【西南交通大学纪圣塨博士论文】城市资源智能优化方法及应用研究

城市资源智能优化方法及应用研究

随着城市化进程的加速，越来越多的人选择到大城市中工作和生活。然而，相比于 城市居民的规模，城市中的各类资源是非常有限的，如何为更多的城市居民提供更好的 工作和生活服务已经成为许多城市面临的一个巨大挑战。城市资源智能优化是解决该挑 战的一个有效方法，其通过对有限的城市资源进行智能优化来提升有限的城市资源的效 率，从而能够为更多的城市居民提供更好的服务。因此，本文针对城市资源智能优化问 题，借助城市多源大数据的时空属性，研究具有时空属性的运筹优化、图论方法、数据 挖掘、机器学习、强化学习等技术，设计城市资源智能优化方法，从而使有限的城市资 源的效率最大化。根据城市资源智能优化问题的内在属性，本文将其分为两大类：静态 的城市资源智能优化和动态的城市资源智能优化，并将研究的城市资源智能优化方法成 功地应用到四个具体问题中。

• 面向移动群智感知问题的静态城市资源智能优化方法：移动群智感知是城市数据收 集的重要方法之一，因此本文首先研究移动群智感知中的静态城市资源优化问题， 即：给定一定的经费资源，基于用户的移动信息，如何招募用户以及如何为招募到 的用户设计数据收集任务，使得收集到的数据质量最高？为此，本文提出一个基于 人群移动性的移动群智感知框架，能够在城市人群移动不均匀的情况下收集到均 匀覆盖的数据。该框架包含三个部分：基于层次信息熵的数据覆盖率指标来评估 收集到的数据的质量、基于数据点图的数据收集任务设计方法以及高效的用户招 募算法。基于34个用户的真实移动信息，通过北京市噪声数据收集的移动群体感 知实验，验证了所提出的框架在有限的资源经费下能够收集到更高质量的数据。

• 面向外卖配送任务分组问题的静态城市资源智能优化方法：网上订外卖已经城市 居民新的生活方式，对于外卖订餐平台来说，外卖配送任务分组是提升其有限外 卖送餐员整体送餐效率的重要方法。因此，本文基于真实的外卖订单数据和地图 数据，设计了高效的基于图分割的外卖配送任务分组方法。首先，根据历史的外 卖订单配送数据构建外卖配送任务图，外卖配送任务即为任务图中的连边，从而 将问题定义为图分割问题；接着，设计外卖任务配送任务分组问题的评价指标， 用于指导外卖配送任务分组的进行；最后，提出了一个高效的图分割算法对外卖 配送任务进行分组。基于外卖平台真实数据的实验结果显示，所提出的方法能够 将外卖配送所需要的平均时间降低16%，大幅提升了有限的外卖送餐员资源的整体 送餐效率。

• 面向救护车重新部署问题的动态城市资源智能优化方法：救护车是城市120急救系 统中的重要资源，其通过快速接送病人去医院来保障城市居民的生命健康。对救护车的动态重新部署能够提升其整体的救人效率。因此，针对动态救护车重新部 署问题，本文提出了一个能够综合考虑五种不同数据特征的动态救护车重新部署 方法。该方法首先设计了一个紧急度指标来评估每个救护车站点的紧急程度，即 对救护车的需求程度。接着，基于每个救护车站点的紧急度以及其他忙碌中的救 护车状态，建立了一个两阶段的运筹优化模型来进行救护车的重新部署决策。基 于天津市120急救中心数据的实验结果显示，相比于现有的救护车动态重新部署方 法，本文的方法能够将病人的平均上车时间降低35%，将10分钟之内上车的病人比 例从68.4%提升到80.3%，验证了该方案能够大幅提升有限的救护车资源条件下的整 体救人效率。

• 面向出租车路径推荐问题的动态城市资源智能优化方法：出租车是城市交通中最为 重要的资源之一，也是城市居民日常最常用的交通方式之一。动态出租车路径推 荐旨在为空驶的出租车推荐行驶路径使得其能够快速地找到下一个乘客，从而提 升有限出租车的载客效率。因此，本文研究动态出租车路径推荐问题，将其定义 为一个时序决策问题，并提出了一个高效的方法。该方法首先考虑和抽取了很多 实时的时空特征，用于反映出租车在每条路径上找到新乘客的概率。接着，设计了一个深度强化学习方法来学习一个深度策略网络，实现了对所抽取的时空特征 的有效融合，从而做出最优的推荐方案。基于美国旧金山市和纽约市数据的实验 结果显示，所提出的方法能够提升出租车司机42.8%的平均收入，降低乘客44.4%的 平均等待时间，大幅提升了有限的出租车资源的载客效率。