.png){kind=icon}
返回
Multimodal Transport Optimization from Doorstep to Airport Using Mixed-Integer Linear Programming and Dynamic Programming
.png){kind=icon}
OA
AI
DOI：10.3390/su17177937.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从乘客家门口到机场的高效多模式交通对于确保准时到达、减少出行不确定性以及优化整体出行体验至关重要。然而，协调步行、公共交通、网约车和私家车等不同交通方式因时间表、交通状况和换乘时间的差异而面临重大挑战。传统的路线规划方法往往未能考虑实时中断，导致延误和低效。随着航空旅行需求的增长，优化这些多模式路线对于减少延误、提高乘客便利性和增强交通系统韧性变得越来越重要。为应对这一挑战，我们提出了一种结合混合整数线性规划（MILP）和动态规划（DP）的优化框架，用于生成从乘客位置到机场登机口的最优旅行路线。MILP用于建模和优化多模式行程决策，考虑时间窗口、成本约束和换乘依赖关系。同时，DP允许根据交通拥堵、公共交通延误和服务可用性等变化条件进行自适应实时调整。通过整合这两种技术，我们的方法确保了多模式交通路线规划稳健、高效且可扩展的解决方案，最终提高可靠性并减少旅行时间变异性。结果表明，MILP求解器在20次迭代内收敛，目标值从15.2降至7.1单位，最优性差距为8.5%；基于DP的适应性在2分钟中断下保持可行性；多模式分析得出总旅行时间为9.0分钟，费用为3.0单位，其中公交段占总时间的6.5分钟和总费用的2.2单位。在多模式交通评估中，DP适应性在发生中断后使累积延误减少了超过一半，而路线选择在步行、公交和火车段之间展示了成本与时间之间的平衡权衡。
期刊
IF:
3.3
论文数:
10.7W
被引数:
28.4W
机构
暂无机构信息
引用论文
Mobeen, A.; Mohsin, M.J.; Shafiq, M.; Sriwana, I.K. Dynamic programming for shortest path problem in a multimodal transportation network comprising intermediate sinks. AIP Conf. Proc. 2023, 2485, 090007. [Google Scholar] [CrossRef]Mobeen, A.; Mohsin, M.J.; Shafiq, M.; Sriwana, I.K. 动态规划在包含中间汇点的多模式交通网络最短路径问题中的应用。AIP Conf. Proc. 2023, 2485, 090007. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Chau, M.L.; Gkiotsalitis, K. A systematic literature review on the use of metaheuristics for the optimisation of multimodal transportation. Evol. Intell. 2025, 18, 36. [Google Scholar] [CrossRef]Chau, M.L.; Gkiotsalitis, K. 关于元启发式算法在多模式交通优化中应用的系统文献综述。Evol. Intell. 2025, 18, 36. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
分享收藏Optimal Transshipment Route Planning Method Based on Deep Learning for Multimodal Transport Scenarios基于深度学习的多式联运场景下最优转运路径规划方法ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏
查看更多内容