2021年7月9日，香港理工大学柯锦涛助理教授经田野副教授邀请，赴同济大学给TOPS课题组成员们带来了题为《共享出行系统的管理与优化》的精彩讲座。讲座于上午10时在同济大学科技园线上线下准时开始，孙剑教授、田野副教授、TOPS课题组全体成员出席并参与了本次讲座。

讲座主题

柯锦涛助理教授在讲座中指出，作为共享出行的代表，以滴滴、优步为代表网约车逐步成为人们日常出行的一种重要的交通模式。尽管网约车在商业上取得了巨大的成功，它的出现也给城市管理者带来了新问题和新挑战，其中一个重要的问题是如何高效地匹配实时订单和空闲司机。柯锦涛助理教授的研究提出了一个优化模型，可以根据不同的供需情况，动态地调整实时供需匹配中的两个重要决策变量，即匹配时间窗口和匹配半径，从而更好地匹配实时供需。此外，该研究还提出了一个在线-离线学习框架，将强化学习与在线组合优化技术相结合，进一步提高匹配效率。实验表明，传统的组合优化模型往往是短视的，只能最优化当前时刻的系统效率，而这种决策往往不能达到长时间尺度上（如一整天）的最优效果。通过考虑到当前的决策对未来供需状态的影响，本研究提出的强化学习算法可以计算每个匹配决策的长期价值，从而最大化长期的系统效率。

讲座时刻

TOPS成员们对柯锦涛助理教授的报告及研究方向表现出了浓厚的兴趣。吴纪龑就乘客和司机对匹配结果的接受程度、偏远郊区的匹配方法及在拥堵状况下的匹配效率等问题与柯锦涛助理教授展开交流。秦国阳就优化模型和算法的细节进行了提问，田野副教授对该匹配方法在不同网约车平台上的可移植性及在多网约车平台共存出行系统中的匹配效率提出疑问，柯锦涛助理教授对以上问题一一进行了答复。最后，孙剑教授与柯锦涛助理教授就网约车匹配研究领域其他有价值的待研究方向展开了交流。

交流时刻

讲座嘉宾

柯锦涛，博士，香港理工大学研究助理教授。分别于浙江大学和香港科技大学获得学士和博士学位。致力于共享出行系统运营与监管、大数据驱动的城市多模式交通系统的管理与优化、基于机器学习的短时交通需求量预测、交通定价与博弈等方面的研究。在Transportation Research Part A/B/C/E, IEEE Transactions on Knowledge and Data Engineering, IEEE Transactions on Intelligence Transportation System等期刊发表SCI/SSCI期刊论文20篇，论文总引用数超过1000次。现担任国际期刊Transportation Research Part C青年编委。