随着我国综合交通运输体系的发展,城市交通系统网络建设及运营服务正不断完善。为满足乘客对出行的多元化需求,百度地图等导航应用已经为乘客推荐了相同起讫点的多种多模式交通出行方案,以便让乘客在出行时能够更加便捷地获得最佳体验,实现出行即服务(Mobility as a Service,Maa S)。但是现有导航应用在推荐过程中往往只考虑了时间短、费用低等单一影响因素的客观排序,缺乏对用户偏好的主观限制并且忽略了绿色低碳这一重要影响因素。基于以上研究背景,本文在构建乘客群体画像的基础上,对城市多模式交通出行方案推荐问题进行研究。
本文首先论述交通领域用户画像和出行方案推荐的国内外研究现状,并确定构建乘客群体用户画像及多模式交通出行方案推荐的相关研究方法。以百度地图提供的KDD-cup 2019比赛数据为基础,采用主成分分析法、Gurobi数学规划优化器分别对用户属性数据和用户出行数据进行预处理,实现基本可视化后完成数据特征分析。其次,构建城市多模式交通出行用户画像,基于改进自适应DBSCAN聚类算法进行标签制定并实现基于群体维度的用户画像展示,将乘客群体分类为时间偏好型、费用偏好型与低碳偏好型三类。然后,考虑以用户偏好为权重参数,以出行时间、出行费用和碳排放量为目标函数,建立城市多模式交通出行多目标规划模型,并设计深度Q网络(DQN)算法进行模型求解。
最后,以北京市用户出行为例,选取三个不同线路作为城市多模式交通出行案例场景进行分析。针对时间偏好型、费用偏好型和低碳型三类不同人群,分别构建多目标规划模型并通过DQN算法求解,得到相应的个性化出行方案推荐。结果表明,相较于现有导航应用的出行方案推荐,本文生成的城市多模式交通出行方案推荐具有重视绿色低碳、考虑用户个性化需求的优点,能够有效提升用户的出行体验。
近年来,城际出行需求急剧增长,虽然交通系统不断完善,但客流分布不均、出行规划困难等问题依旧存在。出行即服务(Mobility as a Service,Maa S)为解决城际出行问题提供了新的途径。作为Maa S发展的基础之一,城际多模式出行系统与服务的...
详细信息
近年来,城际出行需求急剧增长,虽然交通系统不断完善,但客流分布不均、出行规划困难等问题依旧存在。出行即服务(Mobility as a Service,Maa S)为解决城际出行问题提供了新的途径。作为Maa S发展的基础之一,城际多模式出行系统与服务的完善至关重要。然而,当前城际多模式出行系统还存在诸多问题,例如出行规划未充分考虑多目标的协同,出行规划困难,规划方案的个性化不足等。针对这些问题,本文充分考虑城际多模式出行链及居民城际出行方式的多个影响因素,对城际多模式出行的个性化路径规划进行研究。在对比分析市内多模式出行与城际多模式出行的基础上,本文分别从城际交通系统和市内换乘系统的角度深入分析了城际多模式交通系统的结构及特征,并引入超网络理论建立了城际多模式交通网络模型。同时,通过文献分析、非结构化访谈、专家研讨和问卷调查等方法,系统地对城际多模式出行影响因素进行分析,完成了城际多模式出行影响因素的收集、扩展及精炼。基于影响因素分析的结果和城际多模式交通网络模型,分别以出行时间、出行费用、时间可靠性、舒适度、换乘便捷度为目标建立了城际多模式出行规划目标集和城际多模式出行路径规划的多目标模型。为有效支撑该模型的求解,本文引入能够反映个体出行偏好的权系数,通过线性加权法对多目标规划模型进行处理,并设计了相应的求解算法。同时,本文还提出了一种基于历史订单数据的个体出行偏好挖掘方法,用于计算不同出行个体的权系数。最后,本文选取了我国几个有代表性的城市,基于民航、铁路及市内换乘数据,对本文提出的个体出行偏好挖掘方法和多目标出行路径规划模型进行了验证。结果显示本文的研究方法具有较好的适用性,能够有效反映个体的出行偏好并生成用户满意的多模式路径规划方案。
暂无评论