面向随机需求响应公交服务的在线预测优化框架

本研究开发了一个在线预测优化框架，用于在人群移动区域中动态运营公交服务。所提框架集成了需求预测与供给优化，以基于近期观测到的需求定期重新设计服务路线。为预测服务需求，我们使用分位数回归（Quantile Regression）来估计各对服务地点之间移动次数的边际分布。该框架随后通过构造高斯copula将这些边际分布组合为联合需求分布，从而捕捉边际之间的相关结构。在供给优化方面，我们设计了一个线性规划模型，根据预测需求同时确定路线结构与服务频率。重要的是，我们的框架既保留了未来需求的不确定性结构，又利用该结构进行鲁棒路线优化，同时保持两个组件解耦。我们使用丹麦某大学校园内自动驾驶移动的真实案例评估了框架。结果表明，我们的框架常能获得真实最优解，并且优于未利用完整预测分布的传统路线优化方法。