随着智慧交通的稳步推进与应用发展，人们生活节奏的不断加快，公共交通的智能、高质、高效运行成为社会日益关注的问题。近日，交通与土木工程学院曹志超副教授团队基于需求响应式公交，提出预测后优化的建模思路，通过AI+OR新合作方式，把静态需求分配变成实时动态和短时预测的数据输入。该模型打通了实时预约与动态调度的专业壁垒，有效减少了乘客等待时间，大大提升了人们的出行效率。相关研究成果在国际知名学术期刊《交通运输研究E：物流与运输综述》上发表。
当前，策应交通强国发展战略，智能公共交通系统应运而生，需求响应式公交新模式在提升城市出行效率方面具有发展潜力。因客流分布不均衡和出行需求动态变化，传统公交系统存在着难以应对供需失衡、乘客等车时间不确定等难题，造成了一定程度的运力资源浪费。为此，研究团队构建了以乘客等待时间、时刻表波动和车队规模最小化为目标的多目标混合整数规划模型，结合预约服务，融合了有效切割、蒙特卡洛模拟及邻域搜索的两阶段算法，借助滚动时域技术跟踪实时预约需求，并利用深度学习进行短期客流预测，有效提升了响应式公交系统的响应能力与运营效率。模型通过“预测后优化”的协同架构持续更新实时预约数据、优化调度时刻表、动态调整车辆容量分配，优先处理预约乘客需求并动态优化车队规模，高效解决了响应式公交系统中动态需求与有限资源的协同问题。实践表明，采用新模型优化方案，乘客等待时间减少了27%-35%，车队规模降低了12%-13%。基于该研究，在智慧城市智能公交快速发展的进程中，融合AI与OR的需求响应新模式对交通行业的新发展具有重要的理论意义和实际应用价值。
《交通运输研究E：物流与运输综述》由Elsevier出版，是中科院1区Top期刊，影响因子8.3。
（张娜）
文字作者：
图片作者：
责任编辑：
