小的出租车推荐给用户。使用包含14747辆出租车的全球定位系统（GPS）数据对算法进行评估,与CallCab系统相比虽然在减少的总里程数上下降了10%左右,但每次拼车平均只需要多花费6%的时间,且降低的送达乘客总里程数同样达到30%,不仅大幅度减少汽车尾气的排放,同时在用户更加关注的时间消耗方面表现更佳。     

基于最小换乘次数的最优路径算法

分析公交网络的特点,说明公交网络中最短路径的意义.根据乘客出行时考虑的首要因素是还乘次数最少的事实,考虑了乘客可以步行小段距离再转车的实际情况,提出了基于最小换乘次数的城市公交网络最优路径算法.     

基于E-CARGO模型的共乘出行匹配建模与优化方法

共乘出行应用系统通过提高汽车可用座位容量利用率来减少交通拥堵、缓解停车位紧张,提高社会效益和环境效益。司机和乘客的实时匹配和优化技术是共乘系统的核心内容。基于角色的协同（RBC）是一种用于促进组织结构、提供有序系统行为和协调系统内活动的新方法。为了减少乘客和司机的动态实时匹配时间、提高匹配效率,提出结合RBC和环境-类、代理、角色、群组和对象（E-CARGO）模型形式化共乘问题的方法。在资源容量约束和利润收入给定的情况下,对共乘匹配问题进行建模和仿真实验,提高可用座位容量利用率,实现平台收益最大化,资源匹配合理化。实验结果表明,基于E-CARGO模型的形式化方法可以应用于共乘出行匹配问题建模,最优匹配矩阵和时间可以采用Kuhn-Munkres（K-M）算法和Java中的优化软件包（ILOG）解决方案获得。与ILOG软件包算法相比,K-M算法所用平均时间至少减少了21%;当代理规模大于一定数值（大于600）时,算法时间开销急剧增大。     

一种基于改进蚁群算法的港内寻跺应用

如何寻找最优路径是港区内交通诱导系统研究解决的核心问题。本文就如何寻找最优路径引入了基于群体仿生理念的改进的自适应蚁群算法,通过对信息浓度更新规则加以改进来加快收敛,不但能够降低蚁群算法的时间复杂度,还能克服寻找最优路径的难题,为进入港区的外来车辆顺利到达目的地提供了技术保障。     

基于三维时空轨迹的拼车改进算法研究

由于私家车数量剧增导致道路拥堵日益严重，拼车作为一种更加环保的出行方式成为人们出行的重要选择。为了提高拼车服务质量，轨迹匹配正成为一个新的研究热点。传统的基于Hausdorff距离的轨迹匹配存在两个问题：只考虑了路径上点的坐标信息，忽略了用户等待时间；直接计算整段路径的Hausdorff距离，无法体现特殊路段对匹配度量的影响。针对上述问题提出两点改进：提出带有时间约束的Hausdorff距离计算方法；提出了一种优化的轨迹匹配方法：用转向点分割原路径，将匹配度量细化到每个子路段。为了评估所提出框架的性能，从Google地图获取到大量中国湖北省武汉市的路线图，实证研究表明，相较于传统的最小完成时间在线模式调度（MCT）算法，所提出的方法能够帮助乘客找到更匹配的轨迹，减少等待时间，从而减少大气污染。     

Real-time path planning to dispatch a mobile sensor into an operational area

This paper addresses problems of large planning time and cost uncertainty for informative path planning of a mobile sensor where the location of sensor deployment is different of that of an operational area. The first problem is that the cost has no term dependent on sensor state before arriving at the operational area and it causes large planning time. The information of the state of interest dissipates over time during the planning time and it degrades performance of sensing operation. The other problem is that the cost is dependent on the parameters to be estimated. To assess the cost, the target state in the future should be predicted by integrating the system model based on noisy initial estimate. The limitation of the informative path planning has a greater impact on performance in this specific problem. A strategy to cope with these problems is to devise a real-time path planning algorithm by using online optimization. The proposed algorithm is divided into two phases; determining the path to the boundary of the operational area and guiding the sensor by an informative potential field in the area. Detailed analysis on performance of the proposed algorithm compared to an optimal solution by nonlinear programming is given. The simulation results have demonstrated that the proposed algorithm can cope with performance degradation observed in the optimal solution.     

长期车辆合乘问题的复合变邻域搜索算法

针对于长期车辆合乘问题（LTCPP）,提出一种复合变邻域搜索算法（HVNSA）,将具有相同目的地的用户进行合乘匹配从而减少车辆出行数量。首先,构建一个全面准确的长期车辆合乘问题的数学模型,将所有用户按复合距离优先算法分配到合乘小组中,对时间窗口和车容量约束验证,得到初始合乘方案;然后利用变邻域搜索算法对初始合乘方案进行优化迭代,得到最终的优化合乘方案。实验结果表明,该算法在处理100人和200人的规模问题上可以在1 s内得到高质量的优化合乘方案,对于400人和1000人的较大规模问题,该算法仍然可以在2~4 s内得到较高质量的优化合乘方案。     

UWB无线传感器网络中基于匹配滤波检测的TOA估计

深入研究了UWB(ultra wideband)无线传感器网络中基于匹配滤波门限检测的TOA(time of arrival)估计算法.针对现有算法的不足,提出了一种三步TOA估计算法:先确定DP(direct path)搜索区域,然后使用门限检测确定DP的粗略位置,最后精确搜索到DP的中心.其中,用于计算检测门限的门限因子依据匹配滤波输出的峭度动态设置,设置模型独立于信道模式,其正确性通过与使用固定门限因子所获得的性能对比进行了验证.与其他算法的性能对比仿真结果表明,所提出的三步TOA估计算法在运算效率和TOA估计精度上取得了较好折衷,适合于当前实际应用.还通过对TOA估计误差的统计分析讨论了测距结果的可信度:依据峭度将测距结果划分为可信和不可信两个级别,并为各级别的TOA估计误差分别了建立概率密度模型.在定位模块中有效利用这些可信度信息,可进一步提高定位精度.     

基于随机森林与变邻域下降的车辆合乘求解

为了最大化用户满意度，长期车辆合乘问题（LTCPP）被建模为多目标优化问题。然后，根据历史合乘数据以及用户满意度信息，使用随机森林算法计算每个指标对用户满意度的重要性影响，并作为对应优化目标的权重，以避免人为设定权重因子对优化结果的影响。提出了一种求解LTCPP的变邻域下降（VND）算法，通过顺序地在多个邻域内搜索得到问题的最优解。实验结果表明，结合随机森林和VND算法能为LTCPP提供高质量的解决方案，且具有很高的时间效率。     

An incremental graph-partitioning algorithm for entity resolution

Entity resolution is an important data association task when fusing information from multiple sources. Oftentimes the information arrives continuously and the entity resolution algorithm needs to efficiently update its solution upon receiving new information. In this work, we introduce an incremental entity resolution algorithm based on a graph partitioning formulation. The developed algorithm is able to handle both incrementally arriving entity references, as well as incrementally arriving information which changes the pairwise similarity scores between the references. New information is handled in a way that allows the algorithm to reconsider past decisions when contradicting information arrives. Because the graph partitioning formulation used is NP-Hard, a heuristic algorithm is developed to produce good solutions, which is also compatible with a blocking technique to limit the number of required comparisons. The algorithm is tested on a variety of datasets (randomly generated and real) and it is shown that allowing the algorithm to consider revised scores and revisit prior decisions offers a substantial improvement to accuracy (approximately 30–40% better F-Score on a natural language dataset), compared to other greedy heuristics on the same set of coefficients. It is also shown that, on a test set with 100 references, the incremental algorithm is up to an order of magnitude faster than a batch algorithm approach that re-solves the entire problem.     

Time-optimal and privacy preserving route planning for carpool policy

To alleviate the traffic congestion caused by the sharp increase in the number of private cars and save commuting costs, taxi carpooling service has become the choice of many people. Current research on taxi carpooling services has focused on shortening the detour distances. While with the development of intelligent cities, efficiently match passengers and vehicles and planning routes become urgent. And the privacy between passengers in the taxi carpooling service also needs to be considered. In this paper, we propose a time-optimal and privacy-preserving carpool route planning system via deep reinforcement learning. This system uses the traffic information around the carpooling vehicle to optimize passengers’ travel time, not only to efficiently match passengers and vehicles but also to generate detailed route planning for carpooling vehicles. We conducted experiments on an Internet of Vehicles simulator CARLA, and the results demonstrate that our method is better than other advanced methods and has better performance in complex environments.

     

基于低秩矩阵恢复的移动WSN节点轨迹拟合研究

对传感节点的位置和轨迹信息进行更新和管理,是传感节点可移动的无线传感器网络系统的主要特征。传感节点的位置和轨迹信息频繁传输会增加网络的能量消耗。为了降低信息的传输量,对信息进行采样,并通过拟合传感器节点的移动轨迹恢复原始轨迹信息;为了进一步提高拟合准确度,将压缩感知理论应用于轨迹拟合中,该算法对非凸最优化问题进行松弛,将矩阵的秩松弛到矩阵的Frobenius范数,并转化为非约束优化问题,然后采用最小二乘法对目标函数进行迭代以求得最优解。仿真实验结果表明,算法能够较好地拟合传感节点的移动轨迹,能显著减少传感节点位置和轨迹信息的发送量。