多目标优化在公交网络设计问题中的作用
机器学习
2022-01-28 v1 人工智能
最优化与控制
摘要
持续的交通变化，包括由COVID-19大流行引发的那些，揭示了使我们的公共交通系统适应用户不断变化需求的必要性。本工作表明，单目标与多目标立场可协同结合以更好地应对公交网络设计问题(TNDP)。单目标公式由近似（多目标）帕累托前沿中网络的评级动态推断，其中使用回归方法推断换乘需求、时间、距离、覆盖与成本的最优权重。作为一个指导性案例研究，该方案被应用于葡萄牙里斯本城市的多元公共交通网络。系统获取由CARRIS公交车与METRO地铁站智能卡验证给出的个体出行数据，并用其估计城市中的起讫需求。随后，使用遗传算法，考虑单目标与多目标方法，重新设计更契合观测交通需求的公交网络。所提出的TNDP优化被证明可改善结果，目标函数降低达28.3%。系统大幅减少了线路数量，且所有与乘客相关的目标，包括出行时间与每次出行换乘次数，均显著改善。基于自动 fare 采集数据，系统可增量式重新设计公交网络，以动态应对城市交通的持续变化。
引用
@article{arxiv.2201.11616,
title = {On the Role of Multi-Objective Optimization to the Transit Network Design Problem},
author = {Vasco D. Silva and Anna Finamore and Rui Henriques},
journal= {arXiv preprint arXiv:2201.11616},
year = {2022}
}