步行可达性优化：模型表述、算法及多伦多案例研究
最优化与控制
2022-12-13 v1 人工智能
摘要
可步行城市发展概念因其公共健康、经济与环境可持续性效益而受到越来越多的关注。遗憾的是，土地分区与历史上的投资不足导致了步行可达性的空间不平等及居民间的社会不平等。我们通过组合优化视角处理步行可达性优化问题。该任务是在考虑现有设施并提供多种选项（如餐厅）的前提下，选择可配置额外便利设施（如杂货店、学校、餐厅）的地点，以通过步行改善居民可达性。为此，我们推导了混合整数线性规划（MILP）与约束规划（CP）模型。此外，我们展示了该问题目标函数在特殊情况下具有次模性，这催生了一种高效的贪婪启发式算法。我们对加拿大多伦多市的 31 个服务不足社区进行了案例研究。MILP 在大多数场景中找到了最优解，但随网络规模扩展性不佳。贪婪算法扩展性好且能找到近最优解。我们的实证评估表明，低步行可达性社区通过策略性布置新设施，具有转变为步行友好社区的巨大潜力。配置 3 个额外的杂货店、学校和餐厅，可使 4 个社区的“WalkScore”（百分制）提升超过 50 分，并将 75% 所有住宅地点到各类设施的步行距离缩短至 10 分钟。我们的代码与论文附录可在 https://github.com/khalil-research/walkability 获取。
引用
@article{arxiv.2212.05192,
title = {Walkability Optimization: Formulations, Algorithms, and a Case Study of Toronto},
author = {Weimin Huang and Elias B. Khalil},
journal= {arXiv preprint arXiv:2212.05192},
year = {2022}
}