Nature inspired algorithms for demand-responsive transport

Abstract

This thesis explores demand-responsive transport, where vehicles pick up and drop off passengers based on individual requests. We present a model of the Dial-A-Ride Problem (DARP), which uses real road networks from OpenStreetMaps. Customers ask for rides between two locations, providing their preferred departure time. The goal is to minimize both the operating cost and the customer waiting time. We implement three different encodings of an individual for genetic algorithms and three Ant Colony Optimization frameworks. We compare the results of these algorithms on our custom generated datasets.

Práce se věnuje dopravě reagující na poptávku, kde vozidla vyzvedávají a vysazují pa- sažéry na základě individuálních požadavků. Představujeme model problému Dial-A-Ride (DARP), který využívá reálné silniční sítě z OpenStreetMaps. Cestující žádají dopravu mezi dvěma zastávkami a specifikují svůj požadovaný čas odjezdu. Cílem je minimalizo- vat jak provozní náklady, tak čekací dobu zákazníků. Implementujeme 3 různé kódování jedince v evolučním algoritmu a 3 frameworky Ant Colony Optimization. Výsledky těchto algoritmů porovnáváme na našich vlastních generovaných datech.