链上镖师 / Chain Biaoshi
TRC|模块化车辆怎样重做最后一公里接驳
一套把强化学习、短回程和乘客分配合在一起的末端公交运营方案
这篇论文研究模块化车辆在地铁站末端接驳中的实时编队、短回程和乘客分配问题，用两阶段强化学习框架降低运营成本与乘客等待成本。
- 01：研究对象是从主干公共交通站点到最终目的地的最后一公里接驳。
- 02：核心机制是车辆模块可在不同线路上动态耦合、解耦，并允许空模块从中间站提前回到枢纽。
- 03：方法上使用SAC强化学习决定线路层面的初始模块编队，再用优化模型处理站点层面的回程和乘客分配。
- 04：数值实验显示，两阶段RL总成本比贪心方法低26.9%，比一阶段RL低32.7%，比滚动优化低6.86%。
研究背景
公共交通主干线路能够承载高需求走廊，乘客从地铁站、公交枢纽或机场快线到最终目的地的末端路段仍然容易形成服务缺口。论文把这一问题放在郊区扩张、居住地分散和支线覆盖不足的背景下讨论，目标是在不依赖私家车和网约车的情况下提升接驳效率。
模块化车辆末端接驳运行示意，来源：Fig. 1
论文提出的服务把车辆看作可组合模块。高峰时段可以把更多模块耦合成较大编队，低需求时段可以用较小编队运行；当中途下客后容量变得富余，空模块还能从中间站提前返回地铁站，用于后续班次。
研究的切入点是动态需求下的容量匹配：模块数量、线路选择、乘客目的地和回程时机需要在每个到站班次后重新协调。
核心问题
系统需要在列车到达后立即面对一组新乘客需求。每个乘客有末端目的地，多个服务线路可能覆盖同一站点，车辆模块数量有限，未能立刻上车的乘客会继续等待。运营者要同时控制车辆运营成本、乘客车内时间、等待时间和末班后未服务惩罚。
01线路层面：决定每条末端线路出发时的模块编队规模。
02站点层面：决定车辆到达中间站后哪些空模块提前返回枢纽。
03乘客层面：在多条可选线路之间分配前往同一目的地的乘客。
04系统层面：在当前需求和一个前瞻班次信息之间权衡即时服务与后续可用模块。
论文把问题建模为动态运营决策。状态包含当前需求、剩余未服务乘客和可用模块；动作是各线路获得的模块比例，并额外保留一部分模块在调度站。奖励函数取总系统成本的负值，使学习过程直接面向成本最小化。
方法框架
强化学习驱动的模块化车辆调度框架，来源：Fig. 2
方法采用两阶段路线-站点框架。第一阶段在路线层面使用Soft Actor-Critic生成各线路初始编队比例，将动作维度控制在路线数加一；第二阶段用联合模块回程与乘客分配模型细化站点层面的运营决策。
Soft Actor-Critic训练流程，来源：Algorithm 1
1列车到站后读取本班次乘客需求和系统状态。
2SAC控制器输出各线路的模块分配比例和留站模块比例。
3JMVR&PA模型求解乘客分配、车辆编队变化和中途回程模块。
4系统根据运营成本、车内时间、等待时间和惩罚成本更新奖励。
5经验样本进入回放缓冲区，Q网络、策略网络和目标网络迭代更新。
第二阶段优化模型显式约束模块可用数量、车组沿线解耦、乘客流量、车内容量和编队形式。模型允许车辆从站点继续服务后续乘客，也允许空模块提前回到枢纽，形成可被后续班次重新调用的资源池。
案例或实验设置
数值算例网络与需求模式，来源：Fig. 3
数值实验先使用一个说明性网络：主站为节点0，六个末端站点由三条服务路径连接，三条路线平均循环时间分别为8分钟、9分钟和8分钟。系统配置14个可用模块，每个模块容量为6人，运营时段为1小时，主干线路和模块化服务的发车间隔均为3分钟。
模块数量
14个
数值算例基础车队规模
模块容量
6人
每个模块的单位载客能力
新加坡案例的网络拓扑与需求模式，来源：Fig. 12
现实案例基于新加坡Kent Ridge地铁站及12个真实下客点。论文设置6分钟的基础集结发车间隔，生成六条末端服务线路，要求覆盖所有节点、尽量选择邻近后继节点，并控制整条路径总旅行时间不超过24分钟；基础模块数量设为30个。
结果分析
不同求解方法的成本与服务表现对比，来源：Fig. 4
在20个需求场景中，两阶段RL相较贪心、一阶段RL和滚动优化取得最低总成本。论文报告的降幅分别为26.9%、32.7%和6.86%。差异主要来自乘客与模块分配的优化：缺少第二阶段优化的一阶段RL运营成本更高、服务率最低，贪心方法受短视决策影响带来更高等待成本。
不同运营策略的成本结果，来源：Fig. 5
各策略下每个班次后的剩余乘客，来源：Fig. 9
策略对比显示，灵活编队和短回程共同降低了总成本、等待成本和惩罚成本。统一调度虽然允许中途回程，固定编队会让部分线路等待变长；无短回程策略让空模块直到跑完整条线路后才可用，造成模块利用率下降和乘客滞留。
管理启示
提出策略下的末端模块化车辆运营结果，来源：Fig. 6
运营层面的启示是，模块化车队的价值来自按线路和站点需求实时改变容量。热力图显示，高峰Trips 6-15期间车辆编队会增加，尤其在Path 2和Path 3上服务更多站点；提出策略下高峰积累乘客后续能够被服务。
不同可用模块数量下的成本比较，来源：Fig. 10
不同单位模块容量下的成本比较，来源：Fig. 11
车队配置需要关注边际收益。可用模块数从12增至15时，总成本随等待成本和惩罚成本下降而降低；当模块数达到14和15时，平均惩罚成本接近零。单位模块容量超过6后，系统平均能够服务所有乘客；容量超过7后，总成本变化趋于稳定。
模块化短回程服务与非模块化服务的性能比较，来源：Fig. 13
对资源受限的末端公交系统，论文给出的证据支持一条清晰运营原则：优先把有限模块投向可耦合、可解耦、可提前回收的线路组织方式，再用学习控制和优化模型持续校准容量分配。
论文：Operation design of last-mile transit service with modular vehicles
作者：Qingyun Tian，Yitong Yu，Jinhao Liang，Yun Hui Lin，Kaidi Yang，David Z.W. Wang
期刊：Transportation Research Part C
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
