需求不确定下公共交通中断时的鲁棒路径推荐
最优化与控制
2025-05-20 v2 系统与控制
系统与控制
摘要
当公共交通系统发生严重服务中断时，乘客通常需要引导以寻找替代路径。本文提出一种路径推荐模型，以缓解公共交通中断期间的拥堵。具有不同起点、终点和出发时间的乘客被推荐不同路径，从而使系统出行时间最小化。我们将路径推荐问题建模为带不确定需求信息的最优流问题。为处理因容量约束导致的出行时间缺乏解析表述，我们提出一种基于仿真的一阶近似，将原问题转化为线性规划。需求中的不确定性采用鲁棒优化建模，以保护路径推荐策略免受不准确估计的影响。以芝加哥交通局（CTA）系统中的真实轨道中断场景作为案例研究。结果表明，即使不考虑不确定性，名义模型也能将系统出行时间减少 9.1%（相较现状），并优于基于容量的基准路径推荐。事故线路中乘客（即接受推荐的乘客）的平均出行时间减少更多（相较现状为 -20.6%）。在纳入需求不确定性后，鲁棒模型可进一步减少系统出行时间。最佳鲁棒模型相较名义模型可使事故线路乘客平均出行时间降低 2.91%。当实际需求模式接近最坏情况需求时，鲁棒模型的改进更为显著。
引用
@article{arxiv.2201.01437,
title = {Robust Path Recommendations During Public Transit Disruptions Under Demand Uncertainty},
author = {Baichuan Mo and Haris N. Koutsopoulos and Max Zuo-Jun Shen and Jinhua Zhao},
journal= {arXiv preprint arXiv:2201.01437},
year = {2025}
}