Общая двухуровневая схема оптимизации транспорта по требованию

Умные поездки по вызову

Представьте, что вы заказываете совместный микроавтобус, который заберёт вас недалеко от дома, доставит близко к работе или станции, а тем временем тихо подзарядит аккумулятор. В этой статье рассматривают, как планировать такие сервисы по требованию, чтобы многие люди могли пользоваться небольшой флотилией автомобилей, приезжать вовремя и поддерживать низкие затраты и выбросы. Авторы разрабатывают и тестируют универсальный метод планирования, который может помочь городам уйти от жёстких автобусных линий к более гибкому и чистому общественному транспорту.

Что на самом деле означает «по вызову»

Транспорт по требованию — это семейство услуг, в которых транспортные средства не следуют фиксированным расписаниям и маршрутам. Вместо этого пассажиры оформляют поездки, часто через мобильное приложение, а система группирует запросы в совместные рейсы, назначает транспорт и решает, когда и куда ехать. По всему миру такие сервисы испытывают в пригородах, сельской местности и как «последняя миля» к поездам и метро. Они обещают лучший доступ при меньшем числе транспортных средств, но ими трудно управлять эффективно: каждый новый заказ может изменить, кто едет с кем, какие остановки посещаются и придут ли пассажиры вовремя.

Два уровня мышления для каждой поездки

Авторы предлагают двухуровневую структуру планирования, которая разделяет то, что должна делать любая система, и то, что требуется лишь некоторым. Первый уровень охватывает базовые задачи: назначение каждого пассажира одному или нескольким транспортным средствам, определение порядка посещения остановок и проверка соблюдения ограничений вместимости и по времени. Второй уровень дополняет практическими деталями. Он может учитывать электрические транспортные средства, которые нужно подзаряжать, чтобы не сесть с разряженной батареей, частично заранее спланированные участки маршрутов, которые должны соблюдаться в определённые временные окна, а также индивидуальные пожелания пассажиров, например место для коляски или Wi‑Fi на борту. Поскольку эти детали вынесены в отдельный слой, города могут адаптировать одну и ту же основную схему к очень разным местным требованиям.

Три способа дать автомобилям свободу передвижения

Одним из ярких моментов исследования является сравнение трёх уровней свободы маршрутов. В самой гибкой опции «Общая» транспортные средства могут ездить напрямую между любой парой остановок. В варианте «Участки» они могут двигаться только по кускам заранее определённых линий, но могут переключаться между ними на пересечениях. В самой жёсткой опции «Маршруты» каждое транспортное средство курсирует по одному фиксированному маршруту, а пассажиры при необходимости пересаживаются между маршрутами. Можно было бы ожидать, что самая свободная версия даст лучшие результаты, так как предлагает больше возможностей. Вместо этого эксперименты на базе автобусной сети Жешува, Польша, с 64 остановками, шести транспортными средствами (три — электрические) и 200 пассажирами показали обратное: опция с фиксированными маршрутами последовательно даёт наименьшую среднюю задержку и также значительно быстрее рассчитывается, тогда как полностью свободная опция склонна заводить алгоритм в сложные, неэффективные схемы движения.

Тестирование задержек, загрузок и аккумуляторов

Чтобы понять поведение модели в идеальных и хаотичных условиях, команда составила два тестовых набора данных. В первом запросы на поездки выбирались так, чтобы существовал идеальный план без задержек. Во втором запросы были случайными, более похожими на реальную жизнь, где некоторая задержка неизбежна. Для обоих наборов схема запускалась в базовой форме и в расширенной, включающей зарядку электрических транспортных средств и специальные характеристики пассажиров. Главным показателем успеха была средняя опоздание пассажиров, но авторы также отслеживали наихудшую задержку, число опоздавших пассажиров, заполненность транспортных средств и изменение уровня заряда батарей со временем. С вариантами фиксированных маршрутов и участков система быстро находила планы со средней задержкой всего в несколько минут, даже когда учитывались ограничения электрических транспортных средств и предпочтения пассажиров. Модель также выбирала, когда и где заряжать электромобили, чтобы уровни заряда оставались в безопасных пределах и при этом обслуживались пассажиры.

Выбор критерия оптимизации

Исследование также сравнивает несколько способов определения «лучшего». Минимизация средней задержки, как правило, улучшает работу всей системы: большинство пассажиров приезжают раньше, и даже самый задержанный пассажир обычно не оказывается в худшем положении, чем при использовании других целей. Попытки минимизировать только наихудшую задержку или только число опоздавших, напротив, могут привести к планам, где несколько человек чрезвычайно опаздывают или транспорт используется неэффективно. Это указывает на то, что фокус на типичном опыте пассажира — хорошая компромиссная стратегия, и что одна и та же схема может быть направлена на разные политические цели простым изменением одной функции в модели.

Что это означает для повседневных поездок

Для не специалистов ключевое сообщение таково: грамотно спроектированные инструменты планирования могут сделать сервисы поездок по вызову практичными в городском масштабе. Статья показывает, что единая адаптируемая схема может назначать пассажиров транспортным средствам, планировать маршруты, учитывать особые потребности и управлять батареями электромобилей, при этом удерживая средние задержки на низком уровне. Возможно, неожиданно, но придание некоторой структуры передвижению — например фиксированные или полузфиксированные маршруты — часто превосходит полный простор, потому что это делает задачу управляемой и приводит к более надёжному сервису. По мере того как города экспериментируют с новыми идеями в транспорте — от электрических шаттлов до приложений для «микро‑транзита» — такие схемы будут необходимы, чтобы превратить разрозненные запросы в плавные совместные поездки.

Цитирование: Bozek, A., Krzeszowski, T. & Sliwa, T. General two-level framework for demand-responsive transport optimization. Sci Rep 16, 14520 (2026). https://doi.org/10.1038/s41598-026-44833-6

Ключевые слова: транспорт по требованию, совместная мобильность, транспорт умного города, электрические шаттлы, оптимизация маршрутов