A Framework for the Joint Optimization of Assignment and Pricing in Mobility-on-Demand Systems with Shared Rides
随着Uber和Lyft等叫车服务的快速增长,按需移动(MoD)系统已成为城市交通网络中的固定设备。网约车通常辅之以拼车选项,这可以减少与网约车服务相关的负面外部性,并提高车辆的利用率。确定车辆调度和定价的最佳策略是国防部服务的两个关键组成部分,由于其大规模和在线性质而具有挑战性。当MoD平台提供独家(传统的乘车)和共享服务时,挑战会被放大,客户可以选择它们。定价和调度问题是耦合的,因为实现的需求取决于服务质量(即,与谁共享乘车)以及每种服务类型的价格。我们提出了一个综合的和计算效率高的方法来解决联合定价和调度问题-无论是当问题是解决一个请求的时间或批量(在行业中的常见策略)。本研究的主要结果包括:(i)顺序定价问题有一个多项logit(MNL)选择模型下的封闭形式的解决方案,和(ii)分批定价问题是联合凹的预期需求分布。为了解释供需的空间演变,我们引入了所谓的追溯成本来保持一个易于处理的框架。我们的数值实验表明,这个框架如何产生显着的利润增加,在曼哈顿,纽约市的出租车数据相比,动态调度与静态定价政策。
2021-12-28 cs.SY eess.SY
Congestion-Aware Charging Coordination for Electric Ride-Hailing Fleets under Stochastic Demand
Luxembourg Institute of Socio-Economic Research (LISER)(卢森堡社会经济研究所);University of Luxembourg(卢森堡大学)
针对充电站容量影响电动网约车系统盈利的问题,提出一种动态充电调度方法,通过顺序混合整数线性规划协调充电操作,在曼哈顿场景下测试,相比最优基准利润提升3.91%,服务率提升4.60%。
2026-10-15 cs.SY eess.SY math.OC
Smart Charging Benefits in Autonomous Mobility on Demand Systems
在本文中,我们研究了智能充电的电动汽车(EV)提供自主移动按需(AMoD)服务的车队的潜在好处。我们首先考虑一个利润最大化的平台运营商,他根据网络流模型做出路线、收费、再平衡和乘车定价的决策。显然,这些决策中的每一个都直接影响车队的智能充电潜力;然而,在经典网络流模型下,不可能直接表征各种系统参数对智能充电的影响。因此,我们提出了一个建模的变化,使我们能够解耦的运营商所面临的充电和路由问题。这种变化使我们能够提供封闭形式的数学表达式,将充电成本与车辆的最大电池容量以及车队运营成本联系起来。我们发现,投资更大的电池容量和运营更多的车辆进行再平衡可以降低充电成本,同时增加车队运营成本。因此,我们研究了运营商面临的权衡,分析了最低成本的车队充电策略,并提供了数值结果,说明了智能充电的好处,运营商。
2019-09-17 cs.SY eess.SY
Demand for shared mobility to replace private mobility using connected and automated vehicles
我们研究了如何引入共享连接和自动化车辆(SCAV)作为一种新的移动模式可能会影响出行需求,福利以及网络中的交通拥堵。要做到这一点,我们适应了基于代理的日常调整过程,并开发了一个中央调度系统,这是在内部交通微观模拟器上实现的。我们考虑一个双边市场,其中需求和SCAV车队规模内生变化。对于调度SCAV车队规模,我们考虑了不断变化的交通状况。有两种可用的交通模式:私人联网自动驾驶汽车(CAV)和SCAV。所设计的系统应用于多伦多市中心的网络使用实际数据。结果显示,在七个学习日内,SCAV的需求增加了43%,从第一天的670次增加到第七天的959次。然而,在同一时期,私人CAV需求从2807次减少到2518次,减少了10%。此外,该网络的总旅行时间减少了7%,这表明该网络的交通拥堵有所减少。
2021-03-17 cs.SY eess.SY
Impact of COVID-19 on Mobility and Electric Vehicle Charging Load
COVID-19疫情抑制了全国的整体流动性。这些变化反映了对新冠肺炎病例、当地卫生指南和季节性的反应,使得流动性与新冠肺炎之间的关系在各个地区都是独一无二的。本文介绍了COVID-19之后电动汽车(EV)充电和移动性的数据驱动案例研究。该研究显示,在犹他州出现首例COVID-19病例后,电动汽车充电次数和每日总能耗立即下降了40%。相比之下,同期每个充电会话消耗的能源仅下降了8%,并且会话开始和结束时间的分布在全年保持一致。虽然在第一波COVID-19病例期间,电动汽车流动性比总车辆流动性下降得更剧烈,并且恢复得更慢,但尽管新感染病例出现了戏剧性的第三波,但两者都在2020年9月恢复到接近其平均值的稳定水平。
2020-11-20 cs.SY eess.SY physics.soc-ph
Mobility-Aware Electric Vehicle Fast Charging Load Models with Geographical Price Variations
University of California, Santa Barbara(加利福尼亚大学圣塔芭芭拉分校)
本文研究了在具有快速充电站的交通网络中,电动汽车用户在旅行和充电时的行为模式,通过建立交通和充电分配问题(TCAP)模型,分析了充电网络运营商如何优化快速充电站的使用效率,并提出了考虑用户异质性和地理电价差异的凸优化问题以确定网络的均衡状态。
2020-09-16 cs.SY eess.SY
Scalable Optimization for Mobility-Aware Coordinated Electric Vehicle Charging in Power Distribution Networks
University of California, Berkeley(加州大学伯克利分校);Hong Kong University of Science and Technology(香港科技大学)
本文提出MAC框架,通过结合移动轨迹和充电决策,实现大规模电动汽车需求灵活性优化,以减少配电网过载升级需求。
2026-11-10 cs.SY eess.SY
Mobility-Aware Smart Charging of Electric Bus Fleets
我们研究的联合路线分配和充电调度问题的公交系统调度员操作的电动巴士车队,以最大限度地提高太阳能集成和降低能源成本。具体来说,我们考虑了一个复杂的公交系统,该系统具有预先存在的路线、有限的充电基础设施、有限数量的电动公交车以及随时间变化的电价。我们提出了一个混合整数线性规划(MILP),产生最小成本的每日运营策略的船队(即,使用每日太阳能预测的路线分配和充电时间表)。我们从斯坦福大学的玛格丽特班车(一个大规模的电动巴士车队)的现实世界的案例研究中提出的数值结果,以证明我们的解决方案的有效性,并强调显着的成本节约相比,现状。
2019-12-11 cs.SY eess.SY
EV-based Smart E-mobility System -- Part I: Concept
这两篇论文系列的第一篇提出并阐述了基于电动汽车(EV)的电动交通系统的概念。为此,在文献中,设计用于获得电动汽车灵活性的益处的模型几乎完全将充电站视为利用电动汽车灵活性的积极参与者。这些车站被视为静态负载,只有当电动汽车连接到它们时才能提供灵活性。然而,这一观点受到两个主要问题的影响。首先,充电站需要预测进入的EV的一些重要参数,例如到达和离开的时间、EV的电池在到达时的能量状态以及在其离开时所需的能量状态。其次,它只在电动汽车连接到这些充电站时才观察电动汽车,从而忽略了电动汽车连接到其他充电站时的套利和充电机会。本文提出了一个新的观点,电动汽车被视为动态可移动存储系统,可以在任何充电站提供灵活性。本文定义了两个系统,现有的一个,其中的灵活性是从充电站的角度来看,和拟议的一个,其中的灵活性是从电动汽车的角度来看。
2019-09-23 cs.SY eess.SY
EVTradeMatch: A Mobility-Aware Multi-Objective Matching Framework for EV--EV Energy Trading
Queensland University of Technology(昆士兰科技大学)
EVTradeMatch提出一种预测引导的多目标优化框架,通过NSGA-II算法在移动性约束下优化电动汽车间能量交易的匹配覆盖率、转移能量和充电节点适宜性,显著提升交易效率。
2026-09-11 cs.LG cs.SY eess.SY
Electric Autonomous Mobility-on-Demand: Joint Optimization of Routing and Charging Infrastructure Siting
车辆自主性、连通性和电动动力系统的出现有望实现按需自主移动系统的部署。至关重要的是,这些车队的路线和充电活动受到单个车辆和周围充电基础设施设计的影响,而这些基础设施的设计又应考虑到预期的车队运营。本文提出了一个建模和优化框架,我们优化车队的活动与充电基础设施的位置。我们采用中观规划的角度,并设计了一个时间不变的车队活动的路线和充电模式的模型,明确捕获的充电状态的车辆的道路网络作为一个有向图与等能量弧。然后,我们将问题转化为一个混合整数线性规划,保证全局最优性,可以在不到10分钟内解决。最后,我们展示了两个案例研究与纽约曼哈顿的真实出租车数据:第一个捕捉到充电基础设施普及率和车队行驶空里程之间的最佳权衡。我们观察到,共同优化基础设施选址显着优于启发式布局策略,增加车站的数量是有益的,只有到一定程度。第二个案例侧重于车辆设计,并表明部署配备较小电池的车辆会导致最低的能耗:尽管需要更多的充电站行程,但此类车队所需的能源比电池容量较大的车辆少约12%。
2022-11-22 cs.SY eess.SY
Intelligent Charging Management of Electric Vehicles Considering Dynamic User Behavior and Renewable Energy: A Stochastic Game Approach
快速增长的电动汽车(EV)数量的不协调充电以及与可再生能源相关的不确定性可能构成交通系统中的电动移动性(E-Mobility)的关键问题,特别是在高峰时段。为了克服这种可怕的情况下,我们引入了一个随机对策来研究电网和充电站之间的复杂的相互作用。在这种情况下,现有的研究没有考虑到客户对收费参数的偏好的动态。然而,实际上,充电参数的选择可以随时间变化,因为客户可以改变他们的充电偏好。我们用另一种随机对策来模拟顾客的这种行为。此外,我们定义了一个服务质量(QoS)指标,以反映如何收费过程中影响客户的收费参数的选择。我们还开发了一个在线算法,以达到纳什均衡的随机对策。然后,我们利用加州独立系统运营商(CAISO)的真实数据来评估我们所提出的算法的性能。结果表明,与基准方法相比,所提出的方法可以节省约20%的电力成本,同时也产生了更高的QoS方面的收费和等待时间。我们的研究结果可以作为指导充电服务提供商在不确定性下做出有效的决策,相对于可再生能源发电。
2020-06-29 cs.SY eess.SY math.OC
Multi-Agent Soft Actor-Critic with Coordinated Loss for Autonomous Mobility-on-Demand Fleet Control
Technical University of Munich(慕尼黑技术大学);Munich Data Science Institute(慕尼黑数据科学研究所)
针对自主出行按需系统的车队控制,提出结合加权二分匹配的多智能体软演员-评论家算法,并引入协调损失与重新平衡,实验显示调度性能提升达12.9%,集成重新平衡时达38.9%。
2025-06-22 cs.LG cs.MA cs.SY
Data-Driven Distributionally Robust Electric Vehicle Balancing for Autonomous Mobility-on-Demand Systems under Demand and Supply Uncertainties
University of Connecticut(康涅狄格大学);University of Illinois, Chicago(伊利诺伊大学芝加哥分校);Florida State University(佛罗里达州立大学);Rutgers University(罗格斯大学);University of Virginia(弗吉尼亚大学)
电动汽车(EV)由于其经济和社会效益而迅速被采用。自主移动按需(AMoD)系统也顺应了这一趋势。然而,EV的长充电时间和高充电频率对有效管理EV AMoD系统提出了挑战。电动汽车主动式驱动系统复杂的动态充电和移动过程,使得在设计车辆平衡算法时,需求和供应的不确定性很大。在这项工作中,我们设计了一个数据驱动的分布式鲁棒优化(DRO)方法来平衡电动汽车的移动服务和充电过程。优化目标是在乘客出行需求不确定和电动汽车供应不确定的情况下最小化最坏情况下的期望成本。然后,我们提出了一种新的分布式不确定性集的构造算法,保证所产生的参数包含在所需的置信区域与给定的概率。为了解决所提出的DRO AMoD EV平衡问题,我们推导出一个等价的计算上易处理的凸优化问题。基于出租车系统的真实电动汽车数据,我们表明,与不考虑不确定性的解决方案相比,我们的解决方案的平均总平衡成本降低了14.49%,平均移动公平性和收费公平性分别提高了15.78%和34.51%。
2022-11-24 cs.RO cs.SY eess.SY
A modeling framework to support the electrification of private transport in African cities: a case study of Addis Ababa
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);Addis Ababa University(亚的斯亚贝巴大学);Veritas Consulting(维瑞塔斯咨询公司);SINTEF Energy Research(辛特夫能源研究所)
本文提出面向数据稀缺非洲城市的私人车辆电气化规划框架,并以亚的斯亚贝巴10万辆电动汽车仿真评估充电需求、站点配置与光伏整合潜力。
2025-03-05 cs.SY eess.SY
Highway Traffic Control via Smart e-Mobility -- Part I: Theory
在本文中,我们研究如何缓解高速公路交通拥堵,鼓励插电式混合动力和电动汽车停在充电站周围的高峰拥堵时间。具体来说,我们设计了一个定价策略,使充电价格动态和依赖于交通拥堵,通过细胞传输模型预测,和充电点的可用性。此外,我们开发了一个新的框架来模拟这种政策如何影响司机的决定,制定一个混合整数势博弈。从技术上讲,我们引入了“路到站”(R2 S)和“站到路”(S2 R)流的概念,并表明司机的自私行为收敛到纳什意义上的最优充电时间表。在这项工作的第二部分,提交作为一个单独的文件(第二部分:案例研究),我们验证了在海牙和鹿特丹之间的模拟高速公路延伸,在荷兰提出的战略。
2021-02-23 cs.MA cs.SY eess.SY
Data-driven charging strategies for grid-beneficial, customer-oriented and battery-preserving electric mobility
电动汽车(EV)的普及和可再生能源使能源供应,车辆用户和移动部门之间产生协同效应。然而,汽车制造商也出现了新的问题:在EV电池的充电和放电期间,发生与整个EV的价值贬值相关的劣化(电池老化)。由于电动汽车用户的满意度取决于可靠和价值稳定的产品,汽车制造商通过考虑个人客户需求和电池老化,为简化和可持续的电动汽车使用提供充电助手。量化电池老化的Hierarchy模型由于复杂的执行而具有有限的实用性。数据驱动的方法为SOH估计提供了可行的替代方案。然而,现有的方法几乎不使用与用户相关的数据。通过线性和神经网络回归模型,我们首先估计能源消耗的驾驶考虑个人驾驶风格和环境条件。在接下来的工作中,在没有退化的电池的数据上训练的消耗模型可以用于估计具有老化电池的电动汽车的能量消耗。估计和实际消耗之间的差异表明电池老化是由内部损耗增加引起的。然后,我们的目标是评估充电策略对电池退化的影响。
2019-10-14 cs.OH cs.SY eess.SP
Bidirectional Charging Use Cases: Innovations in E-Mobility and Power-Grid Flexibility
本文探讨车联万物(V2X)技术在德累斯顿Ostra区提升电网稳定性与支持可持续出行的潜力,分析BIVES和RESB等用例,指出其在城市实施的优势与挑战,并提出加速V2X应用的建议。
2024-12-05 cs.SY eess.SP eess.SY
Real-time Operation of Electric Autonomous Mobility-on-Demand System Considering Power System Regulation
针对电动自主按需出行系统集群充电影响电力系统运行的问题,构建含车队时空特性、充电桩配置及电力调节约束的实时协调框架,提出结合模型预测控制的分段线性近似动态规划算法,经实验验证有效且凸显协调必要性。
2025-10-01 cs.SY eess.SY
Optimizing the Deployment of Electric Vehicle Charging Stations Using Pervasive Mobility Data
Massachusetts Institute of Technology(麻省理工学院);Senseable City Lab, Massachusetts Institute of Technology(麻省理工学院感知城市实验室);Department of Urban Studies and Planning, MIT(麻省理工学院城市研究与规划系);Istituto di Informatica e Telematica del CNR(意大利国家研究委员会信息与电信研究所)
本文提出了一种基于数据驱动的方法,利用 pervasive 移动数据优化电动汽车充电站的选址,通过离散优化问题和贪心算法、遗传算法等方法,减少驾驶员不适和充电站数量,验证了数据驱动方法在城市规模上的应用潜力。
2015-11-02 cs.SI cs.SY eess.SY
Multi-objective Optimal Trade-off Between V2G Activities and Battery Degradation in Electric Mobility-as-a-Service Systems
本文针对电动出行即服务系统,建立混合整数线性规划模型,在电池退化成本与 V2G 售电收益之间进行多目标权衡,并通过埃因霍温仿真证明 V2G 不影响出行服务数量,但退化成本可能超过 V2G 收益。
2024-05-03 cs.SY eess.SY math.OC
Ride-pooling Electric Autonomous Mobility-on-Demand: Joint Optimization of Operations and Fleet and Infrastructure Design
本研究针对支持合乘的电动自主按需出行系统,提出联合优化运营、车队及充电基础设施设计的框架,通过曼哈顿案例验证了合乘可降本最高45%,不同车型适配不同需求区域。
2024-03-11 cs.SY eess.SY math.OC
A Reliability-aware Distributed Framework to Schedule Residential Charging of Electric Vehicles
住宅消费者在配备住宅EV充电设施后已成为配电网络的积极参与者。这对负责以可靠的方式通过现有配电网络基础设施向住宅消费者调度电力的网络运营商提出了挑战。在本文中,我们解决的问题,调度多个消费者的住宅电动汽车充电,同时保持网络的可靠性。另一个挑战是信息交换受限:消费者无法访问网络信息,网络运营商无法访问消费者负载参数。我们提出了一个分布式的框架,它生成一个最佳的电动汽车充电时间表为个人住宅消费者根据他们的喜好和迭代更新,直到网络的可靠性约束设置的运营商得到满足。我们验证了不同的EV采用水平的综合创建的数字孪生的实际配电网络所提出的方法。结果表明,与住宅消费者仅根据个人偏好对电动汽车充电的情况相比,新方法可以实现更高水平的网络可靠性,从而为现有电网提供了一种解决方案,以跟上不断增长的采用率,而无需在增加电网容量方面进行重大投资。
2022-02-14 cs.MA cs.SY eess.SY
Reliable Dispatch of Renewable Generation via Charging of Dynamic PEV Populations
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院自动化与应用信息学研究所)
本文提出一种三阶段方案,通过动态PEV群体充电实现包含间歇性可再生能源的系统调度,解决间歇性发电的不确定性及车辆聚合时间变化的问题。
2018-05-24 cs.SY eess.SY
Regulating EV Charging Markets for Fairness: Incentives for Pricing and Capacity Decisions
University of California, Berkeley(加州大学伯克利分校);KTH Royal Institute of Technology(瑞典皇家理工学院);Nanyang Technological University(南洋理工大学)
本文通过博弈论视角研究电动汽车充电站定价和容量中的公平性问题,设计针对性激励措施以引导运营商实现更公平的充电桩布局,案例表明无监管竞争加剧差异而精心校准的激励可减少不平等且效率损失小。
2026-05-31 cs.SY eess.SY
Robust Electric Vehicle Balancing of Autonomous Mobility-On-Demand System: A Multi-Agent Reinforcement Learning Approach
University of Connecticut(康涅狄格大学);University of Illinois, Chicago(伊利诺伊大学芝加哥分校)
本文针对电动自动驾驶车辆在自主按需出行系统中的供需不确定性问题,提出基于多智能体强化学习的REBAMA算法,通过对抗智能体建模不确定性并训练鲁棒平衡策略,显著提升了奖励、充电利用公平性与供需公平性。
2023-07-30 cs.AI cs.LG cs.MA
A Coverage Control-based Idle Vehicle Rebalancing Approach for Autonomous Mobility-on-Demand Systems
本文将AMoD闲置车辆再平衡建模为覆盖控制问题,并通过深圳路网微观仿真验证其能提高服务率并减少乘客等待时间。
2023-11-20 cs.SY eess.SY
Highway Traffic Control via Smart e-Mobility -- Part II: Dutch A13 Case Study
在本文中,我们研究了如何通过鼓励插电式电动汽车和混合动力汽车在高峰拥堵时间附近停在充电站来缓解高速公路交通拥堵。具体而言,我们专注于一个案例研究,并模拟通过一个动态的收费价格取决于交通拥堵。我们使用真实的交通数据之间的海牙和鹿特丹,在荷兰的A13高速公路伸展,以确定细胞传输模型。然后,我们将(第一部分:理论)中提出的算法应用于不同的场景,验证了理论结果,并显示了我们的策略在缓解交通拥堵方面的好处。最后,我们进行了灵敏度分析所提出的算法,并讨论如何优化其性能。
2021-02-23 cs.MA cs.SY eess.SY
Online Charge Scheduling for Electric Vehicles in Autonomous Mobility on Demand Fleets
本文研究了一种基于在线充电调度策略的电动汽车按需充电策略。我们考虑的情况下,车辆完成行程,然后进入一整天的乘坐之间的状态,与他们的信息成为可用的车队运营商在一个在线的方式。在乘间状态下,车辆必须被安排充电,然后被路由到它们的下一个乘客上车位置。此外,由于未知的每日乘车请求序列,该问题无法通过任何离线方法解决。因此,我们研究了基于原始对偶方法的在线福利最大化启发式算法,该方法分配有限的车队充电资源并重新平衡车辆,同时避免充电设施和接送地点的拥堵。我们讨论了竞争力的比率结果比较我们的在线解决方案的千里眼离线解决方案的性能,并提供数值结果突出我们的启发式的性能。
2019-07-01 cs.MA cs.SY eess.SY
Optimal Vehicle Dimensioning for Multi-Class Autonomous Electric Mobility On-Demand Systems
University of Idaho(爱达荷大学)
本文研究多类自主电动出行按需系统中各区域的最优车辆配置,通过排队模型推导稳定性条件和系统类别的数量,以保证响应时间上限,并优化车辆充电比例以减少流入量,同时分析罕见事件下的客户等待时间。
2018-01-04 cs.SY eess.SP eess.SY
Global Rewards in Multi-Agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems
Technical University of Munich(慕尼黑工业大学);Polytechnique Montréal(蒙特利尔理工学院)
针对自主按需出行系统中基于局部奖励的多智能体深度强化学习调度算法存在奖励信号偏差、性能受限的问题,提出基于反事实基线分配全局奖励的新算法,在真实数据上取得显著性能提升,还可改善车辆平衡与需求预测能力。
2024-05-19 cs.LG cs.MA cs.SY
Coordinating Flexible Demand Response and Renewable Uncertainties for Scheduling of Community Integrated Energy Systems with an Electric Vehicle Charging Station: A Bi-level Approach
带电动汽车充电站的社区综合能源系统(CIES)为解决日益增长的能源效率和环境污染问题提供了新的途径,协调灵活的需求响应和多种可再生能源的不确定性是一项关键任务。为此,本文建立了一个新的双层优化调度模型的CIES与EVCS在多利益相关者的场景。在该模型中,一个综合的需求响应计划的目的是促进能源供应和需求之间的平衡,同时保持用户的综合满意度在可接受的范围内。为进一步挖掘需求响应潜力,灵活引导用户能源消费和电动汽车行为(充电、放电和提供旋转储备),提出了分时电价和实时电价相结合的动态电价机制。在求解阶段,利用序列运算理论(SOT),将原机会约束规划(CCP)模型转化为一个易于求解的混合整数线性规划(MILP)模型,并利用CPLEX求解器进行求解。对华北地区一个实际的CIES的仿真结果表明,该方法通过协调灵活的需求响应和不确定的可再生能源,实现了CIES和EVCS之间的利益平衡。
2021-07-16 cs.SY eess.SP eess.SY
Modeling Charging Demand and Quantifying Flexibility Bounds for Large-Scale BEV Fleets
提出一种自下而上的方法,利用地理与社会人口信息及真实数据建模大规模BEV车队的基准充电需求并量化灵活性边界,通过瑞士全面电气化车队案例比较了不同区域的时空特征。
2025-04-04 cs.SY eess.SY
Enabling Intelligent Bidirectional Charging: A Real-World Communication Interface Between Electric Vehicles, Charging Infrastructure, and a Control Optimizer
TU Dresden(德累斯顿工业大学);Deutsche Telekom Chair of Communication Networks, TU Dresden(德累斯顿工业大学德意志电信通信网络讲席);Centre for Tactile Internet with Human-in-the-Loop (CeTI), TU Dresden(德累斯顿工业大学人机互动触觉互联网中心)
本文提出了一种基于现实世界实现和现场验证的用户感知双向电动汽车充电系统,通过整合实时车辆和用户数据与集中优化平台,实现动态充放电决策,提升电网灵活性和可持续交通。
2026-05-15 cs.SY eess.SY
Multi-Regional Traffic Control with Travel and Charging Demand Co-Management
University College London(伦敦大学学院);KIOS Research and Innovation Center of Excellence, Department of Electrical and Computer Engineering, University of Cyprus(塞浦路斯大学电气与计算机工程系 KIOS 研究与卓越中心)
本文提出一种多区域交通协调框架,结合路线引导与充电管理,提升交通网络效率,通过宏观基本图分析拥堵,并通过需求管理调节外部流入。
2026-05-01 cs.SY eess.SY
Decentralized Assignment of Electric Vehicles at Charging Stations Based on Personalized Cost Functions and Distributed Ledger Technologies
在本文中,我们提出了一个随机分散算法推荐最方便的充电站(CS)的插电式电动汽车(PEVs),需要充电。特别地,我们使用不同的代价函数来描述PEV驱动器的可能不同的优先级,例如最小化充电成本、充电时间或它们与CS之间的距离的偏好。为此,我们利用基于许可的分布式账本技术(DLT)的物联网架构来强制驾驶员合规,并减少驾驶员有害不当行为的发生。在现实的城市范围内的网络与移动性模拟器SUMO进行了广泛的模拟已经提供了说明如何建议PEV分配程序在实践中工作,并验证其性能。
2021-01-07 cs.SY eess.SY
EV-based Smart E-mobility System -- Part II: Formulation and Case Study
这是关于智能电动汽车的两篇论文系列中的第二篇。在第一篇论文中定义的概念在这里进一步阐述和数学公式化。通过案例分析,比较了基于充电站的电动汽车移动系统与现有电动汽车移动系统的差异。第一篇论文中确定的四个问题中的每一个都被单独检查,并对相应的约束条件进行了分析和量化。
2019-09-23 cs.SY eess.SY
Joint Routing and Charging Problem of Electric Vehicles with Incentive-aware Customers Considering Spatio-temporal Charging Prices
本文研究了电动汽车车队的调度问题,提供移动性作为一种服务,一组时间指定的客户,运营商需要解决的路由和充电问题,共同为每个EV。因此,我们认为激励意识的客户,并建议运营商提供货币激励客户,以换取时间的灵活性。通过这种方式,车队运营商可以以较低的成本实现路由和充电计划,同时客户可以获得灵活性的货币补偿。具体而言,我们首先提出了一个双层最优化模型,车队运营商优化的路由和充电时间表占时空变化的收费价格,与金钱激励,以偿还交付时间的灵活性所经历的客户。同时,客户通过最小化自己的成本来选择自己的时间灵活性。其次,我们应付来自这个非线性双层最优化模型的计算负担与精确的重新制定的方法组成的KKT最优性条件,基于大M的线性化方法,和零对偶间隙的凸优化问题。这样,我们将所提出的问题转化为一个单级的最优化问题,它可以解决一个加强的广义Benders分解方法持有更快的收敛速度比广义Benders分解方法。为了评估所提出的数学模型的有效性,我们进行了大量的模拟实验,使用比利时的VRP-REP数据。数值结果表明,所提出的数学模型可以减少客户的交付费用以及车队运营商的运营成本。
2022-05-26 cs.SY eess.SY math.OC
Using Mobility Patterns for the Planning of Vehicle-to-Grid Infrastructures that Support Photovoltaics in Cities
车辆到电网(V2 G)概念利用电动汽车作为分布式能源存储,因此可能有助于平衡可再生能源(如光伏)的间歇性可用性。因此,V2 G被认为在实现城市低碳能源和交通系统方面发挥着重要作用。然而,城市范围内V2 G基础设施的充分规划需要详细了解个人的总体移动模式,还需要跟踪城市交通模式的持续发展。在这里,我们介绍了一个初始框架,推断人口范围内的移动模式,从匿名的移动电话位置数据,随后叠加的车辆充电和放电计划。该框架允许在给定的电动汽车使用场景下,在细粒度的空间和时间尺度上估计总的V2 G能源供应和需求。这些信息为评估V2 G在最大限度地部署光电子技术方面的作用以及所需车辆(放电)充电基础设施的大小和位置提供了充分的基础。建议的框架适用于新加坡作为案例研究。
2021-12-30 cs.SY eess.SY
A Fully Distributed Approach for Plug-in Electric Vehicle Charging
Carnegie Mellon University(卡内基梅隆大学);ETH Zurich(苏黎世联邦理工学院)
本文提出一种基于智能体的分布式方法,用于协调电动汽车充电,以最小化充电成本并满足电池和基础设施限制。
2016-05-02 cs.SY eess.SY math.OC
DCA: Delayed Charging Attack on the Electric Shared Mobility System
本文提出延迟充电攻击DCA,利用电动共享出行系统的物理与通信漏洞隐蔽延迟充电服务,并在纽约市真实数据上验证其可造成显著收入损失且对异常检测算法具有鲁棒性。
2023-06-13 cs.CR cs.SY eess.SY
A United Framework for Planning Electric Vehicle Charging Accessibility
本文提出一个整合交通模拟、能耗建模和出行公平性度量的优化框架,用于在密集城市环境中优化充电站布局,以纽约市为例实现了出行时间变异性15%-20%的降低,为电动汽车基础设施规划提供了可扩展的公平性考量方法。
2025-08-07 cs.SY eess.SY
A Vehicle Routing Problem for Human-Centered Electric Mobility
University of the Bundeswehr Munich(联邦国防军慕尼黑大学)
本文提出EM-DARP问题,扩展EV-DARP以适应以人为中心的出行服务,通过混合整数线性规划解决,验证了其在实际场景中的应用性。
2026-04-24 cs.SY eess.SY math.CO
On Optimal Battery Sizing for Electric Vehicles
本文提出一个兼顾车辆成本与充电不便成本的量化优化框架,通过建模充电时间与绕行、仿真分析及政策因素,确定电动汽车最优电池容量,为可持续电动出行设计提供决策支持。
2024-10-22 cs.SY eess.SY
A Holistic Review on Advanced Bi-directional EV Charging Control Algorithms
电动汽车(EV)的快速增长为下一代交通系统带来了减少碳排放的希望。电动汽车和充电设施的快速发展正在推动车联网(IoV)向电动汽车互联网(IoEV)的演变。IoEV受益于智能电网和物联网(IoT)技术,分别提供先进的双向充电服务和实时数据处理能力。IoEV充电控制的主要设计挑战在于充电事件的随机性和EV的移动性。在这篇文章中,我们提出了一个全面的审查先进的双向电动汽车充电控制算法。对于G2V,我们介绍了两种情况下的充电控制问题:1)单个充电站的操作和2)在耦合的交通和电力网络中的多个充电站的操作。对于车联网(V2G),我们讨论了电动汽车如何在电力市场中进行能源交易,并为电网提供辅助服务。最后,通过一个案例分析,说明了多电动汽车联合优化的经济效益。最后,我们将重点介绍一些开放的问题和未来的研究方向的充电调度问题的车联网。
2022-02-28 cs.SY eess.SY
Optimal Planning of Electric Vehicle Charging Stations: Integrating Public Charging Networks and Transportation Congestion
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
本研究旨在优化电动汽车长途旅行充电站规划,通过分析德克萨斯州实时数据,权衡交通拥堵与充电时间,提出最大化恒流阶段以提升效率,并在必要时延长充电以避开拥堵站点。
2025-10-11 cs.SY eess.SY
Review of Electric Vehicle Charging Technologies, Configurations, and Architectures
电动汽车(EV)由于其快速发展,预计将成为全球交通能源转型的主要贡献者之一。电动汽车将通过减少对化石燃料的依赖和温室气体(GHG)排放,在实现可持续交通系统方面发挥至关重要的作用。然而,高水平的电动汽车集成到配电网引入了许多挑战,电网运行,安全和网络规划,由于负荷需求,电能质量的影响和功率损耗的增加。越来越多的电动汽车需要先进的充电系统来提高充电效率和公用电网支持。创新的电动汽车充电技术在最近的研究中获得了广泛的关注,旨在加强电动汽车的采用,同时提供辅助服务。因此,分析电动汽车充电技术的现状对于通过先进的控制策略来加速电动汽车的采用,以发现针对电网负面影响的补救解决方案,提高期望的充电效率和电网支持具有重要意义。本文对电动汽车充电系统的当前部署、国际标准、充电配置、电动汽车电池技术、电动汽车充电站架构以及新兴技术挑战进行了全面回顾。充电系统需要专用的转换器拓扑结构、控制策略以及充电和电网互连的国际标准,以确保最佳运行并增强电网支持。概述了不同的充电系统的车载和非车载充电器,AC-DC和DC-DC转换器拓扑结构,以及基于AC和DC的充电站架构进行评估。
2022-09-30 cs.SY eess.SY
Definition of Static and Dynamic Load Models for Grid Studies of Electric Vehicles Connected to Fast Charging Stations
电动汽车的不断发展需要电力系统分析,以调查电动汽车同时充电在多大程度上导致网络运行降级,并验证对策的有效性。为了降低复杂性和CPU时间,执行这些分析的常见方法包括用恒定的PQ负载替换电动汽车及其充电站。然而,这种方法是不准确的,因为这些元件吸收的功率实际上不仅取决于电压,还取决于充电状态、充电方法、电池组的阴极化学以及电动车辆和充电站中的转换器控制。综合考虑这些因素,本文提出了一种新的电动汽车快速充电站静态负荷模型和基于矢量拟合的动态负荷模型。这些计算效率高的表示可以取代电动汽车的标准恒定PQ负载模型,以更准确地评估其在静态和动态电网研究中的影响。IEEE14系统的仿真结果表明,通过增加车队的电动汽车的修改证明了所提出的模型的准确性,并突出了在某些情况下,作为一个恒定的PQ负载的标准电动汽车表示的缺点。
2023-02-08 cs.SY eess.SY
Event-based EV Charging Scheduling in A Microgrid of Buildings
随着电动汽车的普及,电动汽车充电需求成为建筑物中的重要负荷。考虑到电动汽车在建筑物之间的移动性及其不确定的充电需求,在建筑物的微电网中控制电动汽车充电过程以优化总运营成本,同时确保微电网和主电网之间的传输安全,具有很大的实际意义。我们认为这一重要问题在本文中,并作出以下贡献。首先,我们将这个问题表述为一个马尔可夫决策过程,以捕获建筑物微电网中的不确定供应和电动汽车充电需求。该模型除了降低建筑物的总运营成本外,还考虑了电力交换限制以确保输电安全。其次,在基于事件的优化框架下对该模型进行了重新表述,以减轻大的状态和动作空间的影响。通过适当地定义事件和基于事件的动作,可以通过在微电网控制器中搜索随机参数化的基于事件的控制策略并在每个建筑物控制器中实施选择充电规则来优化EV充电过程。第三,提出了一种带调整机制的约束梯度策略优化方法,迭代地找到每个建筑物中电动汽车充电需求的最优事件控制策略。以三栋建筑物组成的微电网为例,对基于事件的电动汽车充电控制策略的结构和性能进行了数值实验分析。
2022-09-05 cs.SY eess.SY
Resource-Oriented Optimization of Electric Vehicle Systems: A Data-Driven Survey on Charging Infrastructure, Scheduling, and Fleet Management
本文针对电动汽车发展中充电站拥堵、充电成本高、供需冲突等核心挑战,全面综述了覆盖充电部署、调度、车队管理全周期的数据驱动研究,探讨了多领域影响并指明未来方向。
2025-09-04 cs.SY eess.SY
Regional Transportation Modeling for Equitable Electric Vehicle Charging Infrastructure Design
Institute of Transportation Studies UC Berkeley(加州大学伯克利分校交通研究所)
本研究利用区域交通模型分析,旨在设计公平的电动汽车充电网络,以减少低收入社区的交通排放影响。
2026-01-29 cs.SY eess.SY
Stochastic Model Predictive Control for Autonomous Mobility on Demand
Stanford University(斯坦福大学)
本文提出一种随机模型预测控制算法,利用短期概率预测优化自动驾驶出行即服务系统的调度与再平衡。通过时间扩展网络流模型构建核心随机优化问题,并通过样本平均近似和分离控制器设计,实现大规模问题的高效求解。
2018-05-04 cs.SY eess.SY
Emergent Charging Coordination in Electric Delivery Fleets
Universidad Politécnica de Cartagena(卡塔赫纳理工大学)
针对电动配送车队班中充电协调难题,提出基于纯本地控制的学习智能体策略,在二十城模拟中零样本部署达98.6%按时完成率,接近Oracle性能,显著优于贪婪规则和阈值启发式方法。
2026-09-09 cs.LG cs.MA cs.NE
Toward Sustainable Transportation: Accelerating Vehicle Electrification with Dynamic Charging Deployment
电动汽车(EV)正被积极采用作为可持续交通的解决方案。然而,充电仍然存在瓶颈,其中两个主要问题是充电时间长和电动汽车驾驶员的里程焦虑。在这项研究中,我们调查了动态充电系统的部署,即,电气化道路,在旅途中为电动汽车无线充电,以期加快电动汽车的采用率。我们提出了一个基于交通的部署策略,统计量化其影响,并将该策略应用于两个案例研究的实际交通在纽约市(美国)和西安(中国)。我们发现,我们的分析估计不仅与真实数据非常吻合,而且还表明动态充电大大扩展了城市交通中流行的电动汽车模型的行驶里程。例如,当纽约市只有5%的现有道路配备了这项技术时,诸如日产Leaf之类的电动车型将大致保持其电池电量而无需停车充电。如果充电道路的比例增加到10%,那么Leaf每行驶40公里后将获得近10%的电量。我们的框架为公共和私人组织提供了一个解决方案,通过充电基础设施支持和促进汽车电气化。
2022-06-05 cs.SY eess.SY stat.AP