基于数据驱动的公交调度优化

公交系统是美国公共交通的骨干。此类基础设施服务质量的一个重要指标是站点准点率，而公布的公交时刻表在决定服务成功程度方面起着不可或缺的作用。然而，相对较少的优化架构利用随机搜索来优化公交时刻表，其目标是最大化公交车在时间点到达时延误处于期望准点范围内的概率。此外，将延误模式的月度与季节性变化与此类优化策略相结合的研究也十分匮乏。为此，本文对公交准点性能优化的研究文献做出如下贡献：(a) 提出一种无监督聚类机制，将具有相似季节性延误模式的月份分组；(b) 将该问题表述为单目标优化任务，并采用贪心算法、遗传算法（GA）以及粒子群优化（PSO）算法求解；(c) 提供对算法比较的实证结果的详细讨论，并给出启发式算法超参数的敏感性分析及其执行时间，以助相关从业者参考。所进行的分析在纳什维尔都会区改善公交调度的局部情境中具有洞察意义，同时作为一个详尽案例研究，基于日益增多的使用自然启发式方法进行公交调度优化的实证文献，从全局视角也具参考价值。