基于区域路径构造（ZAC）的高效实时拼车方法

UberPool、Lyft Line、GrabShare 等实时拼车系统已极为流行，因为它们降低了客户成本、提高了司机每趟收入，并通过将行程相似的客户分组而减少了道路拥堵。此类系统的关键挑战在于实时将“合适”的请求分组到“合适”的可用车辆中一同出行，以优化目标（如服务请求数、收入或延误）。现有工作通过以下方式应对该挑战：(i) 实时生成尽可能多相关的可行（相对于客户可接受的延误）请求组合；然后 (ii) 将可行请求组合优化分配给车辆。由于请求组合数量随车辆容量与请求数增加呈指数增长，遗憾的是，此类方法不得不采用启发式临时策略来选取部分请求组合进行分配。我们的主要贡献在于开发了一种采用区域（个体位置的抽象）路径而非请求组合的方法。区域路径因两方面原因可实时生成比竞争方法显著更多“相关”组合（相较于临时启发式）：(i) 每条区域路径通常可表示多个请求组合；(ii) 区域路径由离线与时在线方法结合生成。具体而言，我们提出了采用区域路径的短视（仅关注当前请求的拼车分配）与非短视（拼车分配考虑对预期未来请求的影响）两类方法。实验结果表明，在真实与合成数据集上，我们的短视方法在目标与运行时间上均优于当前最佳拼车短视方法。