2025年7月1日,TOPS第165期组会于通达馆A102线下举行。本次组会由香港大学土木工程系柯锦涛老师带来学术讲座《A large-scale simulation platform and AI-driven operational strategies for on-demand ride services》(面向按需出行服务的大规模仿真平台与AI驱动的运营策略)。课题组全体老师同学出席了本次组会。
汇报时刻
本次讲座聚焦当前智慧交通与共享出行领域的前沿问题,主要包含五个方面内容:首先介绍研究背景与动机,探讨网约车与出租车服务面临的关键运营挑战;其次介绍自主开发的大规模仿真平台;接着重点讲解面向出租车与网约车服务的人工智能与运筹优化方法,涵盖匹配、调度、定价等策略;随后展示相关方法在实际场景中的应用成效;最后展望未来研究方向。
研究内容
首先介绍了两种网约车平台常用的司乘匹配机制,在播单模式中,研究引入监督学习方法,通过预测供需状态和动态调整匹配半径,实现多目标评估下的最优匹配;而在派单模式中,则构建两阶段优化框架,利用强化学习训练长期收益最大化的价值函数。在空车调度与拼车服务方面,进一步采用强化学习与蒙特卡洛搜索、问题分解与机器学习融合等创新方法,显著提升了算法效率和工业可用性。
研究内容
重点介绍了一个由其研究团队自主开发的多功能开源仿真平台,该平台可在真实城市交通网络上精确模拟司机与乘客等多类主体的行为与动态,为学术界和产业界提供了一个高效、可扩展的测试环境。该平台开放多个接口,便于用户训练和评估包括强化学习在内的多种优化算法,适用于即时匹配、空车调度、动态定价等典型运营任务。结合真实数据集的实验结果表明,该仿真平台不仅具备高度的现实还原能力,还可作为按需出行服务策略研究的重要工具,助力人工智能技术在城市交通系统中的落地与优化。
仿真平台
该系列研究成果已在香港本地出租车企业和深圳巴士集团等实际平台中成功部署,验证了其在收入提升与调度优化方面的显著成效。
研究内容
未来研究将进一步拓展仿真平台的适用范围,覆盖多模式交通系统、城市末端配送服务及环境影响评估等应用场景,为智能交通管理与可持续城市发展提供强有力的技术支持。
研究内容
在交流讨论环节,秦国阳老师指出不同地区(如内地与香港)网约车系统的差异,以及派单与司机自主决策的优劣,提出可以向高收入司机学习其接单策略并用于指导其他司机;孙剑老师提出未来可建立行业排行榜或举办算法竞赛,以统一评估不同算法效果,促进技术交流与提升。