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
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
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
Survey of charging scheduling, fleet management, and location planning of charging stations for electrified demand-responsive transport systems: methodologies and recent developments
电动汽车加速了交通系统的电气化，为充电调度、车队管理以及充电基础设施位置和配置规划带来了新的挑战。在这篇综述中，我们提供了一个系统的审查，最近的发展战略，战术和运营决策的需求响应交通系统规划使用电动汽车（EV-DRT）。我们总结了数学建模方法的最新进展，并确定了未来的研究方向。现有的开放获取数据集，数值测试实例和软件的列表提供了在EV-DRT和相关问题的未来研究。
2021-12-08 cs.CE cs.SY eess.SY
Dynamic Pricing and Fleet Management for Electric Autonomous Mobility on Demand Systems
乘车共享系统的普及是自动驾驶和电动汽车技术进步的主要驱动力。本文考虑了联合路由，电池充电和定价问题所面临的利润最大化的运输服务提供商，经营一个车队的自动电动汽车。我们首先建立静态规划问题，考虑时不变的系统参数，并确定最优的静态策略。虽然静态策略提供了稳定的客户队列等待游乐设施，即使考虑系统动态，我们看到，它是低效的，利用静态策略，因为它可以导致客户等待时间长，利润低。为了适应出行需求、可再生能源可用性和电价的随机性，并在需要生成整数分配的情况下进一步优化管理自主车队，需要实时策略。基于系统完整状态信息执行动作的最优实时策略是复杂动态规划的解。然而，我们认为使用精确动态规划方法精确求解最优策略是很困难的，因此应用深度强化学习来开发接近最优的控制策略。我们在曼哈顿和旧金山进行的两个案例研究证明了我们的实时策略在网络稳定性和利润方面的有效性，同时保持队列长度比静态策略少200倍。
2020-10-01 cs.SY eess.SY
Electric Autonomous Mobility-on-Demand: Jointly Optimal Vehicle Design and Fleet Operation
本文提出联合优化E-AMoD系统车辆电池容量、车队规模与运营策略的框架，通过混合整数规划与启发式算法求解，并在曼哈顿案例中证明20 kWh电池的小型轻型车队可实现利润最大化。
2023-09-21 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
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
A review on the charging station planning and fleet operation for electric freight vehicles
本文系统综述了电动货运车辆充电站规划与车队运营的研究现状，分类梳理了选址定容、路径与充电调度等方法，并指出未来研究方向，以推动货运电动化转型。
2023-11-28 cs.SY eess.SY
Cooperative Detour Planning for Dual-Task Drone Fleets
Cornell University（康奈尔大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
本文提出一种去中心化框架，使无人机编队同时执行送货任务和观察交通状况。通过动态信息值模型，无人机在路径规划中考虑交通不确定性，并通过局部聚类优化实现高效任务执行。
2026-04-02 cs.SY eess.SY
Electrical Vehicle Fleet Routing Accounting for Dynamic Battery Degradation
随着电动汽车（EV）的日益普及，人们越来越意识到电池退化成本以及如何将其降至最低。然而，从规划的角度来看，很难将电池退化模型集成到现有的路线规划模型中，并评估旨在减少电池退化的政策如何影响整个车队的路线规划成本和退化。在本文中，一个简单的运输车辆路径问题（VRP）制定为一个混合整数非线性问题（MINLP），与修改，允许监控整个车队的最大和最小放电深度（DoD）。这使我们能够在在线优化过程中测量电池健康状况的退化。结果表明，考虑到不同的路线特征对电池退化的影响，可以对整个车队的路线规划以及所有车辆的电池退化产生影响。后者是通过迫使车辆长期适应某些国防部边界来实现的。
2022-03-09 cs.CE cs.SY eess.SY
The Development of Investment Planning Models for the United Kingdoms Wind and Solar Fleets
本研究开发投资规划模型，评估英国风电与光伏的经济可行部署，预测2035年其仅能满足70%电力需求，剩余30%需快速可调度电源，导致年7200万吨碳排放残余。
2024-03-14 cs.SY eess.SY
Towards More Efficient Shared Autonomous Mobility: A Learning-Based Fleet Repositioning Approach
University of California, Irvine（加利福尼亚大学尔湾分校）；University of Connecticut（康涅狄格大学）
本文提出一种基于强化学习的集成系统-智能体再定位（ISR）方法，用于共享自主出行服务中的车队再定位，无需显式需求预测，可显著减少乘客等待时间并具有良好的可迁移性。
2024-02-08 cs.AI cs.CY cs.SY
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
Fleet Size and Spill for UAM Operation under Uncertain Demand
针对UAM需求不确定问题，本文提出随机到达时间生成模型与两个整数规划，分别计算机队规模和最小化溢出的调度充电策略，实验表明需求不均衡是溢出的主要驱动因素。
2024-07-01 cs.SY eess.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
Exploring Urban Air Mobility Adoption Potential in San Francisco Bay Area Region: A Systems of Systems Level Case Study on Passenger Waiting Times and Travel Efficiency
Purdue University（普渡大学）
本研究通过多智能体模拟分析旧金山湾地区城市空气交通在缓解交通拥堵方面的潜力，发现高峰时段使用UAM可将总旅行时间减少80%。
2025-11-25 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
Strategic Workforce Planning in Crowdsourced Delivery with Hybrid Driver Fleets
本文针对固定司机与两类众包司机（零工工作者和顺路司机）组成的混合车队，构建考虑随机流失与增长的马尔可夫决策过程，并用近似动态规划求解长期劳动力规划，实验表明其总成本最多可降低19%。
2023-11-28 cs.SY eess.SY
Mixed-integer optimization for multi-year military aircraft fleet management
Politecnico di Milano（米兰理工大学）；Aeronautica Militare Italiana（意大利空军）；Eindhoven University of Technology（埃因霍温理工大学）
针对国防领域飞行与维修规划中的非理想条件，提出一种混合整数多年期规划策略，通过多目标优化、滚动时域、贝叶斯调参及飞机特定加权，最大化机队长期可用性，并在三个基准场景中验证有效性。
2026-09-11 cs.SY eess.SY math.OC
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
Towards a Multimodal Charging Network: Joint Planning of Charging Stations and Battery Swapping Stations for Electrified Ride-Hailing Fleets
本文针对电动网约车车队提出充电站与换电站联合规划优化模型，纳入弹性需求、空间充电均衡及拥堵等因素，并通过松弛分解建立紧上界评估解质量，曼哈顿案例表明联合规划利润显著优于单一部署。
2024-04-01 cs.SY eess.SY math.OC
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
Approximate Dynamic Programming for Planning a Ride-Sharing System using Autonomous Fleets of Electric Vehicles
Operations Research and Financial Engineering Department（运筹学与金融工程系）
本文研究了自动驾驶电动车拼车系统中的调度问题、 surge定价问题和车队规模规划问题，采用近似动态规划方法来优化车辆分配、充电和重新定位决策，并通过分层聚合技术提高价值函数估计的准确性，同时利用自适应学习方法确定每趟行程的定价。
2018-12-11 cs.AI cs.SY eess.SY
Green Routing Game: Strategic Logistical Planning using Mixed Fleets of ICEVs and EVs
本文介绍了一个“绿色”的多个物流运营商（球员）之间的路由游戏，每个人都拥有一个混合的车队的内燃机汽车（ICEV）和电动汽车（EV）卡车。每个参与者都面临延迟交付的成本（由于电动汽车的充电要求）和对ICEV征收的污染成本。该成本结构模拟：1）电动汽车的电池容量及其充电要求有限; 2）充电设施的共享性质; 3）监管机构对使用ICEV征收的污染成本。我们刻画了这个博弈的纳什均衡，并给出了唯一性的条件。我们还使用梯度投影方法来计算这个平衡在一个分布式的方式。我们的均衡分析是有用的，以分析所面临的权衡的球员在招致更高的延迟，由于在充电地点的拥堵时，电动汽车的份额增加与更高的污染成本时，ICEV的份额增加。数值算例表明，增加边际污染成本可以显著降低均衡的无效率。
2022-04-01 cs.GT cs.SY eess.SY
Autonomous Parking of Vehicle Fleet in Tight Environments
本文研究了车辆自主停车问题。我们提出了一个系统级的建模和控制框架，它允许调查不同的车辆停车策略，同时考虑到路径规划和碰撞避免。所提出的方法将问题分解为集中式的停车位分配和路径生成，以及分散式的避碰控制。本文介绍了层次框架和算法的细节。广泛的模拟被用来评估几个分配策略的车队总停车时间和队列长度。特别是，我们描述了如何Braess的悖论可以观察到停车车队。
2020-03-02 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
On the Interaction between Autonomous Mobility on Demand Systems and Power Distribution Networks -- An Optimal Power Flow Approach
Marain Inc.（Marain公司）；Stanford University（斯坦福大学）；eIQ Mobility（eIQ Mobility公司）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
在未来的交通系统中，电动自主移动按需（AMoD）车队的充电行为，即，为按需出行请求提供服务的电动自动驾驶汽车车队可能会挑战配电网络（PDN），导致过载或电压下降。在本文中，我们表明，如果PDN的操作约束和外源负载（例如，来自家庭或企业）在操作电动AMoD车队时被考虑。我们专注于系统级的角度来看，假设AMoD和PDN运营商之间的充分协调。从这个单一实体的角度来看，我们评估潜在的协调效益。具体来说，我们扩展了以前的结果，基于优化的建模方法，电动AMoD系统，共同控制电动AMoD车队和一系列的PDN，并分析负载平衡约束下的协调的好处。对于加利福尼亚州奥兰治县的案例研究，我们表明，电动AMoD车队和PDN之间的协调消除了99%的过载和50%的电压降，电动AMoD车队将导致在不协调的设置。我们的研究结果表明，协调电动AMoD和PDN可以帮助保持PDN的可靠性下增加的电动AMoD充电负载，从而显着减轻或推迟PDN容量升级的需要。
2021-02-02 cs.MA cs.RO cs.SY
FairFly: A Fair Motion Planner for Fleets of Autonomous UAVs in Urban Airspace
我们提出了一个解决方案，公平地规划一个具有不同任务和操作员的无人机（UAV）机队的问题，这样就不会有一个操作员不公平地以牺牲其他人的利益为代价提前完成任务-除非这是明确谈判的。当数百架无人机共享一个城市空域时，有关当局应该为它们分配走廊，以便它们完成任务，但没有一架无人机意外地以牺牲另一架无人机为代价获得特别快的路径，从而被迫等待并浪费能源。我们的解决方案FairFly解决了一般自主系统的公平规划问题，包括无人机机队，适用于城市应用中典型的复杂任务。FairFly在时间逻辑中形式化了每个任务。离线搜索找到满足任务的最公平的路径，可以由无人机飞行，从而减轻在线控制负载。它允许UAV之间的显式协商，以在需要时启用不平衡的路径持续时间。我们提出了三个公平的概念，包括一个减少能源消耗。我们在仿真中验证了我们的结果，并证明了一个更轻的计算负荷和更少的无人机能源消耗的结果，飞行公平的轨迹。
2020-08-21 cs.SY eess.SY
Fleet Rebalancing for Expanding Shared e-Mobility Systems: A Multi-agent Deep Reinforcement Learning Approach
University of Exeter（埃克塞特大学）；The Alan Turing Institute（阿兰·图灵研究所）；University of Warwick（华威大学）；Tongji University（同济大学）；University of Leeds（利兹大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Columbia University（哥伦比亚大学）
针对扩展中的共享电动出行系统，提出一种考虑续航与充电约束的多智能体深度强化学习车队再平衡方法，通过高保真模拟与动作级联策略优化，显著提升需求满足率和净收入。
2022-11-11 cs.AI cs.LG cs.SY
PassGoodPool: Joint Passengers and Goods Fleet Management with Reinforcement Learning aided Pricing, Matching, and Route Planning
Purdue University（普渡大学）
乘客和货物交付的按需移动服务的普遍增长在运输系统领域内带来了各种挑战和机遇。因此，正在开发智能交通系统，以最大限度地提高运营盈利能力，用户便利性和环境可持续性。最后一英里交付的增长以及拼车需要一个高效和有凝聚力的系统来运输乘客和货物。现有的方法使用静态路由方法解决这个问题，既不考虑请求的需求，也不考虑在路线规划期间车辆之间的货物转移。在本文中，我们提出了一个动态的和需求感知的车队管理框架，结合货物和乘客运输，能够（1）参与乘客和司机在决策过程中，允许司机谈判到一个相互合适的价格，乘客接受/拒绝，（2）匹配的货物车辆，和货物的多跳转移，（3）基于插入成本为每个车辆动态地生成最优路线，该插入成本考虑沿着它们的路径的需求，然后确定匹配，（4）使用深度强化学习（RL）将空闲车辆调度到预期的高乘客和货物需求的区域，（5）允许在每个车辆处进行分布式推理，同时共同优化车队目标。我们提出的模型可在每辆车内独立部署，因为这最大限度地减少了与分布式系统增长相关的计算成本，并使每个人的决策民主化。对各种车辆类型，货物和乘客效用函数的仿真表明，我们的方法相比，不考虑组合负载运输或动态多跳路线规划的其他方法的有效性。
2021-11-11 cs.AI cs.SY eess.SY
Learning to Control Autonomous Fleets from Observation via Offline Reinforcement Learning
Technical University of Denmark（丹麦技术大学）；Stanford University（斯坦福大学）
针对现有集中式强化学习控制自主按需出行系统依赖在线交互数据、样本成本高的问题，提出用离线强化学习形式化系统控制，仅靠离线数据得到的策略性能比肩在线方法、支持高效微调且无需复杂仿真，为RL在经济关键系统的应用提供了新范式。
2023-08-25 cs.LG cs.RO cs.SY
On the Interaction between Autonomous Mobility-on-Demand and Public Transportation Systems
Stanford University（斯坦福大学）；Technical University of Munich（慕尼黑技术大学）
本文研究了自动驾驶出行即服务与公共交通系统的耦合模型及协调策略，通过网络流模型最大化社会福利，并设计定价与收费方案实现社会最优，以纽约市为例验证了协同效应。
2018-09-05 cs.RO cs.SY eess.SY
Current Practices in Electricy Demand and Charging Scheduling for On-Road Electric Fleet Operations: An Industry-Wide Review
Delft University of Technology（代尔夫特理工大学）；Shell Global Solutions B.V.（壳牌全球解决方案有限公司）
本文通过灰色文献分析，综述了电动卡车车队运营中数字系统的现状，识别了关键趋势与差距，以指导未来研究与发展。
2026-05-29 cs.SY eess.SY
Future urban mobility as a bio-inspired collaborative system of multi-functional autonomous vehicles
MIT Media Lab（麻省理工学院媒体实验室）
快速城市化和气候变化挑战需要能够实现城市中人员和货物高效流动的解决方案。我们设想未来的城市将由高性能的步行区组成，在那里，超轻型共享和自动驾驶车辆可以满足交通需求。在未来，大多数车辆都将是自主的，这为车辆之间可能的互动创造了一个新的范例。自然群体是一个很好的例子，可以丰富的互动;他们可以分工，集群，一起建设，或合作运输。群体机器人领域已经将自然群体的一些行为转化为人工系统，证明使系统更加灵活，可扩展和鲁棒。受大自然的启发和群体机器人技术的支持，本文提出了一种未来的移动性，其中共享，电动和自动驾驶车辆将是多功能的，并表现为一个协作系统。在未来，多功能车辆将协同完成不同的任务，以满足不同的城市交通需求。本文提出了一个未来城市交通框架，以一种新颖独特的方式整合了当前的研究和交通趋势。
2022-02-24 cs.MA cs.RO cs.SY
Developing a Dynamic Mobility Model for Backcasting Applications: A Case Study with Shared Autonomous Vehicles
本研究将回溯分析方法应用于出行模型，以共享自动驾驶汽车为决策变量，通过六个子模型分析措施影响，仿真表明回溯分析可在保持排放不变时降低10%运营商成本。
2025-09-22 cs.SY eess.SY
Electric Vehicle Fleet Relocation Management for Sharing Systems based on Incentive Mechanism
本文研究了共享系统中电动汽车车队的搬迁管理问题。移动共享系统的效率取决于车辆重新定位任务，这强烈影响公司的运营成本，从而影响用户的服务价格。建议的方法旨在通过创新的激励计划让用户参与进来，从而最大限度地减少共享公司的车辆搬迁成本。这个想法是要求共享服务的用户重新定位电动汽车，例如通过IT应用程序，通过免费旅行和奖励来激励他们。建议的激励机制是基于不同层次的激励建议的应用。此外，在用户无法使用的情况下，公司工作人员保证车辆搬迁。为了实现这一目标，第一个ILP被正式化，以管理公司员工的搬迁任务。此外，第二个ILP允许公司通过拟议的激励机制让用户参与搬迁过程。最后，一个案例研究，以显示所提出的方法论的电动汽车和轻型电动汽车的搬迁的应用。
2020-12-01 cs.SY eess.SY
Optimal trajectory planning meets network-level routing: Integrated control framework for emerging mobility systems
本文提出一种面向新兴出行系统的分层决策框架，结合启发式路线恢复算法与能量最优轨迹规划，为联网和自动驾驶车辆分配路线与时间，有效生成最优车流，降低城市总行程时间与能耗。
2023-11-22 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
Fleet Size and Mix Capacitated Vehicle Routing Problem with Time Windows for Mobile Fast Chargers
University of California at Davis（加州大学戴维斯分校）
本文提出了一种联合优化车队规模、充电器规格、路线和调度的移动快速充电车辆规划方法，以提高偏远地区充电效率和成本效益。
2025-12-03 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
An Integer Clustering Approach for Modeling Large-Scale EV Fleets with Guaranteed Performance
本文提出一种新颖的整数聚类方法用于大规模电动汽车车队建模，在车队层面管理充电的同时保持个体行程调度，并开发两阶段决策框架，通过理论边界保证性能，在真实案例中实现了显著加速且解质量损失极小。
2023-10-03 cs.SY eess.SY
Conflict-Free Four-Dimensional Path Planning for Urban Air Mobility Considering Airspace Occupations
近年来，城市空中交通（UAM）引起了飞机制造商、空中导航服务提供商和政府的关注。防止城市飞机之间的冲突是UAM交通安全的关键，这是实现大规模UAM运营的关键。飞行前的无冲突路径规划可以为飞机的安全性能维护提供一个战略层面，因此成为无人机管理的重要组成部分。本文旨在解决无冲突的路径规划问题的UAM操作与四维空域管理的考虑。首先，我们引入并扩展了四维空域管理概念AirMatrix。在AirMatrix的基础上，建立了考虑静态和动态障碍物冲突消解的最短飞行时间路径规划问题。提出了一种基于先到先服务的四维路径规划算法-A-Star算法。该算法包含了一种新颖的启发式函数设计以及冲突检测和解决策略。在新加坡裕廊东区进行了数值实验，结果表明，该算法能够在计算时间和航班延误可接受的情况下生成解决大量空域利用潜在冲突的路径。本研究的贡献为利益相关者支持UAM的发展提供了参考。
2021-07-27 cs.SY eess.SY
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
Regulating Mobility-on-Demand Services: Tri-level Model and Bayesian Optimization Solution Approach
本文的目标是开发一个建模框架，捕捉移动服务提供商（MSP）和旅行者之间的决策动态，可用于优化和分析与MSP相关的政策/法规。为了实现这一目标，本文提出了一个三层数学规划模型，公共部门的决策者（监管者）在最高层，MSP在中间层，旅客在最低层。监管者通过实施法规、政策、规划、公交服务设计等，实现社会福利最大化;公交运营商通过调整公交服务设计，实现利润最大化。旅行者的目标是通过改变他们的模式和路线来最大化效用。旅行者的决定取决于监管机构和MSP的决定，而MSP的决定本身取决于监管机构的决定。为了解决三层数学规划，本研究采用贝叶斯优化（BO）内的模拟优化解决方案的方法。在最低层次上，解决方案包括一个基于代理的交通系统仿真模型，以捕捉旅客的行为，由监管机构和MSP作出的具体决定。基于代理的交通仿真模型包括模式选择模型、道路网络、公交网络和提供具有共享乘车的自动移动性按需（AMOD）服务的MSP。模型和解决方案的方法适用于德国慕尼黑，以验证模型。案例研究调查了城市管理部门应该设定的通行费和停车费，以及公共交通预算的变化和AMOD车队规模的限制。最佳政策设置来自两个社会福利的定义，在这两个AMOD车队规模不受监管的共享乘坐AMOD服务提供了显着的价值，旅客在慕尼黑。
2021-02-20 cs.SY eess.SY
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
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
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
Motion planning for hundreds of floating robots
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
针对大型浮动机器人编队的无碰撞运动规划问题，提出一种可扩展的流水线方法，通过碰撞图分解为独立子问题并行求解，在500个机器人仿真和实际演示中验证了有效性。
2026-06-29 cs.RO cs.SY eess.SY
Multi-Phase Optimization of Shared Charging Infrastructure for Freight Electrification
Royal Institute of Technology (KTH)（皇家理工学院）；Swedish National Road and Transport Research Institute (VTI)（瑞典国家公路与交通研究所）
提出多阶段优化框架，利用两家货运公司的高分辨率轨迹数据，最小化充电站总数并满足电气化目标，揭示共享基础设施可减少冗余投资但增加依赖。
2026-06-12 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
Certified Learning-Enabled Noise-Aware Motion Planning for Urban Air Mobility
本文提出一种面向城市空中交通的噪声感知运动规划框架，利用可认证神经网络预测eVTOL噪声并生成合规轨迹，兼顾噪声法规与运行效率。
2025-09-24 cs.SY eess.SY
Improved Corner Cutting Constraints for Mixed-Integer Motion Planning of a Differential Drive Micro-Mobility Vehicle
Department of Computational Mechanics, School of Mechanical Engineering, University of Campinas（计算力学系，机械工程学院，坎皮纳斯大学）
提出用于差速驱动微型移动车辆 MILP 运动规划的新型样本间避撞切角约束，可在考虑运动学与动力学时生成全局最优无碰撞轨迹，并在时间和控制投入上优于两种现有方法。
2025-05-14 cs.RO cs.SY eess.SY
Probabilistic Guaranteed Path Planning for Safe Urban Air Mobility Using Chance Constrained RRT
University of California San Diego（加州大学圣地亚哥分校）；San Diego State University（圣地亚哥州立大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
安全是城市空中交通成功的关键因素，特别是在动态和不确定的环境中。提出了一种基于RRT和机会约束的不确定障碍物路径规划算法。通过将概率约束转化为确定性约束，建立了高斯分布障碍物的机会约束模型。通过对系统状态的模拟和凸约束的评估，可以确定每个时间步的概率可行域。通过建立机会约束RRT，该算法不仅享有基于采样的算法的好处，但也纳入了不确定性的制定。仿真结果表明，利用该算法可以规划出符合概率避障要求的连接起点和目标点的轨迹。
2022-03-12 cs.RO cs.SY eess.SY
