面向三准则的快速多模态出行规划

我们研究由公共交通和非基于时刻表的换乘模式（如步行、自行车、电动滑板车）组成的多模态网络中的出行规划问题。迄今为止，该问题的所有高效算法要么限制换乘模式的使用，要么仅对两个准则进行帕累托优化：到达时间和使用的公共交通行程次数。然而，我们表明，为了获得高质量的解，必须同时解除这两类限制。特别是，必须将使用（无限制的）换乘模式所花费的时间作为第三准则进行优化。我们提出 McTB，这是首个通过避免维护帕累托集的昂贵数据结构来高效优化三个准则的算法。为了实现无限制换乘，我们将其与 ULTRA 预处理技术的三准则扩展相结合。此外，由于超过两个准则时完整帕累托集会变得大到不切实际，我们采用 Delling 等人的方法以系统的方式限制帕累托集。在真实数据上的大量实验表明，即使在大型国家级网络上，我们的算法也快到足以支持交互式查询。与多准则多模态出行规划的当前最优方法 MCR 相比，我们实现了最高 80 倍的加速。