共享电动汽车系统车队规模与停车泊位数优化

基于流体排队逼近理论,将共享电动汽车系统用户在车站取车和在路径上用车分别描述为与车站、路径状态相关的流体排队模型,从运营商、用户、公众利益三方出发,考虑用户出行需求与拥堵的交互影响,建立以运营商日利润最大化为目标,以用户还车和引入共享车后的道路拥堵为约束的混合整数非线性模型(Mixed-Integer Nonlinear Programming,MINLP),联合优化共享电动汽车系统车队规模和停车泊位数。设计网格自适应搜索算法(Mesh Adaptive Direct Search,MADS)和遗传算法(Genetic Algorithm,GA)对优化模型进行求解,结果显示,MADS算法收敛速度更快,在优化结果和求解效率上更具优势,平均求解时间为2.71 h,仅为遗传算法的1/3。利用成都市出租车行程数据,分析需求、道路拥堵、定价对优化结果的影响,结果表明:(1)系统停车泊位数与车队规模比值处于1.8~2.7时能够解决车站溢出严重的问题,并获得最大利润;(2)忽略需求、拥堵交互影响的系统将全面降低运营商利润、车辆利用率和系统服务率;(3)在一个城市处于中度拥堵时(全网平均道路占有率处于0.68~0.80),考虑交互影响的系统将获得最大利润,而忽略交互影响的系统将最大化高估用户需求。