清华大学学报(自然科学版)

作者：黄迪, 刘子煜, 刘月, 刘志远

单位：东南大学 交通学院, 南京 210096

关键词：需求响应型定制公交,车辆线路规划,数据驱动,序列相似度匹配算法,自适应大规模邻域搜索算法

基金：国家自然科学基金青年项目(72401065)

需求响应型定制公交(customized bus, CB)作为一种新兴的公共交通服务模式, 为出行偏好相似的乘客提供灵活的出行服务。然而, 现有CB线路规划算法尚未充分利用日常运营生成的线路数据。鉴于数据量庞大和乘客出行需求的波动性, 直接参考历史数据中的线路规划结果将导致有效信息提取困难, 从而影响算法效率。该文提出了考虑历史情景的均方差算法, 筛选可行且相似的历史线路, 为当前情景的线路规划提供参考, 同时, 建立了基于历史线路相似性的数学模型, 利用改进的序列相似度匹配(sequence similarity matching, SSM)算法评估历史与当前线路的相似度, 从而有效参考历史线路信息, 优化当前线路。为加速求解该模型, 该文提出一种考虑当前与历史线路相似性的自适应大邻域搜索(adaptive large neighborhood search, ALNS)算法。该算法基于历史信息构建初始解, 并结合移除和插入算子, 获得更优的解决方案。通过对南京真实出行数据的算例分析发现, 该算法在线路可行性、稳定性和线路质量方面均有显著提升。研究结果表明：历史线路数据与当前情景相似度越高, 生成的公交线路规划方案质量越优。该文研究结果可为运用历史信息求解CB线路规划问题提供参考。

来源：2026年第3期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2026年第3期