多模态Transit频率与共享自主车队规模的联合优化：混合元启发式与非线性规划
摘要
共享自主车辆（SAV）为传统Transit服务带来了竞争，但重新设计多模态Transit网络可将SAV作为 feeder 利用以提高服务效率和覆盖范围。本文提出了一种优化框架，用于求解多模态Transit频率和SAV车队规模问题，这是一种Transit网络频率设置问题的变体。目标是最大化受预算约束约束下，跨多个时间段的总Transit乘客量（包括SAV供应的 trip，并减去 boarding rejection），考虑内在模式选择（Transit、点对点SAV、驾驶），同时允许通过设定频率为零来实现战略性路线删除。由于该问题的非线性、非凸特性以及大规模网络的计算挑战，我们发展了一种混合求解方法，将元启发式方法（粒子群优化）与非线性规划结合用于局部解的细化。为确保计算可行性，该框架集成了基于车队利用率的SAV等待时间 analytical 近似模型、多模态网络分配用于 route choice，以及多项式 logit 模式选择行为，绕过了主优化循环中需要计算密集型仿真的需求。应用于芝加哥大都会区的多模态网络，本方法通过优化Transit路线频率和SAV集成，实现了33.3%的Transit乘客量提升，尤其是在提升非高峰时段服务可达性和战略性资源再分配方面发挥了重要作用。
引用
@article{arxiv.2412.19401,
title = {Joint Optimization of Multimodal Transit Frequency and Shared Autonomous Vehicle Fleet Size with Hybrid Metaheuristic and Nonlinear Programming},
author = {Max T. M. Ng and Hani S. Mahmassani and Draco Tong and Omer Verbas and Taner Cokyasar},
journal= {arXiv preprint arXiv:2412.19401},
year = {2026}
}
备注
26 pages, 5 figures, accepted for publication in Transportation Research Part C: Emerging Technologies. An earlier version was presented at the Conference on Advanced Systems in Public Transport and TransitData 2025 in Kyoto, Japan on 1 - 4 July 2025