摘要：随着近年来网约车的兴起,传统出租车行业开始面临严峻挑战,迫切寻求新的调度方式解决其存在的出租车资源分...随着近年来网约车的兴起,传统出租车行业开始面临严峻挑战,迫切寻求新的调度方式解决其存在的出租车资源分布不合理,空车率高,乘客等待时间长等问题。交通数据采集设备的普及以及以交通大数据驱动智慧城市的理念,为出租车调度提供了新的思路。本文以出租车调度为研究对象,从交通大数据的视角出发提出了一种基于宏观基本图(MFD,Macroscopic Fundamental Diagram)的出租车宏观调度模型,对城市路网进行分区并通过交通大数据构建各子区MFD模型,估算预测各子区乘客需求,采用基于模型预测控制(MPC,Predictive Control Model)的调度策略进行子区间的宏观调度,以达到在全局上降低出租车空驶时间以及乘客等待时间的目的。本文以实际城市路网为研究区域,首先对研究区域进行分区并构建各子区MFD模型。以各子区内部交通状态均匀为目标对研究区域进行子区划分;融合出租车GPS和路口检测器数据进行子区各项交通流参数计算,构建各个子区MFD模型。然后在各子区中构建上车模型并进行子区乘客需求的估计以及预测。通过编写仿真程序的方式在研究区域中构建各子区上车模型;以出租车GPS数据统计得到上车乘客数以及出租车空车密度为上车模型的输入估算乘客需求,同时基于多天数据对乘客需求进行预测。最后对出租车调度进行建模与仿真。建立基于MFD的出租车宏观调度模型,并完成对该模型的数值仿真,以研究区域实际数据(各子区MFD模型,乘客需求等)为输入,检验该模型的可靠性,同时提出基于MPC的调度策略,以遗传算法为求解手段,通过仿真检验该策略的优化效果。实验结果表明:基于MFD的出租车宏观调度模型仿真能够较好地反映实际状况;采用基于MPC的出租车宏观调度策略是能够有效降低出租车的空驶率以及乘客等待时间的。更多还原显示全部
