基于深度强化学习的城市多模式公共交通动态运力匹配协同与节能调度设计.docxVIP

PAGE2

基于深度强化学习的城市多模式公共交通动态运力匹配协同与节能调度设计

摘要

随着城市化进程的加速，城市公共交通系统面临着客流时空分布不均与运力供给僵化之间的深刻矛盾。传统静态调度模式难以应对突发客流与多模式交通间的换乘协同，导致乘客滞留与车辆空载并存，既降低了出行体验又造成了严重的能源浪费。本课题旨在设计一套基于深度强化学习的城市多模式公共交通动态运力匹配协同与节能调度系统，以实现运力资源的精准投放与能耗的最小化。

本设计遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先，通过分析多模式公交系统的业务痛点，明确了动态运力匹配与节能调度的功能与非功能需求。其次，在总体设计阶段，构建了包含感知层、数据层、算法层与应用层的四层系统架构，并完成了核心数据存储设计。在详细设计阶段，构建了基于图卷积网络与长短期记忆网络的多模式客流时空动态OD预测模型，并设计了基于柔性演员-评论家（SAC）算法的稳健运力匹配分配与多公交协同节能滚动调度逻辑。随后，在系统实现阶段，完成了核心算法的代码编写与工程落地，解决了状态空间高维稀疏与多目标奖励冲突等技术难点。最后，通过系统测试验证了功能的正确性与性能的达标性。

本课题的核心创新点在于：将多模式公交网络建模为图结构进行时空OD动态预测，并将运力匹配与节能调度统一纳入深度强化学习框架，通过设计包含乘客等待时间惩罚与车辆能耗惩罚