基于大规模网约车车辆的城市道路网络最优驶过式感知

城市道路网络的感知与监测有助于城市交通系统的高效运行及城市系统功能的发挥。然而，传统感知方法如感应线圈传感器、路边摄像头以及来自海量城市出行者（如 Google 地图）的众包数据，常受高成本、覆盖有限与低可靠性所困。本研究探索驶过式感知的潜力，这是一种采用大规模网约车车辆（RVs）进行城市道路网络监测的创新方法。我们首先通过历史路段访问情况，从覆盖与可靠性两方面评估 RV 感知性能。接着，我们提出一个基于行程的最优 RV 重路由模型，以最大化感知覆盖与可靠性，同时保持 RV 移动服务的同等服务水平。此外，假设行程独立，设计了一个可扩展的基于列生成的启发式算法来引导 RV 的巡航轨迹。所提模型的有效性通过实验与敏感性分析得到验证，使用了纽约市超过 20,000 辆车的真实 RV 轨迹数据。优化后的重路由策略取得显著改进结果，将道路网络的显式感知覆盖提升 15.0% 至 17.3%（随时段变化），并实现感知可靠性较历史记录至少提升 24.6%。扩大路径搜索空间进一步将感知覆盖提升至多 4.5%、可靠性提升超 4.2%。此外，考虑对 RV 驾驶员的激励，增强的感知性能以每 RV 驾驶员仅 0.10 美元的极低代价实现，凸显其成本效益。