Secure Coordination for Vertiport Sequencing in Advanced Air Mobility
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究了在感知不确定性下Vertiport序列的安全协调问题，通过将自报的Remote-ID信息与外部获取的监控测量相结合，提出了一种鲁棒设计方法来处理可能的虚假报告，并评估了在代表性Vertiport序列场景中的性能。
2026-05-20 cs.MA cs.SY eess.SY
Analysis and Control of Autonomous Mobility-on-Demand Systems
受城市化和日益增长的出行需求的影响，现有的交通系统需要新的移动模式。在这篇文章中，我们提出了自主移动按需的新兴概念，即集中编排的自动驾驶汽车车队为客户提供移动服务。我们提供了一个全面的方法和工具来建模和解决问题的自主移动按需系统。具体来说，我们首先确定问题的设置，他们的分析和控制，从运营和规划的角度。然后，我们回顾建模方面，包括交通网络，交通需求，拥堵，运营约束，以及与现有基础设施的相互作用。此后，我们对现有的解决方案方法和性能指标进行了系统的分析，突出了趋势和权衡。最后，我们提出了进一步研究的各种方向。
2021-11-18 cs.MA cs.SY eess.SY
Comparing the Performance of Traffic Coordination Methods for Advanced Aerial Mobility
先进空中机动性的交通管理（AAM）继承了传统空中交通管理（ATM）的许多要素，但也带来了新的复杂性和挑战。其保证间隔的方法之一是使用机载的独立检测和回避，这是一种操作概念，其中每架飞机独立决定其回避机动，遵守路权规则，并在特定实施中，某种形式的成对协调。这是自动驾驶飞机的基本安全要素，但根据我们的研究，对于城市环境所设想的高密度空域来说是不够的。在这些环境中，必须有某种明确的、战略性的流量协调方式，就像传统的ATM一样。出于效率的原因，ATM正在发展到更灵活地使用空域，使得使用动态分配的走廊是AAM的新兴概念。如果飞机遵守它们的轨迹合同，并且没有对交通的重大扰动，这些交通协调的战略形式可能是高效的。然而，如果发生显著的扰动，诸如数据通信的丢失或入侵者的突然出现，则集中式系统可能不会在适当的时间内适当地作出反应。在繁忙的场景中，即使是与计划的微小偏差也可能迅速复合，从而导致总体实现场景中的巨大差异，从而导致复杂和复杂的冲突。因此，值得研究的交通协调技术，工作在本地与较短的前瞻时间。为此，我们探索了一种空中交通协调协作方法，该方法能够安全地解决与多架飞机的冲突，强调其在大量场景中的能力，并将其性能与现有方法进行比较。
2021-08-26 cs.SY eess.SY
A simulation-based evaluation of a Cargo-Hitching service for E-commerce using mobility-on-demand vehicles
对时间敏感的包裹递送，即要求在一天或更短时间内递送的货物，是一个越来越重要的研究课题。从承运人的角度来看，处理这些交付具有挑战性，因为它需要额外的规划限制，妨碍了在预先知道需求时可能实现的有效整合交付。此外，这种时间敏感的交付要求比零售中心更广泛的空间范围，包括家庭和办公室。因此，这种交付的增加被认为会加剧拥堵和排放等负面外部因素。解决办法之一是利用客运模式的闲置能力。这个概念通常被称为货物搭售。虽然存在各种可能的系统设计，但至关重要的是，这种解决方案不会恶化乘客行程的服务质量。本研究旨在评估使用移动按需服务，以执行当天的包裹交付。为此，我们使用SimMobility，一个高分辨率的基于代理的模拟平台的客运和货运流量，应用在新加坡。电子商业需求载体数据用于表征模拟包裹递送需求。探索了旨在最大限度地减少移动按需车辆对移动按需客流（履行，等待和旅行时间）的不利影响的操作场景。结果表明，移动按需服务有潜力满足相当数量的包裹交付，并减少货运车辆交通和总车辆公里行驶，而不影响移动按需乘客旅行的质量。
2020-10-22 cs.MA cs.SY eess.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
Decentralized Coordination Between Economic Dispatch and Demand Response in Multi-Energy Systems
本文研究了多能源系统中经济调度与需求响应的协调问题，旨在提高多能源系统的经济效用，减少能源浪费。由于多个能源通过能源枢纽（EH）耦合，供需约束是非凸的。为了解决这个问题，我们提出了一个线性化的方法，将协调问题转化为凸社会福利优化问题。在此基础上，提出了一种基于并行交替方向乘法（ADMM）和动态平均跟踪协议的分布式算法，每个Agent只能根据邻居的信息进行决策。此外，通过使用变分不等式和基于Lyapunov的技术，我们证明了我们的算法总是可以收敛到全局最优解。最后，通过对改进的IEEE 14节点网络的算例分析，验证了算法的可行性和有效性。
2021-03-25 cs.SY eess.SY
Conversational Demand Response: Bidirectional Aggregator-Prosumer Coordination through Agentic AI
本文提出对话式需求响应，通过双向自然语言和代理AI实现聚合者与生产者之间的协调，提升需求响应的可扩展性和透明度。
2026-03-06 cs.AI cs.MA cs.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
Decentralized Coordination of Autonomous Traffic Through Advanced Air Mobility Corridors
Department of Aeronautics and Astronautics（航空航天系）；AIAA Student Member（美国航空航天学会学生会员）；Associate Dean of Engineering（工程副院长）；William E. Leonhard (1940) Professor（威廉·E·莱昂哈德（1940）教授）；AIAA Fellow（美国航空航天学会会士）
本文证明自主飞行器可在分散设置中自组织成走廊流，无需集中管理，在局部信息下超过94%时间遵守走廊边界并高效到达目标。
2026-06-24 cs.AI cs.ET 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
Distributed Multi-Building Coordination for Demand Response
针对多建筑协调控制中的最优控制问题，提出了一种分布式优化算法。由电网运营商协调的建筑物，加入需求响应程序，通过使用能量成本定义的标准来平衡电压浪涌。为了模拟建筑网络的层次结构，我们制定了一个分布式凸优化问题，可分离的目标和耦合仿射等式约束。一个变种的增广拉格朗日为基础的交替方向不精确牛顿（ALADIN）方法解决所考虑的一类问题，然后提出了一个收敛保证。为了说明所提出的方法的有效性，我们比较它的交替方向法的乘法器（ADMM）运行ALADIN和ADMM基于模型预测控制器的基准案例研究。
2021-01-13 cs.SY eess.SY math.OC
Data-Driven Model Predictive Control of Autonomous Mobility-on-Demand Systems
Stanford University（斯坦福大学）；Houzz Inc.（Houzz公司）
本文提出一种端到端的数据驱动框架，用于控制自动驾驶按需出行系统，通过时间扩展网络建模并设计MPC算法，利用历史数据预测短期需求，减少乘客等待时间达89.6%。
2017-09-20 cs.MA cs.RO cs.SY
A Traffic Management Framework for On-Demand Urban Air Mobility Systems
University of Southern California（南加州大学）；Xtelligent, Inc.（Xtelligent公司）
本文提出了一种用于按需城市空中交通系统的集中式交通管理框架VertiSync，该策略在满足安全和能量约束下调度飞机服务与再平衡，能最大化大机队吞吐量并显著降低乘客等待时间。
2024-03-22 cs.MA cs.NI cs.RO
Coordination of DERs for Grid Reliability via Day-ahead Demand-Supply Power Bounds
本文提出一种日前2层DER协调方案，通过全局控制器计算需求与供电功率边界、本地控制器优化DER功率注入，在应对时空不确定性等挑战的同时保障电网可靠性，能捕获完美预见集中式控制器62%的变压器违规减少量。
2023-07-01 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
Towards Fair and Efficient allocation of Mobility-on-Demand resources through a Karma Economy
University of Padova（帕多瓦大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出一种非货币化的 Karma 机制，通过建模内生紧迫性，使用户时间敏感性随系统状态和外部因素变化，从而提升出行按需系统的效率和公平性。
2026-03-23 cs.SY eess.SY
Demand for shared mobility to complement public transportation: Human driven and autonomous vehicles
通信技术和自动驾驶汽车的最新进展为替代移动系统（出租车、拼车、需求响应服务、点对点拼车、汽车共享、共享自动驾驶汽车/班车）打开了大门。这些新的移动服务引起了研究人员、公共和私营部门的兴趣，成为解决最后一英里问题的潜在解决方案，特别是在高频率公交车不可行的低密度地区。在这项研究中，我们调查了乘车共享服务对出行需求和福利的影响，因为它补充了不同场景下的公共交通。考虑了两种类型的管理和车辆类型：众包人类驾驶车辆（HDV）（例如Uber，Lyft）和集中运营的共享自动驾驶车辆（SAV）。研究了票价折扣对交通需求和交通方式转换的影响。以加拿大安大略省奥克维尔市为例，利用实际数据进行了道路网的实例研究.结果显示，在集中运营的共享自动驾驶汽车下，共享乘车有可能将乘客量增加76%，并将等待时间减少47%，共享票价折扣为50%。
2021-03-17 cs.SY eess.SY
Hybrid Multi-agent Deep Reinforcement Learning for Autonomous Mobility on Demand Systems
Technical University of Munich（慕尼黑工业大学）；Google Research（谷歌研究院）；Stanford University（斯坦福大学）
针对自主按需出行系统，提出结合多智能体软演员-评论家与加权二分匹配的前瞻性控制策略，在真实数据上优于现有基准。
2023-05-10 cs.LG cs.MA cs.SY
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
LLM-Mediated Demand Response Coordination in Smart Microgrids
BARCELONA Supercomputing Center（巴塞罗那超级计算中心）；Universidad Pontificia Comillas（科米利亚斯宗座大学）；LUXEMBOURG Institute of Science and Technology（卢森堡科学技术研究所）
针对智能微电网中产消者自愿合作的需求响应协调问题，提出一种结合博弈论与LLM叙事评估的混合决策架构，通过结构化指令实现33.3%的需求削减合作率，优于非结构化消息和基线。
2026-06-09 cs.GT cs.MA cs.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
The Price of Fragmentation in Mobility-on-Demand Services
Ecole Polytechnique（巴黎综合理工学院）；Cornell University（康奈尔大学）
研究多平台分割需求对系统效率的影响，揭示碎片化导致的供应重新平衡成本变化，分析市场规模下碎片化成本的相变特性。
2018-03-05 cs.SY eess.SY
Optimal Dispatch of Electrified Autonomous Mobility on Demand Vehicles during Power Outages
全自动电动出租车车队的时代正在迅速到来，随之而来的是创新超越人类移动领域的无数按需服务的机会。该项目设想了一个未来，即自主插电式电动汽车（PEV）车队可以作为出租车服务和停电期间为客户提供按需电力的来源。我们开发了一个基于PDE的计划来管理自动车队的最佳调度，以在停电期间为乘客和电力需求提供服务，作为额外的收入来源。我们使用来自旧金山的真实世界停电和出租车数据进行案例研究，在一天的过程中对几种车队规模的最佳调度进行建模;我们研究了中度和极端停电情况。在适度的情况下，服务电力需求所赚取的收入与服务乘客出行所赚取的收入相比微不足道。在极端情况下，供电占$1 and $ 200万之间，相当于32%至40%之间的收入比只提供移动性，这取决于车队规模。虽然提供按需电力的整体价值取决于停电的频率和严重程度，但我们的研究结果表明，在大规模停电期间满足电力需求可以提供大量的价值流，与提供电网服务所赚取的价值相当。
2020-01-21 cs.SY eess.SY
A BCMP Network Approach to Modeling and Controlling Autonomous Mobility-on-Demand Systems
Autonomous Systems Laboratory, Stanford University（斯坦福大学自主系统实验室）
本文提出基于BCMP网络的建模方法，用于分析和控制自主出行按需系统，结合路网容量和车辆可用性，提供性能指标的高阶矩分析。
2017-03-26 cs.MA cs.SY eess.SY
Multi-Agent Coordination of Thermostatically Controlled Loads by Smart Power Sockets for Electric Demand Side Management
本文提出了一种多智能体控制体系结构和基于动态平均共识的在线优化方法，以协调大量恒温控制负载（TCLs）的功耗。我们的目标是惩罚电力需求高峰，平滑负荷分布和实现需求侧管理（DSM）。所提出的架构和方法仅利用经由智能电源插座（SPS）的功耗的本地测量，而不访问其内部温度。没有集中的信息聚合器被利用，代理人通过匿名合作来保护他们的隐私，只通过基于共识的分布式估计，对节点/链路故障具有鲁棒性。设备之间的交互被设计为通过互联网上的非结构化对等（P2P）网络发生。该体系结构包括新的方法参数识别，状态估计和混合逻辑建模的TCL和SPS。它是从多代理和即插即用的角度设计的，现有的家用电器可以在城市环境中相互交互。最后，提出了一种新的低成本的测试平台，以及数值测试和实验验证。
2019-08-29 cs.SY eess.SY
Congestion-aware Routing and Rebalancing of Autonomous Mobility-on-Demand Systems in Mixed Traffic
本文研究了自主移动按需（AMoD）系统，其中一个车队的自动驾驶汽车在混合交通条件下提供按需移动的出行感知的路线规划政策。具体来说，我们首先设计了一个网络流模型，通过考虑AMoD流对旅行时间的内生影响，以一种基于业务感知的方式优化AMoD路由和再平衡策略。其次，我们捕获反应性的外源性交通组成的私人车辆自私地适应以用户为中心的方式，通过利用迭代的方法的AMoD流。最后，我们展示了我们的框架的有效性与两个案例研究，考虑在马萨诸塞州东部和纽约市的交通子网络。我们的研究结果表明，对于高水平的需求，纯粹的AMoD旅行可能是有害的，因为它的再平衡流量产生的额外流量，而AMoD与步行或微移动选项的组合可以显着提高整体系统性能。
2020-03-09 cs.SY eess.SY math.OC
A Hierarchical Signal Coordination and Control System Using a Hybrid Model-based and Reinforcement Learning Approach
Department of Civil and Environmental Engineering, University of California, Davis（加州大学戴维斯分校土木与环境工程系）
本文提出融合模型优化与PPO强化学习的分层交通信号控制框架，通过HLC动态选择MFC、GWC或PAC策略，实现不同需求下吞吐量、停车与全网效率的稳健平衡。
2025-08-12 cs.AI cs.SY eess.SY
Competition in Electric Autonomous Mobility on Demand Systems
本文研究了竞争对自主移动按需系统的影响。通过采用基于网络流的公式，我们首先确定的最优策略的利润最大化的平台运营商在垄断和双寡头市场，包括最优价格的游乐设施。此外，我们描述了平台运营商的利润和消费者剩余。我们表明，对于双头垄断，游乐设施的均衡价格必须是对称的公司之间。然后，为了研究在市场中引入竞争的好处，我们推导出了垄断和双寡头环境之间的乘车价格、服务的总需求、企业利润和消费者剩余之比的普遍理论界限。我们讨论了消费者的公司忠诚度如何影响上述每个指标。最后，使用曼哈顿网络和需求数据，我们量化了静态定价和路由策略的有效性，并将其与实时模型预测策略进行了比较。
2021-07-15 cs.SY eess.SY math.OC
On the Dynamism of User Rejections in Mobility-on-Demand Systems
移动按需（MoD）系统，特别是叫车系统，近年来有了巨大的增长。这些系统提供以用户为中心的移动服务，其用户期望高水平的便利性。在应用程序请求后等待响应，并在很长一段时间后最终了解到没有车辆可用，这几乎是不可接受的。这项研究调查的用例，用户应该在一定的最大等待时间内提供服务。在对于有吸引力的MoD商业模型合理的某些假设下，可以表明，使用动态状态优化的运营商可以在第一次迭代之后向用户传达拒绝，从而消除这些用户离开系统之前的不必要的等待时间。此外，早期的操作员拒绝减少了后续的客户车辆分配问题的维度，从而节省了计算资源并更快地解决问题。反过来，这允许更短的重新优化周期和更快的响应，即更好的用户体验。
2021-04-03 cs.SY eess.SY
COHORT: Coordination of Heterogeneous Thermostatically Controlled Loads for Demand Flexibility
需求灵活性对电网越来越重要。仔细协调恒温控制负载（TCL）可以调节能源需求，降低运营成本，并提高电网弹性。本文提出了一种新的用于异构住宅恒温控制负荷协调的分布式控制框架。COHORT是一种实用、可扩展且多功能的解决方案，可协调TCL群体以共同优化电网级目标，同时满足每个TCL的最终使用要求和运营限制。为了实现这一目标，我们将网格规模的问题分解成子问题，并协调它们的解决方案，以找到全局最优使用交替方向乘法（ADMM）。TCL的本地问题被分发到每个TCL并在每个TCL并行计算，这使得COHORT具有高度的可扩展性和隐私保护。虽然每个TCL构成组合和非凸约束，我们的特点是这些约束作为一个凸集通过放松，从而使COHORT计算可行的长期规划的视野。在协调之后，每个TCL负责自己的控制，并使用其首选策略跟踪商定的功率轨迹。在这项工作中，我们将连续电源转换回离散开/关驱动，使用脉冲宽度调制。COHORT可推广到广泛的网格目标，我们通过三个不同的用例来演示：生成以下，最小化斜坡和峰值负载削减。在一个值得注意的实验中，我们通过硬件在环仿真验证了我们的方法，包括通过智能恒温器控制的真实世界空调（AC），以及根据真实世界数据跟踪建模的AC模拟实例。在15天的实验期间，COHORT将每日峰值负荷平均降低了12.5%，并保持了舒适的温度。
2020-10-07 cs.SY eess.SY
Cost-optimal Fleet Management Strategies for Solar-electric Autonomous Mobility-on-Demand Systems
本文针对太阳能电动自主按需出行系统，提出基于有向无环图和混合整数线性规划的车队管理优化框架，并通过黄金海岸案例证明其可降低10-15%运营成本，且大电池容量车辆在V2G操作中能进一步降低成本甚至盈利。
2023-05-30 cs.SY eess.SY
Intermodal Network of Autonomous Mobility-on-Demand and Micromobility Systems
本文研究自主微出行按需服务（AMoD）与微出行系统的跨模式交互，引入网络流模型优化乘客出行时间，并在Sioux Falls网络上量化评估发现两种交通方式相互促进且微出行平衡容量增加可减少AMoD的平衡需求。
2025-04-01 cs.SY eess.SY
Planning and Operations of Mixed Fleets in Mobility-on-Demand Systems
自动驾驶汽车（AV）预计将有利于按需移动（MoD），这要归功于它们的全球协调能力。为了促进向完全自主的稳定过渡，我们考虑了自动驾驶部署的过渡期，国防部系统运行自动驾驶车辆（AV）和人类驾驶车辆（HV）的混合车队。在这样的系统中，AV由操作者集中协调，并且HV可以策略性地响应AV的协调。我们设计计算易处理的战略，以协调国防部系统中的混合舰队。具体来说，我们使用Stackelberg框架，其中国防部运营商作为领导者和人类驾驶的车辆作为追随者的混合车队的国防部系统建模。我们开发了两个模型：1）稳态模型，用于分析问题的属性并确定规划变量（例如，补偿，价格和AV的车队规模），以及2）时变模型，以设计用于AV的实时协调算法。所提出的模型进行了验证，使用的案例研究的启发，在新加坡的国防部服务的实际操作数据。实验结果表明，该算法能显著提高系统性能。
2020-08-18 cs.SY eess.SY
On Accessibility Fairness in Intermodal Autonomous Mobility-on-Demand Systems
本文提出一种优化模型，在最小化可达性不公平的目标下规划多模式自主出行需求系统运行，通过线性规划求解，并在荷兰埃因霍温市案例中验证了以轻微时间成本实现平均完全公平的可行性。
2024-05-28 cs.SY eess.SY
A Predictive Chance Constraint Rebalancing Approach to Mobility-on-Demand Services
本文研究了Uber或滴滴出行等移动按需服务的供需不平衡问题。这种不平衡是由于不均匀的随机出行需求造成的，可以通过主动重新平衡空载车辆来防止。为此，我们提出了一种方法，包括估计的随机出行需求模式到随机模型预测控制（SMPC）的再平衡空车MoD乘车服务。更准确地说，我们首先使用高斯过程回归（GPR）估计乘客出行需求，它为时间模式预测提供了需求不确定性范围。然后，我们制定了一个SMPC的自主乘车服务和集成的需求预测与不确定性界限到一个滚动时域MOD优化。为了保证上述优化中的约束满足估计的随机需求预测，我们采用了用户定义的置信区间的概率约束方法。因此，具有概率约束的滚动时域MOD优化需要机会约束模型预测控制（CCMPC）。所提出的方法的好处是双重的。首先，来自数据的出行需求不确定性预测可以自然地嵌入到MoD优化框架中。我们表明，对于一个给定的最小车队规模的不平衡，在每个站可以保持低于一定的阈值与用户定义的概率。其次，CCMPC可以进一步放宽到一个混合的双线性规划（MILP），我们表明，MILP可以解决作为一个相应的线性规划，总是承认一个整体的解决方案。最后，我们证明，通过高保真的运输模拟，通过调整的机会约束的置信区间接近最佳的预言机性能可以实现。与仅使用GPR的平均预测相比，相应的中值客户等待时间减少了4%。
2023-01-15 cs.SY eess.SY
Where Should Robotaxis Operate? Strategic Network Design for Autonomous Mobility-on-Demand
Massachusetts Institute of Technology（麻省理工学院）
本文提出了一种面向自主出行即服务的战略网络设计方法，通过混合整数规划和列生成算法，解决服务网络与车队容量的联合设计问题，并展示了其在实际数据中的应用效果。
2026-02-22 cs.ET cs.SY eess.SY
Joint Pricing and Rebalancing of Autonomous Mobility-on-Demand Systems
本文研究了自主移动按需（AMoD）系统的最优定价和再平衡策略。我们采取宏观规划的角度来解决利润最大化的问题，同时确保系统的负载平衡。我们首先使用动态流体模型来描述系统，以显示平衡的存在和稳定性（即，负载平衡）通过定价策略。然后，我们开发了一个优化框架，使我们能够找到最佳的定价和再平衡方面的政策。我们首先通过只使用定价策略来最大化利润，然后结合再平衡，最后我们考虑是顺序还是联合找到解决方案。我们将每种方法应用于数据驱动的案例研究，使用来自纽约市的真实出租车数据。根据我们使用的基准测试解决方案，联合问题（即，定价和再平衡）将利润提高7%至40%
2020-03-30 cs.SY eess.SY math.OC
Throughput Maximizing Takeoff Scheduling for eVTOL Vehicles in On-Demand Urban Air Mobility Systems
针对按需城市空中交通的高效调度需求，本文提出集中式调度框架VertiSync，在安全与能量约束下联合调度出行服务与运力再平衡，可在大机队和对称网络下最大化吞吐量，且在洛杉矶案例中显著降低乘客平均等待时间。
2025-03-21 cs.SY eess.SY math.OC
FleetPy: A Modular Open-Source Simulation Tool for Mobility On-Demand Services
近年来，移动按需（MoD）服务的市场份额强劲增长，预计一旦车辆自动化完全可用，市场份额将进一步上升。这些服务可能会减少城市的空间消耗，因为如果私人车辆出行被取代，所需的停车位就会减少。如果另外共享乘车，则与占用相关的交通效率提高。仿真有助于确定国防部对交通系统的实际影响，评估新的控制算法，以提高服务效率，并制定监管措施的指导方针。本文介绍了开源的基于Agent的仿真框架FleetPy。FleetPy（用程序设计语言“Python”编写）是明确开发的，用于以高级别的细节对国防部服务进行建模。它特别关注用户与运营商的交互建模，同时其灵活性允许在整个交通系统中集成和嵌入多个运营商。其模块化结构确保了先前开发的元素的可移植性和建模细节的适当级别的选择。本文比较了现有的国防部服务的仿真框架，并突出了FleetPy的独特功能。给出了上层仿真流程，随后是仿真所需的输入数据和FleetPy产生的输出数据。此外，还提供了FleetPy中的模块和当前实现的高级描述。最后，纽约曼哈顿的一个例子展示了不同模块对模拟流、车队优化、旅行者行为和网络表示的影响。
2022-07-28 cs.MA cs.SY 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
Demand-Driven Vertiport Siting and Discrete-Event Fleet Simulation for On-Demand Urban Air Mobility Network Design
North Carolina A&T State University（北卡罗来纳A&T州立大学）
本文提出需求驱动的 UAM 网络设计框架，经大洛杉矶案例验证，更大机队可提升服务表现但无法消除空驶，UAM 更适合长距离或拥堵出行。
2026-08-18 cs.AI cs.SY 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
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
Combined Stochastic and Robust Optimization for Electric Autonomous Mobility-on-Demand with Nested Benders Decomposition
Chalmers University of Technology（查尔姆斯理工大学）
本文提出结合随机与鲁棒优化的MPC框架，利用时空贝叶斯神经网络预测与多阶段随机优化模型，通过嵌套Benders分解实现高效求解，降低乘客等待时间和能耗成本。
2026-04-13 cs.SY eess.SY
A Queueing Network Approach to the Analysis and Control of Mobility-On-Demand Systems
Stanford University（斯坦福大学）
本文提出利用排队网络分析和控制移动按需系统，通过构建两个耦合的闭合Jackson网络模型，展示如何通过线性规划和非线性优化实现系统平衡，并基于出租车数据验证了最优车辆与司机比例。
2014-09-27 cs.PF cs.SY eess.SY
An Integrated Ride-Matching Model for Shared Mobility on Demand Services
共享移动按需（MoD）服务正受到越来越多的关注，因为许多高容量的乘车公司正在以越来越快的速度提供共享服务（例如UberPool，LyftLine）。此外，自动驾驶汽车（AV）的出现为从这些发展中受益提供了更多的运营机会，因为AV可以实现集中运营和完全连接的车队。共享MoD服务有两项基本任务：乘车匹配和车辆重新平衡。传统上，这两个功能是顺序和独立执行的。在本文中，我们提出并制定了一个集成的乘车匹配问题，其目的是将乘车匹配和再平衡集成到一个单一的配方。集成问题受益于这两个任务之间的相互作用。我们还提出了一种方法来解决集成共享乘车匹配问题，通过使用基于网格表示的城市网络的供应水平信息。我们证明了所提出的方法的有效性，通过比较案例研究，使用基准顺序的方法和开源数据集。我们的研究结果表明，集成模型能够为至少相同数量的乘客提供服务，在服务水平和可持续性指标方面有显着的收益。
2022-11-30 cs.SY eess.SY
Market-Based Coordination of Price-Responsive Demand Using Dantzig-Wolfe Decomposition Method
随着分布式发电（DG）和需求响应型（DR）负荷在电力系统中所占比例的增加，基于博弈论框架的价格响应型设备（PRD）协调问题得到了新的解决。PRD被建模为自利玩家，他们试图根据价格优化他们的消费。本文首次提出了一种基于Dantzig-Wolfe（DW）分解方法的新算法来解决分布式环境下自利PRD的协调问题。通过利用Dantzig-Wolfe的分布式特性，PRD的自利算法被建模为DW的子问题，并且收集PRD的能量消耗（其能量投标）的协调器（或电网运营商）解决DW的主问题并相应地计算价格信号。该算法是快速的，因为子问题的数据仓库（这可能是数百万的PRD）可以同时解决。此外，基于DW理论，如果PRDs子问题是凸的，在有限的迭代达到最优点（等于纳什均衡）是有保证的。一个有8户参与的模拟已经进行了评估模型。每个房子都配备了两种类型的负载：作为可中断负载样本的电动汽车（EV）和作为恒温控制负载样本的电热水器（EWH）。结果表明，当该算法达到最优点时，发电成本和用户支付（基于边际发电成本）减少。此外，聚合负载的峰均比（PAR）显著降低。
2023-02-01 cs.SY eess.SY math.OC
Justice-informed Planning of Intermodal Autonomous Mobility-on-Demand Systems under Operational Constraints
Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种考虑用户预算、安全限制和基础设施容量约束的公正知情优化模型，用于多模式自主出行系统（AMoD）的运营规划，并在纽约曼哈顿案例中验证了免费公共交通政策能接近完全免费AMoD系统的公正水平且不牺牲效率。
2026-05-25 cs.SY eess.SY
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
Near-on-Demand Mobility. The Benefits of User Flexibility for Ride-Pooling Services
按需移动（MoD）服务正在改变城市移动生态系统。然而，他们提出了很多关注的影响，交通拥堵，车辆行驶里程（VMT），并与交通的竞争。由于其业务固有的低效率，它们的长期生存也存在问题。考虑到国防部服务的普及，增加拼车是解决这些问题的重要手段。共享性不仅取决于乘客的态度和偏好，还取决于供应商部署的运营模式。本文介绍了一种提前请求运营模式，其中用户可以在他们期望的出发时间之前至少H分钟请求乘车。开发了一个平台，该平台具有用于请求匹配、车辆路由、再平衡和灵活的用户偏好的高效算法。一个大规模的运输网络公司的数据集被用来评估性能的提前请求系统相对于当前的做法。系统的各个设计方面（提前请求地平线，车辆容量）对其性能的影响进行了研究。结果的敏感性，以用户的喜好，在服务水平（时间提供服务和多余的行程时间），愿意分享和提前放置请求，和交通状况进行了探讨。结果表明，显着的好处，在可持续性，服务水平和车队利用率可以实现时，提前请求是随着增加愿意分享。此外，即使是接近需求（相对较短的提前规划期）的运营也可以为所有相关利益相关者（乘客，运营商和城市）提供许多好处。
2020-11-02 cs.SY eess.SY
Distributed Coordination of Deferrable Loads: A Real-time Market with Self-fulfilling Forecasts
对可变可再生能源发电的增加吸收和能源需求的进一步电气化需要有效协调灵活的需求资源，以最有效地利用电力系统资产。灵活的电力负载通常是小的，众多的，异构的，由自私的代理人拥有。考虑到灵活性的多时间性质和所涉及的不确定性，调度它们是一项复杂的任务。本文提出了一种预测中介的实时基于市场的控制方法（F-MBC）的成本最小化协调的不间断时移（即延期）负荷。F-MBC是可扩展的，隐私保护的，并可由具有小计算能力的设备代理使用。此外，F-MBC被证明可以克服同品种器械相互冲突的决策挑战。在一个简化但具有挑战性的案例研究中进行的模拟表明，F-MBC在多个时间步长内产生接近最佳的行为。
2020-06-15 cs.SY eess.SY
Decentralized Air Traffic Management for Advanced Air Mobility
先进空中机动性（AAM）的主要建议认识到战略和战术空域冲突的需要，其中协调的需要以不同的形式和细微差别出现。一个反复出现的元素是使用预定义的航线或走廊，这是一种自然的方式来创建秩序，并从传统的人工空中交通管理（ATM）中获得了成功。但是，虽然ATM正在向4D基于轨迹的操作发展，但当我们将ATM原理应用于非常密集且可能更复杂的操作（如AAM）时，我们必须考虑它们在这种苛刻的新环境中的局限性。遵循循环走廊的要求通常会增加飞行距离，并不可避免地产生瓶颈，因此我们探索了不使用走廊的假设，通过一个简单且可扩展的仿真模型来测试这种选择。比较不同形式的交通协调的其他动机是冗余和多样性，这有可能增加系统的安全性。当然，单靠一种方法来维持分道通航制在实际上是不允许的。然而，到目前为止，我们所看到的概念在两种非常不同且共存的方法之间留下了差距：一种是合作的，以地面UAM服务提供商（PSU）为中心，另一种是非合作的，独立的，以单个飞机为中心，通常称为检测和避免（DAA）。这种二元性实现了受欢迎的多样性，但也提出了几点改进。在这些相反的方法之间，本文分析了空中合作的方法来协调交通的性能，它能够安全地解决多架飞机（超过两个）的冲突，并实现更高的效率比DAA单独，从而有可能成为一种替代方案或一个活的回落地面交通协调。
2021-08-24 cs.SY eess.SY
Coordination Architecture Shapes Continuous Demand Response Outcomes in Building Districts
Eindhoven University of Technology（埃因霍温理工大学）
研究探讨协调架构对建筑群跟踪聚合负载轮廓能力的影响，比较四种方法发现混合架构在跟踪精度、舒适度和空间均衡性上表现最佳。
2026-05-02 cs.SY eess.SY
A Multi-Class Dispatching and Charging Scheme for Autonomous Electric Mobility On-Demand
University of Idaho（爱达荷大学）
本文提出一种多类调度与充电方案，通过雾计算解决自主电动按需服务中的计算和充电延迟问题，优化车辆充电比例和客户服务决策，提升系统响应时间。
2017-05-20 cs.SY eess.SY math.OC
