基于遗传算法的动态出租车合乘模型研究

为提高出租车的运输效率,缓解城市公交压力和打车难问题.在以往出租车合乘问题研究基础上,基于不同类型出租车与乘客组信息,联合考虑路径和费率优化问题,建立了以出行者与驾驶员的利益为优化目标的多对多模式的动态出租车合乘模型.结合模型特点,设计相应的遗传算法进行求解.并将该模型置于整个动态出租车合乘仿真流程中,在一个小型网络上进行测试,结果表明,出租车合乘减少了乘客费用,增加了驾驶员的收益,同时出租车的空载率下降.

感知乘客心理的出租车动态合乘优化方法

为研究考虑乘客感知的动态合乘问题,本文提出一种改进的算法框架。基于可行出行对概念,构建乘客满意度最大、出行时间最少的多目标线性规划问题,将合乘问题转化为车辆和乘客间的线性分配问题,并采用基于精英策略的人工蜂群算法(Elitism based Multi-Objective Artificial Bee Colony,EMOABC)求解。根据海口市出租车订单数据建立算例,实验结果表明,该算法框架能够实时提供优质动态合乘方案。相比单纯优化出行效率,考虑乘客心理的合乘策略,相对提高12%的乘客满意度,服务率等方面也有较好表现。