跳转至

一种受QUBO启发的机场陆侧瓶颈诊断与动态调度优化计算框架

文章背景与核心概要

机场陆侧交通中心集成了航站楼到达区、出租车、网约车、私家车、公交、地铁及停车场等多种交通方式，在高峰时段极易出现严重的拥堵问题。本文提出了一种受二次无约束二值优化（QUBO）启发的计算框架，旨在精准诊断交通瓶颈并实现车辆与乘客的动态调度优化。

该研究通过上海浦东国际机场和杭州萧山国际机场的真实数据验证了其有效性。研究结果表明，该框架不仅能显著缓解交通拥堵，还在面对多种运营不确定性时表现出极高的鲁棒性，为机场交通管理提供了科学的决策支持。

📌 执行摘要

机场陆侧交通中心——集成了航站楼到达区、出租车、网约车、私家车、公交、地铁系统、停车场及进出道路——在高峰时段经常出现严重拥堵。本研究引入了一种新颖的受QUBO启发的计算框架，用于诊断瓶颈并优化动态车辆/乘客调度。

该系统在上海浦东国际机场和杭州萧山国际机场的真实数据上进行了测试，有效缓解了拥堵，并在各种运营不确定性下保持了强大的鲁棒性。

Airport landside traffic centers—which integrate terminal arrivals with taxis, ride-hailing services, private cars, buses, metro systems, parking, and access roads—frequently experience severe congestion during peak hours. This study introduces a novel QUBO-inspired computational framework to diagnose bottlenecks and optimize dynamic vehicle/passenger dispatch.

Tested on real-world data from Shanghai Pudong International Airport and Hangzhou Xiaoshan International Airport, the proposed system effectively mitigates congestion and maintains high robustness against various operational uncertainties.

🛠️ 方法论与框架

  • 状态建模： 使用五分钟分辨率的状态模型，将乘客到达、车辆供应、上客泊位服务、车辆存储区和道路容量相互关联。
  • 瓶颈诊断： 使用一套综合指标评估系统压力：
    • 服务强度与道路需求饱和度
    • 瓶颈频率与排队严重程度
    • 影子价格杠杆
    • 综合拥堵严重程度指数 (CSI)
  • 调度优化： 在相同需求输入下比较两种不同的策略：
    1. 有限动作模型预测控制 (MPC)
    2. 受QUBO启发的模拟退火算法
  • State Modeling: Uses a five-minute resolution state model that interconnects passenger arrivals, vehicle supply, pickup berth service, vehicle storage areas, and roadway capacities.
  • Bottleneck Diagnosis: Evaluates system pressure using a comprehensive suite of metrics:
  • Service intensity & Road demand saturation
  • Bottleneck frequency & Queue severity
  • Shadow-price leverage
  • A composite Congestion Severity Index (CSI)
  • Dispatch Optimization: Compares two distinct strategies under identical demand inputs:
  • Finite-Action Model Predictive Control (MPC)
  • QUBO-Inspired Simulated Annealing

📊 关键结果与发现

  • 排队减少（强高峰基准场景）：
    • 上海浦东国际机场： 将最终乘客排队人数从 3,445人 减少至 2,477人。
    • 杭州萧山国际机场： 将最终乘客排队人数从 2,053人 减少至 1,482人。
  • 瓶颈差异：
    • 上海浦东 主要受道路饱和困扰。
    • 杭州萧山 主要受上客泊位服务限制约束。
  • 鲁棒性： 针对需求、供应、服务率、道路容量、交通方式份额和随机噪声进行的广泛扰动测试表明，该框架在不确定性下能够可靠地保持其减少排队的能力。
  • Queue Reductions (Strong-Peak Baseline Scenario):
  • Shanghai Pudong International Airport: Reduced final passenger queues from 3,445 to 2,477 passengers.
  • Hangzhou Xiaoshan International Airport: Reduced final passenger queues from 2,053 to 1,482 passengers.
  • Bottleneck Variations:
  • Shanghai Pudong suffers predominantly from road saturation.
  • Hangzhou Xiaoshan is primarily constrained by pickup berth service limits.
  • Robustness: Extensive perturbation tests across demand, supply, service rates, road capacities, modal shares, and random noise demonstrate that the framework reliably retains its queue-reduction capabilities under uncertainty.

🔗 链接与资源

(许可参考：license icon 知识共享署名 4.0 国际许可协议)

(License Reference: license icon Creative Commons Attribution 4.0 International)