车辆合乘问题的两阶段分布式估计算法
Two-stage Estimation of Distribution Algorithm to Solve Multi-vehicle Carpooling Problem
查看参考文献12篇
|
文摘
|
针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型.利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶距离短的高效出行特点. |
|
其他语种文摘
|
A multi-carpooling model is proposed for the multi-vehicle carpooling problem in a distributed parallel computing environment. The prior knowledge of the carpooling probabilistic matrix is used for more efficient computing and effective solutions. When the carpooling probabilistic matrix is not the identity matrix, the multi- carpooling model is augmented into two stages of drivers’ridesharing and passengers’ ridesharing. A two-stage estimation of distribution algorithm is proposed as a stochastic optimization method to solve the optimum with a carpooling probabilistic matrix of promising carpooling solutions. A ridable matrix initiates the carpooling probabilistic matrix, and the optimization consists of a series of incremental updates of the carpooling probabilistic matrix. The optimization process of drivers and passengers is separated; hence, the carpooling model implements the mutual ridesharing to decrease vehicles demanded. The carpooling model mines efficient and compromised ridesharing routes for shared riders by the optimization iterations. Experimental results indicate that the carpooling model has the characteristics of effective and efficient traffic including shorter waiting time, more passenger load, and less average riding distance. |
|
来源
|
交通运输系统工程与信息
,2016,16(2):164-169 【核心库】
|
|
关键词
|
智能交通
;
分布式估计算法
;
随机优化
;
合乘问题
;
时间窗
|
|
地址
|
中国科学院沈阳自动化研究所, 中国科学院网络化控制系统重点实验室, 沈阳, 110016
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1009-6744 |
|
学科
|
公路运输 |
|
基金
|
国家自然科学基金
;
国家863计划
;
中国科学院战略性先导科技专项
|
|
文献收藏号
|
CSCD:5690685
|
参考文献 共
12
共1页
|
|
1.
He W. Intelligent carpool routing for urban ridesharing by mining GPS trajectories.
IEEE Transactions on Intelligent Transportation Systems,2014,15(5):2286-2296
|
被引
6
次
|
|
|
|
|
2.
Yan S Y. A car pooling model and solution method with stochastic vehicle travel times.
IEEE Transactions on Intelligent Transportation Systems,2014,15(1):47-61
|
被引
2
次
|
|
|
|
|
3.
潘立军. 求解带硬时间窗车辆路径问题的时差插入启发式算法.
计算机应用,2012,32(11):3402-3403
|
被引
1
次
|
|
|
|
|
4.
张建强. 有时间窗约束车辆路径问题的改进遗传算法.
计算机工程与应用,2010,46(32):228-231
|
被引
5
次
|
|
|
|
|
5.
Zhang D S. A carpooling recommendation system for taxicab services.
IEEE Transactions on Emerging Topics in Computing,2014,2(3):254-266
|
被引
1
次
|
|
|
|
|
6.
王子. 基于GPS数据可视化的智能拼车软件设计与实现.
计算机工程与设计,2015,36(2):529-533,545
|
被引
2
次
|
|
|
|
|
7.
邵增珍. 车辆合乘匹配问题中服务需求分派算法研究.
清华大学学报(自然科学版),2013,53(2):252-258
|
被引
9
次
|
|
|
|
|
8.
肖强. 基于模糊聚类和识别的出租车合乘算法研究.
交通运输系统工程与信息,2014,14(5):119-125
|
被引
10
次
|
|
|
|
|
9.
Huang S C. A genetic-algorithmbased approach to solve carpool service problems in cloud computing.
IEEE Transactions on Intelligent Transportation Systems,2015,16(1):352-364
|
被引
9
次
|
|
|
|
|
10.
孟春华. 基于客户分级及换乘的多车辆合乘问题算法研究.
计算机科学,2013,40(9):237-242
|
被引
3
次
|
|
|
|
|
11.
王圣尧. 分布估计算法研究进展.
控制与决策,2012,27(7):961-966
|
被引
45
次
|
|
|
|
|
12.
樊玮. 基于分布估计算法的多航段座位分配模型.
信息与控制,2012,41(6):774-778,785
|
被引
2
次
|
|
|
|
|
了解气象卫星更多信息，请访问