翻译：A Unified Approach to Route Planning for Shared Mobility(未完成）

摘要

共享移动应用程序出现了大幅增长，例如共享汽车，食品配送和众包包裹递送。共享移动性是指在用户之间共享的传输服务，其中一个核心问题是路线规划。给定一组工人和请求，路线规划为每个工人找到一条路线，即一系列用于接收和放下不时到达的乘客/包裹的位置并具有不同的优化目标。以前的研究缺乏实用性，因为它们的目标相互冲突，并且在将新请求插入路径时效率低下，是一种称为插入的基本操作。在本文中，我们提出了一种称为URPSM的统一路线规划方案。它具有明确定义的参数化目标函数，消除了先前研究中的矛盾目标，并为共享移动性的实现提供了灵活的多目标路径规划。我们证明该问题是NP-hard的，并且以前没有针对URPSM问题及其其他变化提出具有恒定竞争比的多项式时间算法。为此，我们设计了一个有效且高效的解决方案来解决URPSM问题。我们设计了一种新颖的动态规划（DP）算法，以便将插入操作从之前的立方或二次时间加速到仅为线性时间。在DP算法的基础上，我们提出了一种基于贪婪的URPSM问题解决方案。实际数据集上的实验结果表明，我们的解决方案在效率方面优于现有技术1.2至12.8倍，并且运行速度提高了2.6至20.7倍。

1.介绍

共享移动性是指用户共享的运输服务，例如共享汽车，食品配送和众包包裹递送[38]。 共享机动性通过改变路线和利用未充分利用的车辆可减轻污染，降低运输成本，并提供最后一英里交付解决方案[45]。 它被预测为城市交通的有效和可持续的替代方案。
现实共享移动性的关键是工作者和请求之间的路径规划。 工人可以是共享汽车服务的司机或食品和包裹递送服务的快递员，请求包括出发点和目的地及拾取放下信息。 路线规划为每个工人找到一条路线，即一系列位置，用于拾取和放下动态到达的乘客/包裹，具有不同的优化目标。
共享移动的路线规划吸引了来自数据库，数据挖掘和交通科学界的广泛研究兴趣。 大多数研究考虑以下目标中的一个或一个子集：（i）最小化总行程距离[30] [25] [34] [41] [40] [24]; （ii）最大化服务请求的数量[19] [47] [21] [29] [40] [24]; （iii）最大化总收入[13] [14]。 许多解决方案都是启发式的，并且依赖于插入操作，该操作将新请求的原点和目的地插入到当前路径中[30] [25] [41] [34] [19] [47] [40] [18]]。 在实践中，先前的研究具有以下限制。
限制1.现有提案有时会采用多个模糊甚至冲突的优化目标。 例如，在[30] [25] [34] [40] [24]中，目标是最小化请求的总行程距离，但未指定至少提供多少请求。 因此“最佳”解决方案是根本不提供任何请求，这与常识和最大化所服务请求的数量的目标相矛盾。 各种现实世界的共享移动性应用都期望拥有灵活且优化目标一致的统一路由规划问题。
限制2.现有解决方案[30] [25] [47] [18] [31]中的插入操作对于大规模共享移动平台来说效率低下。 将新请求插入路径至少需要平方时间，这使得插入成为在实际应用程序中处理大量请求的瓶颈。
为了解决这些限制，我们定义了一个新问题，共享移动统一路由规划（URPSM）。 它将主流优化目标统一到一个明确定义的目标函数中，其中各个目标是兼容的。 URPSM问题可以灵活地调整特定应用程序的优化目标。 我们发现，上述的三个优化目标可以作为URPSM问题的特殊情况解决。
由于许多路径规划算法的效率瓶颈是插入操作，所以我们设计了一种新的动态规划（DP）算法，将时间复杂度从立方或二次[18] [30] [25] [19] [47]降低到线性。 关键是动态规划可在O（1）时间内找到最佳拾取位置。
此外，与先前忽略分析复杂度不同，我们对URPSM问题进行了系统的理论分析。 我们澄清并证明，没有算法能解决具有URPSM问题的恒定竞争比率问题及其在先前文献中研究的特殊案例[30] [25] [18]。 我们最终为URPSM问题设计了一种有效且高效的启发式解决方案。
我们的主要贡献可归纳如下。

• 我们通过明确定义的参数化目标函数抽象出能解决共享移动性的路径规划问题的统一公式，即URPSM。 它消除了先前研究中的矛盾目标，并可以解决实际共享移动应用中的灵活多目标路线规划。
• 我们设计了一种新颖的动态规划（DP）算法来加速插入操作。 我们的算法将此基本操作的时间复杂度从立方或二次曲线减少到线性。
• 我们全面分析了URPSM问题及其近似问题的难度。 具体来说，我们证明了URPSM问题及其特殊情况不存在具有恒定竞争比的多项式时间算法。 结果可作为分析其他路线规划问题和指南的参考，并可用于设计URPSM问题的有效解决方案。
• 我们使用基于DP的插入来设计有效且高效的解决方案，以解决URPSM问题。
• 对真实数据集的广泛实验表明，我们的解决方案比现有技术的速度快2.6到20.7倍，效率提高1.2到12.8倍[25] [11]。

在本文的其余部分，我们在第2节中回顾相关工作，在第3节中定义URPSM问题并讨论其广泛性和难度。在第4节中提出了基于动态规划的插入操作。在第5节中设计了URPSM问题的完整解决方案。 最后，我们在第6节中评估，在第7节中总结。

2.相关工作

关于共享移动性（RPSM）的路径规划的研究可以追溯到1975年提出的拨号问题[43] [44]，并且已经由数据库，数据挖掘，运输科学社区进行了研究。 本节简要回顾了RPSM问题的不同变体及其解决方案。
RPSM问题的一个重要设置是静态还是动态。 在静态（离线）RPSM问题中，工作人员和请求的信息是事先已知的。 相反，在动态（在线）设置中，工作人员或请求会动态显示，并且需要在短时间内甚至立即提供请求。 动态RPSM问题更符合现实世界的共享移动应用的需求[30] [25] [41] [34] [47] [19] [13] [14]，并将成为我们的主要关注点。
RPSM问题的主流目标包括最小化总旅行距离[16] [23]，最大化服务请求的数量[29] [47] [19] [40]，最大化总收入[13] [14]等。 总行程距离是计算工人因请求行走的总行程距离。较小的总行程距离表明行程成本低，污染小[10]。大量服务请求可提高共享移动提供商的收入[47]。 更常见的目标是在提供所有请求时最小化总行程距离[30] [25] [41] [34]。 其他研究的重点是最大化共享移动提供商的总收入（服务请求的总支付额减去工人的总工资）[13] [14]，最小化完工时间（最后一次请求的完成时间）[12] [22]，或最大化工人和请求之间复杂的社会效用[18]。 我们的目标是分析主流目标之间的关系，并将它们整合到一个兼容和灵活的表述中。
目前已经提出了许多动态RPSM问题的解决方案[30] [25] [41] [34] [47] [19]，其中一种称为插入的核心操作被广泛使用。 郑等人 [30] [41]使用枚举策略搜索最佳插入位置，该位置需要满足插入请求的约束。 由于对请求数量的额外限制，可以进一步减少可行插入，但也可能错误地删除最佳插入[34] [37]。 并行性也可于加速插入[34]。 插入经常用于解决大规模动态RPSM问题。 然而，插入具有二次或甚至三次时间复杂度，这是效率的瓶颈。 这促使我们设计线性插入算法。
为了解决动态RPSM问题，郑等人 [30] [41]首先通过网格索引搜索一组候选工作者，然后以最小的增加距离将请求插入候选人。 黄等人[25]提出了动态数据结构来存储所有可能的路线，并使用类似的插入程序来最小化总行程距离。AlonsoMora等[11]采用基于批处理的方法首先将一些请求分成小组，然后将一组请求插入到一个工作者的路径中。 但是，这些研究不适合大规模共享移动应用。 在新的线性插入操作的基础上，我们提出了一个完整的RPSM问题的启发式解决方案，这比这些研究都更有效和高效。

3.问题陈述

本节定义了URPSM问题，该问题统一了先前研究的目标函数[30] [25] [34] [41] [47] [21] [29] [40] [24] [13] [14]。

3.1符号和定义

定义1 （路网）。一个路网由一个无向图$G=(V,E)$表示，其中$V$表示点的集合，$E$表示点的集合。每个边$(u,v)\in E$都和旅行成本$(u,v)$相关联。
旅行成本可以是距离或平均旅行时间，这个成本可以从OpenStreetMap [6]或大型历史轨迹挖掘[48]获得。 我们在本文中将交替使用旅行时间和旅行距离。 我们将$dis(u,v)$表示为任意两个顶点$u\in V$和$v\in V$之间的最短路径的距离。
定义2 （工人）。工人用$w=<ow，Kw>$表示，$ow\in V$表示初始位置，$Kw$表示容量。
工人的容量是出租车可以乘坐的最大乘客数量或者快递箱可以随时包含的最大数量。 我们使用 W = { w 1 … w W } W = \lbrace w_1\ldots w_ W \rbrace W={ w1​…wW​}来表示所有工人。
定义3 （请求）。请求由$r=<o_r,d_r,t_r,e_r,p_r,K_r>$表示，其中原点$o_r\in V$，目的地$d_r\in V$ , $K_r$表示容量。它是在共享移动平台(简称平台)上发布的，$t_r$表示发布时间，$e_r$表示截止日期，请求需要在这之前送达。如果$(i)$工人在原点拾取r的时间超过$t_r$；$(ii)$同一工人在$e_r$前将r送至$d_r$处，则请求被送达。如果请求未被送达(或被拒绝拒绝)，平台将受到处罚$p_r$。
请求的容量Kr指定在一次请求中共乘的乘客人数或快递服务中的项目数。需要注意的是，在实际应用中可以有两个截止日期，即收件和交付的截止日期。然而，送货的单一期限通常就足够了，因为收件的最后期限可以表示为$e_r-dis(o_r,d_r)$。如果有一个紧迫的截止日期，很难满足每个请求(例如，5到6分钟的共乘时间[30][13])。那么平台可以拒绝某些请求，这会导致损失，即罚款$p_r$，这是从服务请求或用户体验中损失的收入。处罚是针对具体应用的。我们使用 R = { r 1 … r ∣ R ∣ } R= \lbrace r_1 \ldots r_ {\mid R \mid }\rbrace R={ r1​…r∣R∣​}表示所有请求，使用$R_w$表示工作人员$w$所服务的所有请求。我们进一步将$R^{+}={\bigcup }_{w\in W}{R}_w$表示为所有服务请求，并将$R^{-}=R-R^{+}$表示为所有被拒绝的请求。
定义4 （路线）。工人的路线定义为$S_w=⟨o_w,l_w^1,\dots ,l_w^{\mid S_w\mid -1}⟩$,其中$⟨l_w^1,\dots ,l_w^{\mid S_w\mid -1}⟩$是$R_w$的一个有序的原点和目的序列，即 l w i ∈ { o r ∣ r ∈ R w } ⋃ { d r ∣ r ∈ R w } l^i_w \in \lbrace o_r \mid r \in R_w \rbrace \bigcup \lbrace d_r \mid r \in R_w \rbrace lwi​∈{ or​∣r∈Rw​}⋃{ dr​∣r∈Rw​}。如果$(i)\forall r\in R_w$,$o_r$和$d_r$在序列中存在并且$o_r$在$d_r$之前；$(ii)\forall r\in R_w$,$w$到达时间目的地的时间不超过最迟期限；$(iii)$在任何时间，在这条路线上被接载但未交付的乘客/物品的数目，不超过该工人的运载容量，则路径是可行的。
我们用$D(S_w)$来表示$S_w$的总行程，其中

3.2 统一目标与URPSM问题

定义5 （URPSM）。给定一个公路网，一组工人$W$，一组只有在他们被释放时才知道的请求和一个权重系数$\alpha$，URPSM问题是为每个工人寻找一条$S_w$路线，使统一成本$UC(W，R)$最小化。

并且满足下述限制：$(i)$可行性限制：每个工人都被安排一条可行路线；$(ii)$恒定限制：一旦请求被拒绝，它们就不能被撤销。否则，他们必须得到服务。
我们用下面的例子来说明URPSM问题。

例1. 假设一个包含两个工人(车辆)$w1、w2$和三个动态到达请求$r1-r3$的共享平台。工人的初始位置被标记在有8个顶点$v1-V8$的道路网络上，如图1所示。顶点的坐标(纬度和经度)也有标记。例如，$v1$的坐标是(0，1)。表1列出了请求的细节。我们假定$\alpha =1，K_{w1}=K_{w2}=4，K_{r1}=K_{r2}=K_{r3}=1$。
在时间$0(T_{r}1)$，请求$r_1$被释放，原点在$v_2$，目的地在$v_4$。为了服务$r_1$，平台需要计划一条路线，在$v_2$接收$r_1$，并在最后期限23之前在$v_4$交付。一个可行的路线是$⟨o_{w}1，v_2，v_4⟩$，在时间为5+1+5+5=16时到达$v_4$。具体来说，$w_1$从$v_7$开始，第一次从$v_1$旅行到$v_2$。$w_1$在$v_2$处取$r_1$，然后从$v_8$到$v_4$。最后,$w_1$在最后期限$e{r}_1=23$之前将$r_1$带到目的地。平台还可以拒绝请求，这将导致处罚$p_{r}1=20$。URPSM问题为每个工人规划了路线，并将统一成本降到最低，这包括总行程和对未得到服务的请求的惩罚。
接下来，我们证明了以前的许多研究都是具有特定$\alpha$和$p_r$设置的URPSM问题的特例。

• 最小化总行程[25][41][30][33][35].通过设置$\alpha =1$和$\forall r\in R，p_r=\infty$，最小化