×
刘中山;于斌;张，李;王文思

公交网络动态调度问题的混合控制策略。 （英语） Zbl 1511.90193号

国际期刊申请。数学。计算。科学。 32，编号4，553-567（2022）.
小结：公共交通经常受到干扰的干扰，例如道路拥堵导致的出行时间不确定。因此，运营商需要采取实时措施来保证公交网络的服务可靠性。本文研究了公交网络中的动态调度问题，该问题考虑了扰动对公交服务的影响。目标是最小化公交网络中乘客的总出行时间。为了解决该问题，提出了一种基于混合控制策略的双层控制方法。具体而言，混合动力控制策略依靠传统策略（如保持、跳过停车），充分利用停车场的空闲备用公交车。备用公交车可以被派往公交车车队提供临时或定期服务。此外，采用深度强化学习（DRL）解决连续决策问题。DRL框架中添加了一种长短期记忆（LSTM）方法，以预测未来的乘客需求，从而使当前决策能够适应干扰。数值结果表明，混合动力控制策略可以降低公交车队的平均车头时距，提高公交服务的可靠性。

引用于1文件

MSC公司：

90B35型 运筹学中的确定性调度理论
90B06型 运输、物流和供应链管理
90B25型 运筹学中的可靠性、可用性、维护和检查

关键词：

使用可靠性;公交网络;主动控制方法;深度强化学习;混合控制策略

软件：

ImageNet公司;AlexNet公司
PDF格式BibTeX公司 XML格式引用
\textit｛Z.Liu｝等人，国际应用杂志。数学。计算。科学。32，编号4，553--567（2022；Zbl 1511.90193）
全文： 内政部

参考文献：

[1] Alesiani，F.、Moreira-Matias，L.和Faizrahnemoon，M.（2018年）。关于从不准确和不完整的交通流数据中学习，IEEE智能交通系统交易19（11）：3698-3708。
[2] Argote-Cabanero，J.、Daganzo，C.F.和Lynn，J.W.（2015）。复杂运输系统的动态控制，运输研究B：方法学81:146-160。
[3] Aslani，M.、Mesgari，M.S.和Wiering，M.（2017年）。在具有不同交通中断事件的真实交通网络中，采用actor-critic方法的自适应交通信号控制，交通研究C：新兴技术85:732-752。
[4] Barnett，A.（1974年）。关于控制运输操作中的随机性，运输科学8（2）：102-116。
[5] Cao，S.、Shao，H.和Shao，F.（2022）。基于用户平衡原理的行程时间估计传感器位置：线性方程的应用，国际应用数学与计算机科学杂志32（1）：23-33，DOI:·Zbl 1489.90014号
[6] Ceder，A.（1988年）。通过消除不平衡负荷设计短途运输，J.R.Daduna等人（编辑），《计算机辅助运输调度》，《经济学和数学系统讲义》，第308卷，柏林斯普林格，第288-303页。
[7] Ceder，A.和Stern，H.I.（1981年）。为减少车队规模而插入死路行程的功能公交车调度不足，运输科学15（4）：338-363。
[8] Cheng，Y.、Huang，Y.，Pang，B.和Zhang，W.（2018）。ThermalNet：基于深度强化学习的燃煤锅炉燃烧优化系统，人工智能工程应用74:303-311。
[9] Cortés，C.E.、Jara-Díaz，s.和Tirachini，A.（2011年）。《交通研究A：政策与实践》45（5）：419-434，在优化公交服务过程中整合短期转向和停滞。
[10] Daganzo，C.F.和Pilachowski，J.（2011）。通过公共汽车对公共汽车合作减少拥挤，运输研究B：方法学45（1）：267-277。
[11] Estrada，M.、Mensión，J.、Aymamí，J.M.和Torres，L.（2016）。带信号交叉口的走廊中的公交车控制策略，交通研究C：新兴技术71:500-520。
[12] Fang，K.、Fan，J.和Yu，B.（2022）。基于trip的网络旅行风险：定义和预测，《运营研究年鉴》，内政部：。
[13] Farazi，N.P.、Zou，B.、Ahamed，T.和Barua，L.（2021）。交通研究中的深度强化学习：综述，交通研究跨学科视角11:100425。
[14] Fu，L.和Yang，X.（2002）。《具有实时信息的母线槽控制策略的设计与实施》，《运输研究记录1791（1）：6-12》。
[15] Furth，P.G.（1985）。公交线路运营中的交替死路，运输科学19（1）：13-28。
[16] Furth，P.G.（1986年）。交通走廊的分区路线设计，交通科学20（1）：1-12。
[17] Goeke，D.和Schneider，M.（2015）。选择混合电动和传统车辆车队路线，《欧洲运筹学杂志》245（1）：81-99·兹比尔1346.90115
[18] Guan，Y.、Li，S.E.、Duan，J.、Li、J.、Ren，Y.，Sun，Q.和Cheng，B.（2021年）。直接和间接强化学习，《国际智能系统杂志》36（8）：4439-4467。
[19] Hall，R.、Dessouky，M.和Lu，Q.（2001）。中转站的最佳等待时间，计算机与工业工程40（4）：379-397。
[20] Hao，J.、Liu，X.、Shen，X.和Feng，N.（2019年）。公平约束下城市公共交通网络的双层规划模型，《自然与社会的离散动力学》2019:2930502。
[21] Hu，H.，Jia，X.，He，Q.，Fu，S.和Liu，K.（2020）。工业4.0、计算机与工业工程中基于深度强化学习的AGV实时调度，具有灵活车间的混合规则149:106749。
[22] Jordan，W.C.和Turnquist，M.A.（1979年）。公交线路分区调度以提高服务可靠性，交通科学13（3）：242-268。
[23] Krizhevsky，A.、Sutskever，I.和Hinton，G.E.（2017年）。用深度卷积神经网络进行ImageNet分类，ACM60的通信（6）：84-90。
[24] Larrain，H.、Giesen，R.和Muñoz，J.C.（2010年）。《交通研究记录2197（1）：63-70》，为有容量限制的公交走廊选择合适的快递服务。
[25] Laskaris，G.、Cats，O.、Jenelius，E.、Rinaldi，M.和Viti，F.（2019年）。《合并到共享运输走廊的线路的基于多线路保持的控制》，Transportmetrica B:Transport Dynamics 7（1）：1062-1095。
[26] Li，L.，Lv，Y.和Wang，F.-Y.（2016）。通过深度强化学习进行交通信号配时，IEEE/CAA《中国汽车杂志》3（3）：247-254。
[27] Luo，S.（2020年）。通过深度强化学习实现柔性作业车间的动态调度，应用软计算91:106208。
[28] Mnih，V.、Kavukcuoglu，K.、Silver，D.、Rusu，A.A.、Veness，J.、Bellemare，M.G.、Graves，A.、Riedmiller，M.、Fidjeland，A.K.、Ostrovski，G.、Petersen，S.、Beattie，C.、Sadik，A.、Antonoglou，I.、King，H.、Kumaran，D.、Wierstra，D.、Legg，S.和Hassabis，D.（2015）。通过深度强化学习进行人类层面的控制，《自然》518（7540）：529-533。
[29] Petit，A.、Lei，C.和Ouyang，Y.（2019年）。通过车辆替代实现多线总线群控制，运输研究B：方法126:68-86。
[30] Petit，A.、Ouyang，Y.和Lei，C.（2018）。针对集群干预的动态公交替代策略，交通研究B:Methodological115:1-16。
[31] Van Hasselt，H.、Guez，A.和Silver，D.（2016年）。双q学习的深度强化学习，《AAAI人工智能会议论文集》，美国凤凰城，第2094-2100页。
[32] Van Oort，N.、Boterman，J.和Van Nes，R.（2012年）。调度对服务可靠性的影响：长间隔服务中的行程时间确定和等待点，公共交通4（1）：39-56。
[33] Vuchic，V.R.（1973）。跳停操作作为提高公交速度的一种方法，《交通季刊》27（2）：307-327。
[34] Wang，J.和Sun，L.（2020年）。避免公共汽车群聚的动态保持控制：多智能体深度强化学习框架，运输研究C：新兴技术116:102661。
[35] Wang，P.和Chan，C.-Y.（2017）。《针对入口匝道合流自动驾驶的深度强化学习架构的制定》，2017年IEEE第20届智能交通系统国际会议（ITSC），日本横滨，第1-6页。
[36] Wang，T.和Tang，Y.（2021）。基于GCRNN和DDQN的潮流综合评估和恢复可解性的调整方法，国际电力与能源系统杂志133:107160。
[37] Wang，W.，Chen，X.，Musial，J.和Blazewicz，J.（2020年）。两种基于延迟工作准则的非相关机器调度的元神经算法，《国际应用数学与计算机科学杂志》30（3）：573-584，DOI:。
[38] Xuan，Y.、Argote，J.和Daganzo，C.F.（2011年）。时间表可靠性的动态公交车保持策略：最优线性控制和性能分析，交通研究B：方法学45（10）：1831-1845。
[39] Zhu，Y.、Mao，B.、Bai，Y.和Chen，S.（2017）。考虑需求和容量的单线铁路时间表设计的双层模型，运输研究C：新兴技术85:211-233。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。