Logistics Hub Capacity Deployment in Hyperconnected Transportation Network Under Uncertainty
针对超连接运输网络中的需求不确定性和地理中断,提出两阶段随机优化模型部署枢纽容量,并通过压力测试和仿真验证,实现交付及时性、高整合度与网络弹性,同时最小化成本。
2024-02-09 math.OC
Assessing How Ride-hailing Rebalancing Strategies Improve the Resilience of Multi-modal Transportation Systems
针对火车线路中断等干扰下多模式交通系统的供需失衡问题,提出基于MADDPG的多智能体强化学习网约车再平衡策略,在900平方公里仿真中显著提升了系统韧性及多项关键性能指标。
2025-01-30 math.OC
Electrification of Commercial E-buses by Utilizing Stationary Battery Energy Storage Systems for Mass Transportation Network in Los Angeles
2028年洛杉矶奥运会即将到来,公共交通网络需要扩大。绿色电动公交系统作为缓解排放问题的重要一步,正受到越来越多的关注。然而,引入大型电动公交车队将增加高峰负荷需求,这将对电网产生不利影响。这项研究解决了由于引入电动公交车队而导致的峰值负荷需求增加的问题。因此,研究了固定电池储能系统的潜在实现,以通过在高峰时段提供能量来削减峰值负载需求。此外,车队管理软件的实施已被证明是在洛杉矶的测试情况下。因此,基于特定的能源需求值、电池硬件选项、标准电动巴士行驶周期和配置文件以及当地巴士路线特征,已经解决了最佳电池规格和电价问题。此外,还进行了技术经济分析,以证明成本效益分析。
2021-04-21 cs.SY eess.SY math.OC
A Lagrangian Decomposition Algorithm for Robust Green Transportation Location Problem
研究了需求参数不确定的绿色交通定位问题。鲁棒性的增加影响了运送货物和产品的卡车数量,从而使空气污染加剧。本文介绍了两种以需求为主要不确定性参数的绿色方法。这些方法旨在提供使用可用卡车和购买新的混合动力卡车之间的权衡,以评估除空气污染外的总成本。由于日益增长的复杂性,拉格朗日分解算法被应用到找到一个紧密的下界为每种方法。在该算法中,主模型被分解成主问题和子问题,以加快收敛与紧密的差距。最后,建议的算法进行了比较,商业求解器的总成本和计算时间。由于所提出的方法的计算结果,拉格朗日分解算法提供了一个接近的下界在更少的时间比商业求解器。
2019-01-05 math.OC
One-Shot Coordination of First and Last Mode Transportation
在本文中,我们考虑协调控制的支线车辆的第一和最后的模式运输。该模型是宏观的需求量和供应量以及车辆流量。我们提出了一个一次性的运输需求或从一个枢纽在一个固定的时间窗口内的问题,假设的需求和供应配置的知识。我们提出了一个统一的优化框架,适用于运营商利润最大化和社会福利最大化。后一个目标对于诸如灾害响应之类的应用是有用的。在优化问题中的决策变量是不同服务的车辆的路线和分配。和K.K.T.分析,我们提出了一个离线的方法来减少问题的大小。此外,我们还分析了利润最大化的问题,通过最佳定位的供应,为给定的总供应,并提出了一个封闭的形式表达的最大利润,可以赚取超过所有的供应配置,为给定的需求配置。我们还证明了第一模式问题和最后一模式问题的最优供应位置之间的等价性。我们提出了一个定价模型的基础上的成本和旅行时间的最佳替代运输和支线服务是可行的必要条件。我们通过仿真说明了结果,并将所提出的模型与传统的车辆路径问题进行了比较。通过模拟,我们还比较了与决策变量为整数的微观版本的问题。我们表明,提出的宏观制定的路线减少算法仍然是有用的计算近最优解的微观问题,大大提高了计算效率。
2021-05-08 cs.SY eess.SY math.OC
Aggregated Demand Modelling Including Distributed Generation, Storage and Demand Response
预计可再生能源(RESs)在电力系统中的渗透率将在未来几十年内进一步增加,主要是由于环境问题。在未来电网(FG)的几十年中,供需平衡将取决于需求响应(DR)和储能等需求行为。到目前为止,FG可行性研究尚未考虑这些新的需求方发展,以模拟未来需求。在澳大利亚,安装的屋顶光伏(PV)发电近年来一直在显著增加,这越来越影响FG可行性研究的净负荷分布。本文提出了一种在更高电压水平下使用的总净负荷或需求模型,该模型考虑了屋顶光伏,储能和DR对FG场景的影响,这是受到智能家居概念的启发。所提出的模型是制定为一个最优化问题,旨在最大限度地减少电力成本。作为一个案例研究,负载模型的影响进行了研究,在2020年的澳大利亚国家电力市场的负荷分布,平衡和负荷能力的增加,风能和太阳能发电的渗透。
2014-12-09 math.OC
Aggregated Demand Response Modelling for Future Grid Scenarios
随着间歇性可再生能源(RES)在未来电网(FG)中的渗透率增加,供需之间的平衡将更加依赖于需求响应(DR)和储能。因此,FG可行性研究需要考虑DR,以模拟净未来需求。在此背景下,本文提出了一种需求模型,它集成了DR的聚合效应在一个简化的表示市场/调度过程的效果,旨在最大限度地减少供应电能的总成本。传统的需求模型中的优化配方增加了包括众多用户配备屋顶光伏(PV)存储系统的聚合效应。该模型适用于在较高电压水平下的系统研究,其中用户被假定为价格预期者。作为一个案例研究,需求模型的影响进行了研究,在2020年的澳大利亚国家电力市场的负荷分布,平衡和负荷能力的增加,可再生能源的渗透。的结果进行了比较与需求模型中,用户被假定为价格接受者。
2015-05-25 math.OC
Planning Strategies for Lane Reversals in Transportation Networks
本文利用规划宏观网络流模型,研究了在给定的起点-终点需求下,交通网络车道配置的优化策略。车道反向问题,在一般情况下,NP-难,因为优化是在整数变量。为了克服这一负担,我们重新制定的问题,使用分段仿射近似的行程延迟函数,使我们能够利用总的单模块性属性的非线性线性规划(ILP)。因此,我们通过放松整数变量将ILP问题转化为线性规划。此外,我们的方法是能够解决所需数量的车道反转,这有助于执行成本效益分析的问题。我们进行了一个案例研究,使用交通网络的马萨诸塞州东部(EMA),我们测试我们的方法对原来的车道配置和预计的下界解决方案。我们的实证结果量化了不同需求强度水平下的出行时间节省。我们观察到,对于网络中的某些链接,旅行时间减少了40%。
2021-07-14 cs.SY eess.SY math.OC
Planning of integrated mobility-on-demand and urban transit networks
我们设想了一个多式联运系统,其中按需移动(MOD)服务用于服务的第一英里和最后一英里的过境旅行。为此,本研究建立了一个最优化模型,用于设计一个综合的国防部和城市交通系统。该模型是一个混合整数非线性规划模型,通过乘客分配模型来捕捉乘客在多模式网络中的策略行为。它决定了运营哪些公交线路,运营线路的频率,每个交通分析区为满足需求所需的车队规模,以及道路和公交网络上的客流量。提出了一种改进的Benders分解方法来求解给定的优化程序。计算实验的苏福尔斯多模态网络。结果表明,在城市中心的拥挤与综合交通系统的引入和优化显着改善。拟议的设计将更多的车辆分配给网络中的郊区(以服务于第一英里和最后一英里的公交出行),并将更多的频率分配给市中心的公交路线。与基础优化的公交系统相比,综合系统显著提高了公交乘客的份额和服务水平。对公交车和车队的灵敏度分析表明,增加公交车数量比增加国防部车辆数量对提高乘客服务水平的影响更大。最后,我们提供了部署这种多式联运服务的管理见解。
2022-06-14 math.OC
A Control Framework for Socially-Optimal Emerging Mobility Systems
本文提出一种控制框架,在交通网络中分配出行需求,以构建兼顾效率、抑制回弹效应并保障公平的社会最优出行系统。
2023-09-21 math.OC
Impact of Electric Vehicle Routing with Stochastic Demand on Grid Operation
随着电动汽车(EV)普及率的提高,政府政策的支持和技术价格的下降,电动交通的建模和运营面临着新的挑战。在本文中,我们提出了一个模型来解决EV路由问题,同时考虑到现实生活中的随机需求行为。我们提出了一个数学公式,最大限度地减少旅行时间和能源成本的电动汽车车队。EV由电池能量消耗模型表示。为了使我们的配方适应现实生活中的场景,客户的皮卡和下车建模为随机参数。提出了一种机会约束最优化模型,用于解决上下车的不确定性问题。计算验证模型的基础上提供了代表性的运输方案。结果表明,我们的模型与可验证的解决方案的快速收敛。最后,电动汽车充电的影响是在曼哈顿市中心,纽约通过评估对配电网的影响进行验证。
2021-04-12 cs.SY eess.SY math.OC
The Price of Anarchy in Transportation Networks: Data-Driven Evaluation and Reduction Strategies
在智慧城市必须支持的众多功能中,交通在资源消耗、环境压力和市民挫折感方面占主导地位。我们研究了两种不同的路由策略下的交通网络,通常假设自私的用户为中心的路由策略和社会最优的系统为中心的。我们认为一个性能指标的效率-无政府状态的价格(PoA)-定义为自私的路由下的总旅行延迟成本的比率在社会最优路由下的相应数量。我们开发了一种数据驱动的方法来估计PoA,我们随后使用大量的实际交通数据从马萨诸塞州东部的道路网络进行案例研究。为了估计PoA,我们的方法从数据中学习交通网络的完整模型,包括起点-目的地需求和用户偏好。我们利用这个模型,提出可能的策略,以减少PoA和提高效率。
2018-01-04 cs.GT math.OC
Learning-based Online Optimization for Autonomous Mobility-on-Demand Fleet Control
TUM School of Management(慕尼黑工业大学管理学院);Technical University of Munich(慕尼黑工业大学);CERMICS(法国桥路学校计算数学与科学工程中心);École des Ponts(法国桥路学校);Munich Data Science Institute(慕尼黑数据科学研究所);CIRRELT(蒙特利尔物流、运输与计算机工程研究中心);École Polytechnique de Montréal(蒙特利尔理工学院);Pontifical Catholic University of Rio de Janeiro(里约热内卢天主教大学)
本文针对自主按需出行车队控制问题,提出一种结合组合优化与机器学习的混合在线调度与再平衡方法,并在大规模真实场景中验证其利润较现有方法平均提升6.3%、最高提升17.1%。
2024-02-21 cs.LG math.OC
Integrating Travel Demand and Network Modelling: a Myth or Future of Transport Modelling
在本文中,一个新的交通规划模型系统(TPMS)制定了建立在超网络,多模态,完整性和校准的概念。在所提出的配方中,活动出行模式(ATP)的选择方面,包括活动的选择,活动序列,模式,出发时间,和停车位置,都统一到一个时间依赖的超网络。该模型考虑了网络的动态性,包括时间效应和拥塞效应。这些数据有助掌握一个完整的运输规划系统的所有不同属性之间的相互依赖关系。此外,建议的胎压监测系统明确制定了一个运营能力的公共交通系统。为了允许多次访问位置,并减轻所提出的超网络的复杂性,提出了一种新的多访问车辆路径问题,它不枚举节点和链路的访问。为了根据出行调查数据的主要出行属性对模型进行校正,引入了一组分流比来分配超网络上的出行。该模型利用分流比将超级网络和交通分配模型集成在一个统一的TPMS结构中。最后通过数值算例验证了该方法的优越性。
2019-07-23 math.OC physics.soc-ph
The Impact of Congestion and Dedicated Lanes on On-Demand Multimodal Transit Systems
本文通过构建现实拥堵场景并求解双层优化问题,研究了拥堵和专用公交车道(DBL)对按需多模式交通系统(ODMTS)的影响,案例证明DBL能显著缩短出行时间并提升系统采用率。
2024-02-21 math.OC
Estimating probabilistic dynamic origin-destination demands using multi-day traffic data on computational graphs
系统级交通决策需要了解网络流量的日常变化,这就要求对网络上的概率动态出行需求进行准确的建模和估计。现有的研究大多估计确定性的动态起讫点(OD)的需求,而需求和流量的日常变化被忽视。动态OD需求的概率分布估计是具有挑战性的,由于时空网络的复杂性和高维问题的计算强度。随着海量交通数据的可用性和先进计算方法的出现,本文开发了一个数据驱动的框架,解决了概率动态起讫点需求估计(PDODE)问题,使用多日数据。不同的统计距离(例如,lp-norm、Wasserstein距离、KL散度、Bhattacharyya距离)来衡量交通状况的估计值与观测值之间的差距,发现2-Wasserstein距离在估计均值和标准差时达到了平衡的精度。该框架被铸造成计算图和重新参数化的技巧,同时估计的平均值和标准差的概率动态OD需求。我们证明了所提出的PDODE框架的有效性和效率在小型和真实世界的网络。特别是,它表明,建议的PDODE框架可以通过考虑需求变化来缓解过拟合问题。总体而言,开发的PDODE框架提供了一个实用的工具,公共机构了解需求随机性的来源,评估日常的网络流量的变化,并作出可靠的决策,智能交通系统。
2022-04-20 cs.SY eess.SY math.OC
Flow-Through Tensors: A Unified Computational Graph Architecture for Multi-Layer Transportation Network Optimization
提出流张量(FTT)统一计算图架构,连接起讫点流量、路径概率和路段行程时间,实现梯度优化、多维分析和张量分解,支持实时控制与多模式协调。
2026-07-02 cs.AI cs.CE math.OC
A Framework to Integrate Mode Choice in the Design of Mobility-on-Demand Systems
Cornell University(康奈尔大学)
本文提出了一种整合出行方式选择的按需出行系统设计框架,通过多模式交通系统中的出行方式需求函数进行优化和分析,利用贝叶斯优化方法确定最优供应参数,并通过数值实验验证了该方法的优越性。
2018-10-07 cs.SY eess.SY math.OC
Selective Survey: Most Efficient Models and Solvers for Integrative Multimodal Transport
Technical University Cluj-Napoca(克卢日-纳波卡技术大学)
在智能交通系统(ITS)的大家庭中,多式联运系统(MMTS)作为一种可行的综合交通过程,已经成为当今世界的主流交通方式。全球经济在交通运输的帮助下发展。在过去的十年中,货物的数量和覆盖的距离翻了一番,因此对优化运输的需求很高,快速但成本低,节省资源但安全,低排放或零排放。因此,必须对这一领域的现有研究有一个概述,了解已经做了什么,下一步要研究什么。主要目的是探索多式联运研究领域现有研究、方法和信息的有益选择,确定行业需求和研究差距,并为未来研究提供背景。选择性调查涵盖多式联运设计和优化方面:成本,时间和网络拓扑结构。多式联运的理论方面,背景和资源也涵盖了各个方面。该调查的选择包括当今智能交通系统(ITS)的最佳方法和解决方案。为了优化全球多式联运系统,应进一步解决理论与实际应用之间的差距。
2021-03-16 cs.AI cs.CY math.OC