基于真实出行需求的拼车 Dial-a-Ride 问题大规模算例

在带有拼车的按需出行(Mobility on Demand, MoD)系统中，准确预测求解 Dial-a-Ride 问题(DARP)的算法在真实场景下的性能，需要在具有代表性的算例上进行评估。然而，当前最先进 DARP 求解方法的基准测试仅限于小型人工算例或过时的非公开算例，阻碍了直接比较。随着大型 MoD 系统的兴起以及许多美国城市开放出行需求数据集的可用，现在有机会在标准化、真实且具代表性的算例上评估这些算法。尽管处理经过模糊处理和多样化的数据集存在重大挑战，我们已开发出一种方法，并基于该方法利用真实世界数据创建了一套全面的大规模需求算例。这些算例涵盖了多种用例，其中一例展示了对两种成熟 DARP 方法的评估：插入启发式(insertion heuristic)方法与最优车辆分组分配(optimal vehicle-group assignment)方法。我们以标准化格式发布了两种方法的完整结果。结果显示各地区在所有测量量上均存在显著差异，强调了跨不同城市评估方法的重要性。