随着绿色出行理念的深入人心,公交自行车作为低碳环保的公共交通工具已在世界各地掀起一股出行热潮。然而用户数量及其使用频率的急剧增长为公交自行车系统带来了一定的压力,例如用户出行时经常会遇到无可借自行车或无可还空车桩的情况。对于用户而言,为其规划一条合理的出行路线相较于传统的自行车预测或调度等研究更具实际价值。此外,公交自行车管理公司对用户及站点信息的采集不够全面且采集过程可能存在一定时延。由该现象引发的数据更新不及时等问题在一定程度上增大了用户出行难度。事实上,群智感知计算作为城市数据感知和捕获的核心技术,可以有效缓解上述问题带来的困扰。结合当下流行的智能手机,本文采用移动群智计算的方法,通过用户在使用公交自行车出行过程中主动上传用车行为信息和站点资源信息的方式,来弥补数据不全面带来的不足。因此,为了帮助用户规划合理的出行路线,同时提高公交自行车系统的服务质量,本文从系统资源层面针对公交自行车出行路线规划问题分别设计了静态和在线算法,并构建了基于移动群智计算的公交自行车导用系统。本文的研究内容及创新点包括以下几个方面:(1)本文基于移动群智计算的方法采集传统方法无法获取的用户起始和目标位置信息;首次提出公交自行车三段式出行模型,为公交自行车路线规划打开全新的求解方向。(2)本文提出静态公交自行车出行路线规划问题,并将其映射为k-Set Packing问题,经证明其难度为NP-hard。为了解决该问题,本文设计了贪心路线规划算法(Greedy Trip Planning algorithm,GTP)以及考虑用车冲突情况设计了谦让路线规划算法(Humble Trip Planning algorithm,HTP)。基于杭州市公交自行车真实数据集的仿真实验表明,当用户可接受最大步行距离一定时,GTP和HTP算法分别可以缩短39.2%和17.6%的平均出行时间,其成功分配路线数量分别能够达到上限的82.8%和83.7%。由此可见,本文所设计的算法可以有效提升系统的服务质量。(3)为了更贴近公交自行车系统用户的实际用车情况,本文提出在线公交自行车出行路线规划问题。根据用户按时间顺序发出用车请求和资源锁定的情况,本文设计了基于在线匹配模型的在线匹配路线规划算法(Online Matching Trip Planning algorithm,OMTP),经分析证明,该算法性能的理论下界为1-1/e。在此基础上,本文进一步考虑资源动态改变的情况,基于动态网络流模型设计了在线流序列路线规划算法(Online Flowing Sequence Trip Planning algorithm,OFSTP)。基于美国纽约市Citi Bike公交自行车系统真实数据集开展的大量仿真实验表明,当用户可接受最大步行距离一定时,OMTP算法的平均服务成功率为81.1%,仅低于静态算法4.2%;OFSTP算法的平均服务成功率为91.9%,优于OMTP算法。(4)本文构建了基于移动群智计算的公交自行车导用系统,该系统为首个提供公交自行车三段式用车导引的系统。使用过程中,用户可以通过该系统的手机客户端App提供用车行为信息和站点信息,服务器端实时更新数据并基于用户的用车请求以及OFSTP算法为其规划一条三段式用车导引。综上所述,为解决公交自行车出行路线规划问题,本文设计了静态及在线路线规划算法并构建了导用系统。所设计的算法可以缩短公交自行车用户的出行时间,最大化被服务的用户数量,并提升系统的服务质量。本文研究内容较为新颖且具有实际应用价值,是近年来值得深入探索的研究方向。