个性化城市旅游巴士路径规划通过多目标深度强化学习实现：一种混合主成分分析-双深度Q网络方法

《Transportation Research Interdisciplinary Perspectives》：Personalised urban tourist bus routing via multi-objective deep reinforcement learning: A hybrid PCA-double DQN approach

　　

常规路径规划方法常难以满足旅游巴士的特定运营需求，往往忽视车辆物理约束与游客偏好的异质性。为解决上述局限，本文提出一种面向应用的集成路径规划框架，通过融合混合主成分分析（PCA）-双深度Q网络（Double DQN）方法处理多目标旅游行程设计问题（MOTTDP）。该方法学整合PCA与K-Means聚类，从调查数据中提取具可解释性的潜在游客画像。这些偏好权重被动态注入双深度Q网络（Double DQN）智能体，从而在异质群体特征下实现上下文感知的路径优化，同时缓解标准强化学习（RL）应用于路径规划时常见的Q值高估偏差。基于越南岘港真实路网拓扑的仿真验证表明，该集成框架相较Dijkstra、标准DQN及邻近策略优化（PPO）基线表现出良好的仿真性能。所提模型实现约91.2%语义属性覆盖（偏好对齐），较基于距离的Dijkstra基准降低约25%燃油消耗。研究结果表明，该框架能在最大化游客总体偏好与最小化运营成本之间提供有前景的仿真平衡。

研究背景方面，智能交通系统（ITS）与传统导航应用多针对乘用车优化，忽视城市旅游巴士所受严格物理约束（如转弯半径、限高）及游客群体偏好的异质性与冲突性，现有多目标旅游行程设计问题（MOTTDP）研究面临三大实践挑战：一是忽略客车非完整（holonomic）车辆约束致路线不可行；二是缺乏面向异质群体的共识机制，原始心理测量数据含噪且多重共线；三是标准深度Q网络（DQN）存在Q值高估偏差且单一固定奖励函数难以适配动态偏好。为此，研究人员在《Transportation Research Interdisciplinary Perspectives》提出融合PCA与Double DQN的混合框架，以在运营机动性约束下实现个性化多目标旅游巴士路由。

关键技术方法上，研究人员基于岘港260份游客五点Likert量表调查数据，经中位数填补与Min-Max归一化后，采用PCA提取累计解释方差≥95%的主成分，再以K-Means（k-means++初始化，n_init=50）聚为3类游客原型（自然爱好者、城市探索者、舒适寻求者），通过L1归一化生成各簇偏好权重向量W_k；继而将W_k注入基于图拓扑的多目标马尔可夫决策过程（MOMDP）状态空间，构建Double DQN智能体（在线网络与目标网络解耦选评动作，ReLU隐层128-64，经验回放20000，γ=0.99），以动态线性标量化奖励函数训练，并在岘港OSMnx提取的6475节点16809边有向图上以4096训练集与1024测试集仿真验证。

研究结果部分，引言指出旅游巴士路由需跨学科整合交通工程与行为建模。相关工作中，MOTTDP综述揭示精确算法难聚合软目标、元启发式不适配实时重路由、DRL需解决高估偏差与上下文适配；用户画像综述表明PCA+K-Means较人口统计、深度学习（DL）/图神经网络（GNN）及事后可解释AI（XAI）更具可解释与低计算优势；DRL路由综述确认Double DQN较标准DQN、PPO在解耦选评与免重训偏好注入上的稳定性。方法论中，3.1框架架构分离线偏好建模与在线自适应执行两阶段；3.2调查数据获取与变量映射将五维偏好（风景、POI、路宽、拥堵、平稳）由Likert转为归一化向量并经缺失值中位数填补；3.3潜在画像提取确定PCA保留主成分使累计方差≥95%、K=3经肘部与轮廓系数验证，得出三类簇心与W_k雷达分布；3.4 MOMDP公式中状态s_t=(l_t,τ_t,D_t,W_k)，动作空间经有效性掩码剔除几何/规则/环路无效边，奖励r_t为加权效用减加权不适减时间步惩罚ξ=0.01；3.5算法实现以Double DQN双网络解耦选评，复杂度推理端O(s_t+A_max)。案例研究4.1以岘港真实路网融合Google API拥堵与OSM属性，基线设Dijkstra、标准DQN、PPO及DDQN-Raw/DDQN-Static消融；4.2评价指标含平均累积奖励（ACR）、TD误差方差、估计燃油F_est（C_base=0.30 L/km，κ=0.5）、估计时间T_est、语义属性覆盖（SAC_k。结果显示所提混合PCA-DDQN达约91.2% SAC、燃油较Dijkstra降约25%，Double DQN较标准DQN收敛方差更低，W_k注入使免重训上下文适配优于PPO样本效率。

讨论与结论翻译部分，研究人员总结：该混合PCA-Double DQN框架通过离线无监督偏好建模与在线上下文感知执行，在岘港仿真中平衡了游客偏好对齐与运营成本，克服非完整约束与Q值高估偏差；PCA+K-Means提供可解释潜在权重W_k使路由决策透明，Double DQN解耦机制保障多目标奖励下策略稳定；未来可将元启发式离线Pareto对比、非线性阈值偏好建模及实车部署验证作为方向。该研究为智慧旅游城市公交调度提供了兼具行为可解释性与深度强化学习稳定性的应用基准。