公共卫生事件下的通勤合乘路径规划方法.pdf

Vol.40 No.5Sep.2023第 40 卷 第 5 期2023 年 9 月深圳大学学报理工版Journal of Shenzhen University Science and Engineeringhttp：/【交通物流/Transportation Logistics】公共卫生事件下的通勤合乘路径规划方法柳伍生1，李旺1，周清1，曾青2，刘天意11）长沙理工大学交通运输工程学院，湖南长沙 410114；2）长安大学运输工程学院，陕西西安 710064摘 要：在重大公共卫生事件下，为减小暴露风险，通勤者愿意在所能接受范围内，采用互助合乘的方式前往工作地点针对通勤合乘路径规划问题，构建整数线性规划模型，在使尽可能多的通勤者合乘配对成功的前提下，减少前往公司的总路程距离提出一种改进的模拟退火算法，加入路径交换和节点插入操作，对无限制合乘、不合乘及限制合乘3种场景进行案例仿真，并测试了接送者所能接受的最大行驶距离和最大绕行距离在不同组合下的合乘效果结果表明，不同场景下所设计的通勤合乘模型均能达到较高成行率，并同时减少总路程距离当最大绕行距离大于10 km，最大行驶距离大于30 km时，除远离接送范围的搭乘者外，案例中90%以上节点都能完成合乘配对研究结果有助于在重大公共卫生事件持续期，保证员工安全出行，提高公司通勤效率关键词：交通工程；通勤合乘；路径规划；模拟退火算法；重大公共卫生事件；新型冠状病毒肺炎疫情中图分类号：U491；TP39 文献标志码：A DOI：10.3724/SP.J.1249.2023.05546Commuting rideshare route planning method under public health eventsLIU Wusheng 1,LI Wang 1,ZHOU Qing 1,ZENG Qing 2,and LIU Tianyi 11)School of Traffic and Transportation Engineering,Changsha University of Science and Technology,Changsha 410114,Hunan Province,P.R.China2)College of Transportation Engineering,Chang an University,Xi an 710064,Shaanxi Province,P.R.ChinaAbstract:Considering the major public health events,in order to reduce the exposure risk,commuters are willing to go to the work places by mutual assistance and rideshare within an acceptable range.Aiming at the problem of commuter rideshare route planning,we construct an integer linear programming model to reduce the total driving distance of commuters to the company on the premise of successful ridesharing and pairing commuters as many as possible.We propose an improved simulated annealing algorithm by adding path exchange and node insertion operations,and then conduct case simulations for three scenarios:unlimited rideshare,non-rideshare,and restricted rideshare,and test the maximum travel distance and maximum detour distance that pickers could accept,as well as the rideshare effect under different combinations.The results show that in different scenarios,the designed commuter ride-sharing model can achieve a higher commuting rate and reduce the total driving distance at the same time.When the maximum detour distance is greater than 10 km and the maximum travel distance is greater than 30 Received:2022-07-26;Accepted:2022-10-20;Online(CNKI):2023-04-03Foundation:Natural Science Foundation of Changsha(kq2202211);Research Foundation of Education Bureau of Hunan Province(21A0202);Hunan Provincial Social Science Achievement Review Committee Project(XSP2023GLC090);Postgraduate Scientific Research Innovation Project of Changsha University of Science&Technology(CXCLY2022025)Corresponding author:Associate professor LIU Wusheng()Citation:LIU Wusheng,LI Wang,ZHOU Qing,et al.Commuting rideshare route planning method under public health events J.Journal of Shenzhen University Science and Engineering,2023,40(5):546-553.(in Chinese)第 5 期柳伍生，等：公共卫生事件下的通勤合乘路径规划方法http：/km,more than 90%of the nodes in the case can complete the ride-sharing pairing,except for passengers who are far away from the pick-up range.The research results help to ensure safe travel of employees and improve the commuting efficiency of the company during the duration of major public health events.Key words:traffic engineering;commuting rideshare;route planning;simulated annealing algorithm;major public health event;corona virus disease 2019(COVID-19)epidemic2020年初，因为人员的大量聚集和流动，突发的新型冠状病毒肺炎迅速蔓延至中国多地，地方政府启动重大突发公共卫生事件1级响应，停产停工，防止病毒进一步扩散在重大公共卫生事件影响下，日常出行存在暴露风险1，为避免接触传播，许多出行者降低了公共交通工具的乘坐频率，现有数据也表明，疫情持续期间公共交通客流量相比于2020年以前有明显下降，出行者普遍担心人流汇集可能造成交叉感染2，这也给通勤者出行带来了巨大挑战在疫情的防控过程中，如何减少通勤人员的接触和流动，同时保证正常的通勤出行，使公司正常运转，一直是公共卫生事件下的研究热点.吴娇蓉等3在对中国上海复工人员通勤群体的调查中发现，70%以上的通勤者愿意与同单位员工合乘出行合乘，也即“拼车”、“顺风车”4，指多位乘客自愿共同搭乘同一车辆前往同方向目的地，由于合乘者上车位置存在不确定性，路线规划是其核心问题之一5GUPTA等6基于最小合乘距离，使 用 k 森 林 近 似 算 法 求 解 此 路 径 问 题 ASCHENER等7则考虑了1对多的合乘问题，以最小完成时间为目标，分析了多种拼车合乘算法WAISANEN等8为使乘客等待时间最小，基于先到先服务策略进行路径规划，有效减少了动态合乘的匹配延迟时间ZHENG等9通过对乘客的绕行距离和等待时间进行限制，使合乘服务平台利润更高相对于乘坐出租车而言，合乘能更好地降低出行成本，提高社会效益，但现有的合乘研究大多针对出租车10-11和网约车12在合乘的应用场景上，研究发现，出行者更愿意接受熟人之间的合乘13汤黎明等14为促进邻里合乘模式，针对现有拼车问题提出建议，推动社区合乘向全民化、常态化发展ERDOAN等15以大学校园为背景，采用有序logit模型对通勤数据进行分析，认为居住距离、停车成本、应用程序、匹配偏好和服务灵活性都会显著影响乘车人的乘车倾向MA等16考虑多种交通工具的衔接合乘问题，认为当出行需求较高时，合乘可以大量缩短出行时间由于上班工作的规律性，且同公司人员间相对熟悉，合乘能较好应用于通勤出行17目前，针对公共卫生事件下的通勤合乘路径规划研究较少同单位员工对于通勤合乘存在较高意愿，这有利于提高合乘配对的成功率同一单位内人员的健康状态较为稳定，单位人员间合乘出行，可以有效减少外部传染本研究以合乘成行率为目标，构建整数线性规划模型，尽可能让更多通勤者配对成功考虑到通勤者的实际情况，常规合乘基于经济利益，司机能够花费足够的时间来接送乘客，但通勤合乘与常规合乘不同，接送者不可能花费大量的自身时间来免费服务于搭乘者，因此，接送者会存在一定限度的最大行驶距离和绕行距离采用改进的模拟退火算法求解合乘模型，并对接送者的最大行驶距离和绕行距离进行灵敏度分析，以研究在不同限度下通勤者的合乘情况1数学模型1.1问题描述在重大公共卫生事件下，出行者更重视安全问题，通勤者采取自愿合乘方式，其成本效益相对较低18在同公司的通勤合乘中，所有通勤者存在相同的目的地，但并非所有通勤者都拥有私家车，且出行起始点位置各不相同，拥有车辆的人员（接送者）需在车辆容量限制内，满足自身最大行驶距离和绕行距离的情况下，接送对应的无车人员（搭乘者），接送者和搭乘者合乘同一车辆前往目的地通勤者在公司的统一组织下，能够实现每天实时动态匹配，定时统计能够参与合乘的人员，通过模型快速规划好合乘路径，便于参与者提前了解自己的合乘情况和路线，并及时做出安排，减少不必要的等待根据问题描述，本研究做如下假设：所有节点位置已知；接送者和搭乘者数量已知，且前往地点相同；接送者均拥有车辆，且所有车辆车型相同，容量已知；接送者所能接受的最大行驶距离和绕行距离已知；搭乘者均提前等547第 40 卷深圳大学学报理工版http：/待车辆到来，不考虑搭乘者的上下车时间1.2参数说明模型中使用的参数定义如下：C为所有节点集合，C1为接送者集合，C1=1，2，n，n为接送点 总 数；C2为 搭 乘 者 集 合，C2=n+1，n+2，n+m，m为搭乘点总数；C=1，2，n，n+m，N，N 为节点总数；C3为公司节点集合，C3=N；dij为节点i到节点j的距离；Q为车辆最多乘坐人数；Dt为接送者所能接受的最大行驶距离；Dr为接送者所能接受的最大绕行距离；tih为节点i在车辆h中的行驶顺序；D为总路程距离；P为总搭载人数；xij为决策变量，当车辆从节点i行驶至j时，xij=0，当车辆未从节点i行驶至j时，xij=11.3模型构建本研究构建的多目标模型如下目标函数为min D=i Ci jj Cxijdij（1）max P=i Ci jj Cxij（2）约束条件为tjh-tih 1+(m+1)(1-xij)，i，j C：i j，h C1：h j，h i（3）tjh-tih 1-(m+1)(1-xij)，i，j C：i j，h C1：h j，h i（4）0 tih Q，i C2，h C1：h i（5）tNh 2，h C1（6）tih tNh，i C2，h C1：h i（7）tih=1，i，h C1：h=i（8）i C j Ci j(tjh-tih)xijdij Dt，h C1（9）i C j Ci j(tjh-tih)xijdij-dhN Dr，h C1（10）j Ci jxij=1，i C1（11）i Ci jxij=0，j C1（12）n i Ci NxiN n+m（13）j Ci jxij 1，i C2（14）i Ci jxij 1，j C2（15）i Ci hxih=j Ci hxhj，h C2（16）N=n+m+1（17）C=C1 C2 C3（18）xij 0，1，i，j C（19）其中，式（1）为最小化总路程距离；式（2）为最大化合乘搭载人数在满足尽可能多的人员合乘配对成功前提下，减少车辆前往公司的总行驶路程约束条件（3）至式（10）确保所有节点的合乘路线顺序一致其中，式（3）和式（4）保证各节点在合乘过程中前后顺序一致；式（5）表示每辆车的合乘人数不会超过车辆的最大容量；式（6）保证所有车辆必定前往公司；式（7）确保搭乘者不会作为合乘中经过的最后1个节点；式（8）表示接送者必定为对应合乘路线的第1个节点；式（9）保证每辆车的合乘总距离不会超过接送者所能接受的最大行驶距离；式（10）保证每辆车的合乘绕行距离不会超过接送者所能接受的最大绕行距离约束条件（11）至（16）对决策变量做出限制其中，式（11）和式（12）保证接送者所在节点车辆只出不入；式（13）表示所有接送者和搭乘者均需前往公司；式（14）和式（15）表示进出搭乘者所在节点不会超过1次；式（16）保证搭乘者所在节点出入流量守恒式（17）和式（18）表示所有节点的集合包括接送点、搭乘点以及公司所在节点式（19）给出决策变量的取值范围2模型求解方法合乘问题已被证明属于非确定性多项式难（nondeterministic polynomial-hard，NP-hard）问题，求解过程异常复杂模拟退火算法基于物理中固体物质退火过程，其计算过程简单、鲁棒性较强、通用性较好，适用于并行处理和求解较为复杂的非线性优化问题，能够较好求解通勤合乘问题但缺点是执行时间长，收敛速度相对较慢，对问题优化的初始条件要求较高因此，本研究设计一种改进的模拟退火（simulated annealing，SA）算法，通过对算法的解空间和变换进行设计，以提高算法的求解性能2.1解的空间由于不同类型节点的出入会受到严格限制，且接送点只出不进，公司只进不出，决策变量为稀疏548第 5 期柳伍生，等：公共卫生事件下的通勤合乘路径规划方法http：/矩阵，存在大量0元素为提高解码效率，构建新的解空间Xij为Xij=En nxi(j-h)(n+m)(m+1)tih(m+1)nO1 (m+1)N N（20）其中，E为单位矩阵；O为零矩阵2.2求解步骤步骤1 设置控制参数初始温度Tstart=1 000；结束温度Tend=0.001；链长L=200；降温速率q=0.9步骤2解的空间初始化，生成初始解Si步骤3编码和解码采用整数编码，Si记录了节点i的下一节点编号，通过解码映射到对应的解空间Xij以包含2个接送者、6个搭乘者，共9个节点的C=1，2，3，4，5，6，7，8，9为例，其随机生成的Si=8，7，4，9，9，9，3，5，0（为消除子回路，限制Si i，且SN=0），编码和解码过程如图1步骤4路径交换将任意2个非0元素的数值进行交换，使对应的路径接送顺序互换以图1中Si交换i=3和i=5为例，交换后Si=8，7，9，9，4，9，3，5，0，其解码后路径如图2（a）步骤5节点插入 取Si=9的元素，将其值修改为Si中不包含的n+1至n+m的数值，使未参与合乘的搭乘者能够加入到其他路径中以图1中Si修改S5=6为例，修改后Si=3，7，4，9，6，9，8，5，0，其解码后路径结果如图2（b）步骤6解变换得到新解Si，根据Metropolis准则判断是否接受新解步骤7重复步骤3至步骤6，直至达到最大链长步骤8降温判断当前温度是否小于结束温度，是则停止迭代，输出当前最优解3算例分析在50 km 50 km的空间范围内，以35个节点的数据集进行算例分析，其节点坐标如表1，取前15个节点为接送者所在节点，使用Matlab R2019a编程计算3.1案例仿真为验证本研究通勤合乘路径模型的可行性，取车辆最多乘坐人数 Q=5，分别设置了 3 种不同场景场景场景1无限制合乘，即接送者所能接受的最大行驶距离和最大绕行距离无限制，接送者不计成本，在搭载容量限制内，愿意接送所有搭乘者场景场景2不合乘，即接送者所能接受的最大绕行距离为0 km，所有接送者均不愿意参与合乘场景场景3限制合乘，取接送者所能接受的最大行驶距离Dt=40 km，最大绕行距离Dr=15 km，即接送者愿意在一定范围内接送搭乘者采用设计算法进行求解，并与传统SA算法进行比较，3种场景的迭代结果如图3，最小行驶路987654321420030001150200431020010000003000000100401000000050000000006000000010700000000180001110009tijxij192734568053999478Si图图1编码和解码过程示意Fig.1Encode and decode process.Taking the C=1,2,3,4,5,6,7,8,9 with 9 nodes including 2 pickers and 6 passengers as an example.192734568192734568（a）（b）图图2（a）路径交换及（b）节点插入后的更新解Fig.2Update solution after(a)route exchange and(b)node insertion.549第 40 卷深圳大学学报理工版http：/径如图4，仿真结果分别如表2至表4由图3可见，改进SA算法及传统SA算法均能在几秒内给出计算结果，改进SA算法在迭代40次后趋于稳定，而传统SA算法在迭代80次后才趋于稳定改进SA算法在不同场景下的求解结果均优于传统SA算法，并能很好跳出局部最优解，提高了求解效率由于场景2严格限制了合乘配对，所有通勤者均不参与合乘，直接前往公司，改进SA算法的路径结果与传统SA算法一样，总路程距离不变表2至表4中的总路程距离为所有通勤者前往公司路径距离之和，接送者路程距离和搭乘路程距离分别在括号中给出可见，场景1下所有搭乘者均能参与合乘，配对成功率最高，其中，有8位接送者搭载了至少1位搭乘者，但8号接送者在搭载3位搭乘者后，其绕行距离占其行驶距离的55.39%，导致8号接送者的上班路程增加了1倍与之相反，场景2中所有通勤者均选择不参与合乘，独自前往公司，成行率为0场景3中大部分搭乘者均参与合乘，而由于18和22号节点与其他节点的距离相对较远，在有限行驶距离和绕行距离条件下，无法得到接送者响应随着合乘人数增加，总路程距离逐渐下降，因此，本研究设计的通勤合乘模型有助于重大公共卫生事件中的通勤效率提高020406080100120140350400450500550600?/km?1（?SA?）?1（?SA?）?2?3（?SA?）?3（?SA?）6 05图图3改进SA与传统SA算法在3种场景的迭代结果Fig.3Iterative results of improved SA algorithm in non-restricted rideshare scenario(gray dotted line)and restricted rideshare scenario(gray solid line).Iterative results of traditional SA algorithm in non-restricted rideshare scenario(black dotted line)and restricted rideshare scenario(black solid line).Iterative results of improved SA and traditional SA algorithm in non-rideshare scenario(black dashed line).表表1 算例节点坐标Table 1 Case node coordinates序号1234567x/km27.518.019.010.046.030.043.5y/km41.05.07.540.015.042.515.0序号891011121314x/km042.512.513.55.047.52.5y/km20.017.542.521.520.015.022.5序号15161718192021x/km4.031.021.043.032.532.521.0y/km22.540.07.532.517.542.52.5序号22232425262728x/km2.526.545.029.011.036.09.0y/km2.521.517.537.537.517.537.5序号29303132333435x/km7.512.518.515.523.520.520.0y/km40.015.023.526.023.518.525.0表表2 场景1合乘行驶路径Table 2 Unlimited rideshare scenario rideshare driving route序号123456789101112131415行驶路径1352 21 17 34 353 354 29 28 26 355 27 33 356 20 16 25 357 19 23 358 22 30 31 359 3510 3511 3512 3513 24 18 3514 32 3515 35路径距离/km17.6726.4417.5322.8227.9824.0225.8746.2123.7219.047.3815.8142.8618.0716.19绕行距离/km06.3404.790.123.860.3325.60000013.600.400绕行比例/%023.97020.990.4416.091.2955.39000031.732.190总路程距离1）/km351.62（351.62+0）1）括号内分别为接送者路程距离和搭乘路程距离.550第 5 期柳伍生，等：公共卫生事件下的通勤合乘路径规划方法http：/3.2灵敏度分析考虑到合乘效果会受到接送者所能接受的最大行驶距离和最大绕行距离的影响，取最大行驶距离为30、60、90、120、150 km，最大绕行距离为0、10、20、30、40 km进行模型灵敏度分析，测试20（5 4）种组合下的合乘效果合乘配对结果中未搭表表3 场景2合乘行驶路径Table 3 Non-rideshare scenario rideshare driving route序号123456789101112131415行驶路径1 352 353 354 355 356 357 358 359 3510 3511 3512 3513 3514 3515 35路径距离/km17.6720.1017.5318.0327.8620.1625.5420.6223.7219.047.3815.8129.2617.6816.19绕行距离/km000000000000000绕行比例/%000000000000000总路程距离1）/km591.70（296.58+295.13）1）括号内分别为接送者路程距离和搭乘路程距离.表表4 场景3合乘行驶路径Table 4 Restricted rideshare scenario rideshare driving route序号123456789101112131415行驶路径1 352 2117 34 353 3031 354 2928 26 355 2723 356 2016 25 357 19 358 359 33 3510 3511 3512 3513 24 3514 32 3515 35路径距离/km17.6726.4422.4522.8228.0024.0225.8620.6223.7319.047.3815.8129.6418.0716.19绕行距离/km06.344.924.790.143.860.3200.020000.370.400绕行比例/%023.9721.9220.990.5016.091.2300.070001.262.190总路程距离1）/km370.44（317.74+52.7）1）括号内分别为接送者路程距离和搭乘路程距离.-505101520253035404550051015202530354045501234567891011121314151617181920212223242526272829303132333435y/kmx/km?-505101520253035404550051015202530354045501234567891011121314151617181920212223242526272829303132333435?-505101520253035404550051015202530354045501234567891011121314151617181920212223242526272829303132333435?x/kmx/kmy/kmy/km（c）（b）（a）图图4（a）场景1、（b）场景2及（c）场景3的行驶路径Fig.4Driving routes of(a)non-restricted rideshare scenario,(b)non-rideshare scenario,and(c)restricted rideshare scenario.The square indicates the picker,the circle indicates the passenger,the triangle indicates the company,the solid line indicates the vehicle driving route,and the dotted line indicates the abandoned node route.551第 40 卷深圳大学学报理工版http：/载的人数如图5（a），总路程距离如图5（b）由图5可见，未搭载人数和总路程距离均在最大绕行距离为010 km时迅速下降，与表2和表4的结果相符大部分车辆的绕行距离均小于10 km，接送者会在限制范围内，优先接送“顺路”节点和附近节点，以达到更高成行率，同时降低总路程距离由图5（a）可见，随着接送者的限制放宽，未搭载的人数不断下降，更多搭乘者得到车辆配对而在图5（b）中，总路程距离存在一定起伏，在接送者可接受范围内，合乘过程会优先满足搭载人数最大化，即使总路程距离会有所增多，在满足尽可能多的人员合乘配对成功后，才会选取前往公司总行驶路程最少的合乘方案综合3.1与3.2节分析来看，当最大绕行距离Dr 10 km，最大行驶距离取Dt 30 km时，除距离过远的2位搭乘者外（图4中18和22号节点），绝大部分节点均能完成合乘配对而当Dr 30 km、Dt 50 km时，所有搭乘者都能被接送到公司，完成此次通勤合乘结 语针对通勤合乘路径规划问题，以最大化搭载人数为首要目标，构建多目标整数线性模型，在满足尽可能多的人员合乘配对成功后，选取总路程距离最少的合乘方案为提高求解效率，减少不必要元素的计算，重新构建了解的空间，并采用路径交换和节点插入更新当前解，结合模拟退火算法对模型进行求解使用35个节点的案例对无限制合乘、不合乘、限制合乘3种场景进行分析，设计算法均能在几秒内得到求解结果，本研究通勤合乘模型可以在达到较高成行率的同时，降低总的路程距离对接送者所能接受的最大行驶距离和最大绕行距离进行灵敏度分析，测试了不同组合下的合乘效果，除极个别节点因为远离接送行驶范围外，绝大部分节点都能在较小绕行下完成合乘配对基金项目：长沙市自然科学基金资助项目（kq2202211）；湖南省教育厅重点研究资助项目（21A0202）；湖南省社会科学成果评审委员会基金资助项目（XSP2023GLC090）；长沙理工大学研究生科研创新资助项目（CXCLY2022025）作者简介：柳伍生（），长沙理工大学副教授、博士研究方向：交通行为不确定分析、综合交通枢纽规划与设计等研究引文：柳伍生，李旺，周清，等.公共卫生事件下的通勤合乘路径规划方法 J.深圳大学学报理工版，2023，40（5）：546-553.参考文献/References：1 王惠队，谭倩，潘自翔，等重大公共卫生事件下通勤出行行为研究 J 铁道科学与工程学报，2021，18（7）：1919-1927WANG Huidui,TAN Qian,PAN Zixiang,et al.Commuting behavior study under major public health events J.Journal of Railway Science and Engineering,2021,18(7):1919-1927.(in Chinese)2 CURRIE G,JAIN T,ASTON L.Evidence of a post-COVID change in travel behaviour-self-reported expectations of commuting in Melbourne J.Transportation Research Part A:Policy and Practice,2021,153:218-234.3060901201500102030402468101214161820?/km?/km306090120150010203040400450500550600?/km?/km?/km（a）（b）19171513111086420592570548525503481459437414392370?/.a u?/km图图5不同最大行驶距离和最大绕行距离组合下的合乘效果（a）未搭载人数；（b）总路程距离Fig.5Rideshare effect under different combinations of maximum travel distance and maximum detour distance.（a）Number of passengers not picked and（b）total distance.552第 5 期柳伍生，等：公共卫生事件下的通勤合乘路径规划方法http：/3 吴娇蓉，王宇沁，陈小鸿公共卫生事件持续期通勤合乘设计及组织效率影响分析 J 中国公路学报，2020，33（11）：20-29WU Jiaorong,WANG Yuqin,CHEN Xiaohong.Impact analysis of commuting rideshare design and organizational efficiency during public health emergencies J.China Journal of Highway and Transport,2020,33(11):20-29.(in Chinese)4 徐毅，童咏昕，李未大规模拼车算法研究进展 J 计算机研究与发展，2020，57（1）：32-52XU Yi,TONG Yongxin,LI Wei.Recent progress in large-scale ridesharing algorithms J.Journal of Computer Research and Development,2020,57(1):32-52.(in Chinese)5 沈弼龙，赵颖，黄艳，等大数据背景下动态共乘的研究进展 J 计算机研究与发展，2017，54（1）：34-49SHEN Bilong,ZHAO Ying,HUANG Yan,et al.Survey on dynamic ride sharing in big data era J.Journal of Computer Research and Development,2017,54(1):34-49.(in Chinese)6 GUPTA A,HAJIAGHAYI M,NAGARAJAN V,et al.Dial a ride from k-forest C/The 15th Annual European Symposium(ESA 2007).Eilat,Israel:Springer-Verlag,2007:241-252.7 ASCHEUER N,KRUMKE S O,RAMBAU J.Online dial-a-ride problems:minimizing the completion time C/The 17th Annual Symposium on Theoretical Aspects of Computer Science(STACS 2000).Lille,France:Springer-Verlag,2000:639-650.8 WAISANEN H A,SHAH D,DAHLEH M A.A dynamic pickup and delivery problem in mobile networks under information constraints J.IEEE Transactions on Automatic Control,2008,53(6):1419-1433.9 ZHENG Libin,CHEN Lei,YE Jieping.Order dispatch in price-aware ridesharing J.Proceedings of the VLDB Endowment,2018,11(8):853-865.10 HOU Yunfei,ZHONG Weida,SU Lu,et al.TASeT:improving the efficiency of electric taxis with transfer-allowed rideshare J.IEEE Transactions on Vehicular Technology,2016,65(12):9518-9528.11 SANTI P,RESTA G,SZELL M,et al.Quantifying the benefits of vehicle pooling with shareability networks J.Proceedings of the National Academy of Sciences of the United States of America,2014,111(37):13290-13294.12 贺剑，柳伍生，周向栋，等区间阻抗下的网约车合乘鲁棒有效路径 J 长沙理工大学学报自