科研学术

10月19日，香港城市大学陈名华教授应邀做客“学者论坛”，作了题为“Pickup Opportunity as Resource: AProbabilistic Approach for Demand-Aware Ride-Sharing Optimization”的学术报告。本次论坛由教师发展中心主办，通信抗干扰全国重点实验室、信息与通信学院联合承办，通信抗干扰全国重点实验室袁晓军教授主持。

本次讲座中，陈名华教授从现实拼车场景引入，针对网约车拼车资源分配不均匀问题，提出了一种基于概率的需求感知拼车优化框架，其核心思想是将未来乘客的接单机会视为可分配的系统资源。该方法利用历史出行数据，建立不同区域、不同时间段的乘客需求概率分布，预测潜在订单出现的可能性。与传统调度算法不同的是，系统不再向所有车辆提供相同的需求信息，而是根据整体调度目标，为不同车辆分配差异化的接单概率，引导车辆合理选择行驶区域，避免车辆集中前往高需求区域而造成资源竞争与浪费。

陈名华教授进一步介绍了接单概率分配的可实现性条件，通过一组线性不等式约束，确保系统分配给各车辆的接单概率能够在实际订单匹配中得到保证。同时，研究将复杂的联合优化问题分解为系统层面的接单机会分配与车辆层面的独立路径优化，并设计具有理论性能保证的近似算法，在提高计算效率的同时实现车队整体接载数量的优化。

结合纽约曼哈顿地区真实出行数据的仿真实验，陈名华教授展示了该方法的实际效果，相较于传统需求无感知方案，陈名华教授所提出的方法相比传统打车直接送达目的地可使单位时间内乘客接载数量提升最高约46%，车队层面的联合优化相比单车独立优化还可进一步提升最多约19%，展现出良好的应用潜力。

在交流环节，师生围绕接单概率分配的可实现性、乘客需求的时空变化以及算法在实际网约车平台中的应用展开讨论。针对不同车辆获得的接单概率如何在实际匹配中实现的问题，陈名华教授结合具体案例，解释了概率分配的约束条件及随机化匹配机制。针对乘客需求随时间变化的特点，他指出，实际建模需综合考虑不同时间段的需求分布及车辆抵达相应区域所需的时间。此外，陈名华教授还分享了人工智能方法在交通调度优化中的应用思考，强调算法性能与决策可解释性的重要性。现场讨论热烈，不仅加深了大家对概率优化与资源分配方法的理解，也为智能交通系统的研究提供了新的思路。