电动公交车队规模与充电桩配置协同优化

为了保障电动公交系统的车辆能源供给和线路顺畅运营,本文在多线路与多充电站场景下考虑线路行程时间的随机性,建立面向线路层面的电动公交系统车辆与充电桩配置双层优化模型。模型以车辆和充电桩投资成本与乘客候车成本之和的最小化为目标,对各线路车队规模、各充电站充电桩数量及线路与充电站间的充电匹配关系进行优化决策。在下层模型中,为反映随机行程时间下车辆充电过程对线路运营的影响,引入顾客源有限下的多服务台排队模型来刻画固定线路与充电站匹配下的排队充电过程;在上层模型中,考虑充电站与场站容量约束,对电动公交系统的线路与充电站匹配关系进行优化。在求解方面,首先基于排队模型设计算法求解特定线路与充电站匹配下的车队规模及充电桩数量,进而利用CPLEX求解器对线路与充电站匹配关系进行优化。在实验环节,设计不同规模的算例验证本文所提双层模型与算法框架的有效性,计算结果表明,本文所提的双层模型和算法框架可在满足充电站和场站容量限制的前提下尽可能缩减车队成本、充电桩成本与乘客候车成本;相比较两种人工经验方法,本文算法可将总成本分别降低5.65%和4.54%。

高速公路施工区车队被动换道行为建模与仿真

针对高速公路施工区域车速波动大,通行效率低的问题,从网联环境车队行为协同优化角度出发,构建车队被动换道行为模型.利用Plexe-SUMO搭建仿真平台,设计相应车队生成及换道选择算法,实现车队行为的生成与仿真.考虑不同的流量状态,通过调整车队规模,探究不同车队规模对施工区通行效率提升的影响,寻求较理想的车队组织形式.结果表明,在中、低流量(小于900辆/h)状态下,车辆以较小规模(小于4辆)的车队形式行驶较合适.随着路段流量的增多,尤其在高流量状态下,车辆组成规模较大的车队(大于6辆)更能够提升通行效率.在实验场景下,当单车道流量小于1100辆/h时,理想的车队规模为2辆.当流量较大时,理想车队规模为6~8辆.这表明在不同流量状态下的施工区域,存在某一合理车队规模,使得路段通行能力达到最优.

考虑混合车队的单向共享汽车调度问题研究

随着新能源汽车的快速推广,共享汽车运营中出现了包括燃油汽车和电动汽车两种车型的混合车队。由于电动汽车存在充电行为,这为调度决策带来了新的挑战。针对单向运营模式的共享汽车系统中混合车队问题,本研究提出了以优化利润和服务水平为目标的混合车队单向共享汽车分配调度两阶段随机规划模型,考虑了停车位充电设施不完备的现实条件对车队规模和调度方案产生的限制,在运营商的静态调度中兼顾站点车辆供需平衡和充电便利性。数值实验的研究结果表明:单车单日服务里程的增加会提升电动汽车的利润空间;车队规模小时,较大比例的电动汽车利润更高;服务水平达到一定值后,其提升成本增大。

自动驾驶条件下共享车辆车队规模

随着自动驾驶技术的发展和普及,未来以自动驾驶车辆替代传统有人驾驶私家车辆成为大势所趋,本文研究的目标是提出一种解决小规模自动驾驶共享车辆(Shared Autonomous Vehicle, SAV)车队规模的方法,并进行实际案例分析。使用的数据集是上海市50辆新能源私家车一年的轨迹数据,使用此部分出行需求,给出了计算两次出行是否可以衔接的具体方法,得到衔接矩阵。然后将求解最小车队规模问题转化为求解多旅行商问题(Multiple Travelling Salesman Problem, MTSP)的最短路问题,并证明两者具有等价性。论文提出使用排序遗传算法对此问题进行求解,使用5种常见的排序交叉算子分别验证求解质量,得到OX1交叉算子的质量最优。最后选择OX1交叉算子计算出行需求数排名前20天的SAV的最小规模,得到SAV的平均替代率为2.4。即在本研究中,一辆SAV平均可以替代2.4辆传统私家车,为未来自动驾驶技术普及后,SAV的车队规模问题提供参考。

混有网联车队的高速公路通行能力分析

智能网联环境下车辆跟车间距减小,连续行驶的网联车辆可以组建为柔性车队,车队内车辆可以保持更小的车头间距行驶,进而有效提高道路通行能力。文中针对高速公路基本路段传统车辆和网联车辆混行交通流,提出了交通流稳态条件下4种可能的车辆跟驰特性及其空间分布概率,进而建立了高速公路基本路段的基本图模型和车辆换算系数(PCE)计算方法,并进行了网联车辆渗透率和车队规模等参数的敏感性分析。研究结果表明,网联车辆渗透率的提高和车队规模的增加有利于提升通行能力和减小车辆换算系数,且网联车辆渗透率越大正面影响愈明显。另外,当车队规模大于4后,车队规模的增加对通行能力的提升和换算系数的降低作用明显减弱。

未来城市自动驾驶共享汽车规模研究：以上海为例

随着自动驾驶技术的发展,未来以自动驾驶共享汽车(Shared Autonomous Vehicle,SAV)替代有人驾驶汽车成为可能.使用SAV满足城市居民机动化出行需求的情况下,研究SAV的车辆规模.从上海市300万手机用户信令数据中提取机动化出行需求,考虑上海市实际路况的影响,建立基于车辆可共享网络的图论模型,将最小车队规模问题转化为有向无环图的最小路径覆盖问题,利用Hopcroft-Karp算法求解.求解得到,12.8万辆SAV可以满足300万手机用户的机动化出行需求.研究最大调度时间限制、服务范围限制、交通拥堵对SAV车辆规模的影响,为自动驾驶技术普及后,从城市层面确定SAV的车队规模及相应基础设施规划提供参考.

混有网联车队的道路通行能力分析

针对由传统人工驾驶车辆、网联自动驾驶车辆以及网联辅助驾驶车辆构成的混行交通流,分析混行交通流中9种可能存在的车辆跟驰模式及其空间分布比例,推导混有不同类型网联车队的混行交通流基本图模型,以此分析网联自动驾驶车辆渗透率P_(1)、网联辅助驾驶车辆渗透率P_(2)、网联自动驾驶车队规模n_(1)以及网联辅助驾驶车队规模n_(2)对混行交通流通行能力的影响,并对这4种影响因素进行了参数敏感性分析.研究结果表明:在混行交通流中,当P_(1)+P_(2)<1时,网联自动驾驶车队及网联辅助驾驶车队分别以车队规模n_(1)为7~9辆、n_(2)为5~7辆组队行驶时,混行交通流的通行能力提升效果最为显著;当P 1+P_(2)=1时,通行能力与车队规模无关,而与网联自动驾驶车辆渗透率P_(1)以及网联辅助车辆渗透率P_(2)有关.

智能网联卡车车队混合流通行能力分析方法

智能网联卡车车队有望成为网联自动驾驶率先应用的场景之一,本文针对智能网联卡车车队混合交通流通行能力开展研究。首先,以智能网联卡车车队、人工驾驶卡车及人工驾驶小汽车构成的随机混合交通流为研究对象,考虑智能网联卡车车队规模空间分布特征,分析混合交通流中10种跟驰行为类型,理论推导其概率表达式,进而构建智能网联卡车车队混合交通流通行能力的通用性分析方法。然后,考虑实际交通流运行中卡车分布的随机性,将智能网联卡车车队混合交通流分为优势流、随机流和劣势流3种态势,以此提升混合交通流通行能力分析方法的普适性。最后,选择实测数据标定的跟驰模型进行案例分析,验证理论分析方法的有效性。研究结果表明:智能网联卡车比例提高或其车队规模增大均有利于3种态势混合交通流中车辆转换系数及相对熵的减小,从而可有效提升混合交通流通行能力。不同智能网联卡车比例条件下,智能网联卡车车队随机分布最优车队规模为2~4辆,同时,优势流、随机流和劣势流3种混合交通流通行能力依次递减。研究结果揭示了智能网联卡车车队混合交通流通行能力提升的内在机理,为未来智能网联卡车车队的运营管理提供方法支撑。

模块化自动驾驶穿梭公交服务频率优化及时刻表设计

本文针对基于模块化自动驾驶车的穿梭公交系统,研究其在过饱和状态下的服务频率、编组方案和车队规模的联合优化问题。首先,利用连续近似建模方法,构造了以系统总成本(包含乘客等待时间、车辆购置和运营成本)最小为目标的数学优化模型;其次,通过最优条件分析得到了最优服务频率和编组方案的解析解,并进一步得到最优车队规模;然后,利用离散化方法将以上最优解转化为具体的时刻表和满足整数约束的车辆编组方案;最后,通过数值实验和灵敏度分析,对模型和求解方法的有效性进行验证。实验结果表明所建立的连续近似优化模型具有较高的求解精度,与离散后的模型结果相比,系统总成本误差不超过3.24%。实验结果也揭示了不同离散方法的优劣与适用情况。与传统公交(固定车辆尺寸)对比表明模块化自动驾驶穿梭公交的系统总成本更低,且在低需求水平下优势更明显。

物流配送运输车队的规模问题

首先分析了物流配送运输发展前景和研究配送运输车队规模问题的必要性,阐明了确定配送运输车队规模的基础条件和实现的目标.针对从一个配送中心向多个分散客户配送货物的实际经营问题,利用多变量整数线性规划的数学方法建立了确定配送运输车队合理规模的数学模型,旨在为企业的经营管理提供一定的理论依据和决策方法.

基于零售商系统的存贮路径问题研究

文章对基于零售商的存贮路径问题满足客户要求所需配备的配送汽车的平均数最小作为目标,确定配送中心所需运输车队的适当规模,使它不仅满足配送的需要,还要尽量降低运输车队运营成本,也就是协调确定运输规模、运营成本与服务质量之间的关系。并设计和运用启发式算法来确定最佳配送路线、配送频率和各客户的配送量。

考虑接驳费用的车辆共享调度算法研究

针对现有的车辆共享调度算法未充分考虑车辆共享调度时造成的接驳费用问题,研究最小车辆规模最少接驳费用调度优化模型,并改进二分图匹配算法进行求解。根据车辆共享过程中调度方案的优化问题描述,以满足给定出行需求的车辆规模最小以及车辆调度接驳费用最少为目标,构建双目标优化模型。基于有向无环图对车辆出行需求进行建模,将模型求解转化为二分图最大匹配且权重最优匹配问题,提出Kuhn-Munkres算法求解最大匹配最小权重匹配的权重设置条件并进行证明,进而设计Hopcroft-Karp与Kuhn-Munkres算法融合框架进行求解。以安徽省宣城市部分出行为例进行模型和算法合理性分析,479辆自动驾驶共享车辆可以满足13 575个出行需求;与未考虑接驳费用目标的调度算法相比,调度总费用减少40.8%左右。算法可求解最小车辆规模并降低调度成本。

货运机动车责任保险经验费率系统构造初探

机动车在以往年度的索赔记录会影响到续保时的费率水平或费率的优惠幅度,称之为经验费率系统或费率奖惩系统。奖惩系统的最终目标是使得每位投保人缴纳的保费尽可能地接近于其年索赔额的平均值,从而减少发生道德风险和逆向选择的可能。制定和完善适合我国国情的车险费率奖惩系统。

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数(乘客需求或行程时间)的相似性,忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷,利用多源公交数据,提出一种新的基于最小化车队运营时间成本的时段划分方法。首先,利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模,进而利用滑动时间窗模型,计算全天各时间窗所需的理论最小车队规模。然后,以时段划分方案的时间分割点为决策变量,以最小化全天累计车队运营时间成本为目标建立优化模型,采用遗传算法对运营时段划分方案进行寻优。最后,以广州市87路公交线路实际数据为例进行验证,并对模型参数进行敏感性分析。研究结果表明:与传统方法相比,所提方法能更好地实现运力与运量相匹配,并有效降低车时成本;与以往基于断面客流和基于行程时间的划分方案相比,所提方案的车时成本分别降低25 veh·h和45.33 veh·h。

城市公交区域调度双层优化方法研究

为了实现区域公交行车计划编制优化,构建了一个以区域内乘客候车时间为上层目标、以车队规模为下层目标的双层规划模型。由于上、下层目标之间存在的互相影响关系,导致模型难以获取最优解,选择将下层目标转化为模型的约束条件从而实现对模型的简便求解。对于车队规模的取值,提出了一种基于逆差函数的车队规模搜寻算法。进一步地,为了建立车队规模的约束条件,提出了3类核算时间点,并引入逻辑变量表征发车方案的选择,通过对核算时间点所对应的逆差函数值进行约束从而保证当前的发车方案能够满足既定的车队规模要求。在车队规模取值及约束条件确定的基础上,对模型进行求解即可得到不同车队规模取值情况下所对应的换乘时间表现最佳的发车方案。为了验证模型及求解思路的可行性,以哈尔滨市部分公交线路为例进行验证。结果表明:候车时间最优方案较初始方案能减少换乘时间10.3%,车队规模最优方案能减少初始车队规模15.2%;模型计算结果相当于为公交运营企业提供了可选择方案的效果边界,公交运营方可以通过结合预期的运营目标和实际公交规模选取最佳的发车方案,从而提高实际调度水平和运营效果。

环球车享:2018共享汽车发力年?

环球车享首席市场官CMO黄春华表示,2018年资本将大规模进场,共享汽车行业的竞争也将随之加剧。环球车享旗下共享汽车品牌EVCARD目前已进驻40个城市,根据不同城市定位实行差异化进驻策略,迅速地攻城略地,是出于公司策略和政策影响等方面的考量;车队规模近2.6万辆,居行业首位,未来发展战略会通过平台化变轻。滴滴日前宣布将投资超10亿元发展共享汽车业务,这是行业提速的一剂猛料。

斯堪尼亚中国与珠海强竞签署500辆意向协议

珠海强竞农业有限公司与斯堪尼亚销售(中国)有限公司正式签署了500辆的意向采购协议书。根据该协议,强竞冷链物流在接下来的3年时间将车队规模扩展到500辆斯堪尼亚卡车,旨在打造国内最大、最专业、更低碳的鲜活冷藏运输龙头企业。2017年3月31日,珠海强竞农业有限公司与斯堪尼亚销售(中国)有限公司正式签署了500辆的意向采购协议书。强竞农业董事长刘强先生与斯堪尼亚中国战略执行董事何墨池先生共同签署了该协议。根据该协议。