Combined Optimal Routing and Coordination of Connected and Automated Vehicles
在这封信中,我们考虑了一个交通网络,其联网和自动化车辆(CAV)的渗透率为100\%,并提出了一种最佳路由方法,该方法考虑了通过在特定交通场景下协调CAV在网络中实现的效率,例如,交叉口、合并道路和环形交叉口。为了得到旅行请求的最佳路线,我们使用已经接收到路线解决方案的CAV的信息。这使得每个CAV都能够考虑道路上的交通状况。任何新的旅行请求的解决方案确定在每个交通场景下的最佳旅行时间,同时满足所有状态,控制和安全约束。我们通过数值模拟验证我们的框架的性能。据我们所知,这是第一次尝试考虑协调的CAV在路由问题。
2022-05-17 cs.SY eess.SY
Clustering Heuristics for Robust Energy Capacitated Vehicle Routing Problem (ECVRP)
本文研究鲁棒能量受限车辆路径问题(RECVRP),提出混合整数规划求精确解并引入聚类启发式算法加速求解,将原问题转化为较小子问题,在动态场景下实现高效路线重规划,并在基准和随机生成数据集上验证了方法的有效性。
2024-03-20 cs.SY eess.SY
Predictive Lane-Change and Routing Coordination in Bus-Priority Mixed Traffic Corridors
Cornell University(康奈尔大学)
本文提出一种基于路段的网络协调框架,通过预测公交保护机制和效用驱动的车道变更策略,优化混合交通走廊中车辆的车道变更与路径决策,提高公交优先级并减少拥堵。
2026-03-02 cs.SY eess.SY
Integrated routing for a vehicle-robot pickup and delivery system with time constraints
本文考虑了一种无人驾驶车辆-机器人拾取和递送系统,其中,以母船的形式携带多个无人驾驶机器人的自驾驶车辆从仓库行驶到分布在附近的多个站点,以执行多个拾取和递送服务。首先,我们提出了它作为一个多模式车辆路径问题(MMVRP)的时间约束,这是典型的服务要求,杂货和食品配送在实践中。然后,我们制定它作为一个混合的二次约束规划(MIQCP)模型,以确定最佳的综合路由计划(车辆路由和机器人路由),以尽量减少所有服务的总加权延误。最后,使用Python中的Guidelines求解器解决了一个小型和中型问题实例,以证明所提出的MIQCP模型的有效性和性能。
2022-02-09 cs.SY eess.SY math.OC
The Penetration Rate Effect of Connected and Automated Vehicles in Mixed Traffic Routing
Boston University(波士顿大学)
本文研究了在混合交通环境中连接和自动化车辆的路由问题,提出了一种算法以处理CAVs与非CAVs之间的路由交互,并探讨了不同CAV渗透率下系统中心路由的影响,结果表明CAVs的协同路由决策能改善所有车辆的成本并缓解网络拥堵。
2019-05-14 cs.SY eess.SY math.OC
Developing a Vehicle Re-routing Algorithm using Connected Vehicle (CV) Technology
车辆自组织网络(VANELS)作为车辆通信的核心,并提供基本的无线通信架构以支持车辆到车辆(V2V)和车辆到基础设施(V2I)通信。因此,通过仅利用通信技术,联网车辆(CV)可以在动态道路网络中导航。然而,这种车辆仍处于起步阶段,但预计将对安全性和机动性产生重大影响,例如在车辆故障或其他道路事故的情况下减少非经常性拥堵。为了评估其影响,本研究通过开发智能主动改道算法来考察车辆发生故障时拥有简历的好处。由于缺乏真实世界的数据,本文采用了一个集成的仿真框架组成的V2X(OMNET++)通信模拟器和交通微观模拟器(SUMO)。所开发的算法的功能是,当车辆在实时交通车道内发生故障时,系统会检测到故障,立即生成警告信息,并将其发送给接近的车辆。根据实时通知,知情车辆主动改道至替代道路以避开故障区。开发了两种场景,其中故障发生在启用V2X和禁用V2X的系统的交叉点内外。结果表明,支持V2X的CV重新路由机制可以通过减少拥堵来提高交通效率,并通过平滑受影响车辆的加速和减速来提高交通安全,同时降低基础设施成本。该算法将有助于公路机构(运输部)和车辆制造商在现有的道路网络中引入CV。
2022-08-30 cs.NI cs.SY eess.SY
An SMT Based Compositional Algorithm to Solve a Conflict-Free Electric Vehicle Routing Problem
Chalmers University of Technology(查尔姆斯理工大学)
车辆路径问题(Vehicle Routing Problem,VRP)是一种组合优化问题,它以成本函数(通常是车辆数量或总行驶距离)最小化的方式设计车辆访问客户的路径。这个问题在工业场景中得到了应用,例如,自动引导车辆在工厂中运行,从仓库运送组件。这个特定的问题,此后称为电动无障碍车辆路径问题(CF-EVRP),涉及的约束,如有限的车辆的运行范围,交付给客户的时间窗口,以及有限的容量上的车辆数量的路段可以容纳在同一时间。这样一个复杂的系统导致一个大的模型,不能很容易地解决在合理的时间内达到最优。因此,我们开发了一个组合模型,将问题分解为更小更简单的子问题,并为原始问题提供次优的可行解决方案。该算法利用SMT求解器的优势,这在我们以前的工作中被证明是一种有效的方法来处理调度问题。与用SMT标准语言编写并使用最先进的SMT求解器求解的CF-EVRP的整体模型相比,发现组合模型的速度明显更快。
2021-06-30 cs.AI 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
Joint Optimization of Traffic Signal Control and Vehicle Routing in Signalized Road Networks using Multi-Agent Deep Reinforcement Learning
Southeast University(东南大学);University of California, Davis(加州大学戴维斯分校)
本文提出一种基于多智能体深度强化学习的交通信号控制与车辆路径规划联合优化方法,通过智能体间共享观察与奖励促进合作,实验证明其优于单独控制方法。
2023-10-16 cs.LG cs.MA cs.SY
Communication-Constrained Routing and Traffic Control for Autonomous Vehicles
自动驾驶汽车(Autonomous Vehicles,AV)是一种先进的技术,可以带来便利,提高道路网络的吞吐量,减少交通事故。为了实现更高水平的自动化(LoA),需要将大量的传感数据上传到网络进行处理,然后必须将机动决策返回给AV。此外,乘客可能对各种数据饥饿和延迟敏感的应用有更高的传输速率需求。
2019-09-26 cs.NI cs.SY eess.SP
Combined Eco-Routing and Power-Train Control of Plug-In Hybrid Electric Vehicles in Transportation Networks
研究了插电式混合动力汽车(PHEV)的生态路径问题,以最小化总能耗成本。我们提出了一种算法,它可以同时计算能量最优路线(生态路线)的PHEV和最优的动力传动系统控制策略在这条路线。为了证明我们的方法在实践中的有效性,我们使用HERE Maps API来应用我们的算法,该算法基于波士顿市的交通数据,拥有超过110,000个链接。此外,我们验证了我们的生态路由算法的性能,使用从交通模拟器(SUMO)收集的速度配置文件作为输入的高保真能源模型来计算能源消耗成本。我们的研究结果表明,该算法具有接近实时的执行时间,可显著节省PHEV的能源(约12%)。
2020-04-09 cs.SY eess.SY math.OC
Joint Routing and Charging Problem of Multiple Electric Vehicles: A Fast Optimization Algorithm
随着商业的蓬勃发展,物流问题得到了越来越多的关注,这就是经典的最优车辆路径问题。同时,近年来电动汽车在物流车队中得到了广泛的应用,以减少温室气体的排放。以充电时间、充电成本、电动汽车行驶时间、电动汽车使用费和服务客户收益为目标函数的多电动汽车联合路径选择和充电最优化问题亟待解决。该联合问题被表述为一个混合整数规划(MIP)问题,然而,由于路由和计费决策之间耦合的整数限制和双线性项,该问题是NP难的。本文的主要贡献在于提出了一种有效的两阶段算法,该算法通过利用线性规划(LP)松弛的精确性和消除耦合项,将原始MIP问题分解为两个线性规划(LP)问题。该算法可以在多项式时间内获得一个近似最优解。此外,在两阶段算法的基础上提出了另一种改进算法,进一步提高了解的质量。
2021-05-12 cs.SY eess.SY 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
Combinatorial Optimization enriched Machine Learning to solve the Dynamic Vehicle Routing Problem with Time Windows
针对带时间窗的动态车辆路径问题中现有方法计算成本高或在高维组合问题表现不佳的缺陷,提出结合组合优化层的机器学习流水线,在 NeurIPS 2022 竞赛中排名第一并验证了其鲁棒性。
2023-04-03 cs.SY eess.SY math.OC
Multi-objective Eco-Routing Model Development and Evaluation for Battery Electric Vehicles
在微观交通仿真环境下,研究了多目标纳什最优(用户均衡)交通分配对纯电动汽车(BEV)和内燃机汽车(ICEVs)大规模网络的影响.生态路由是一种找到最节能路线的技术。ICEV和BEV的能耗模式在其对驾驶循环的敏感性方面存在显著差异。与ICEV不同,与高速公路旅行相比,BEV在低速干线旅行中更节能。不同的能源消耗模式要求ICEV和BEV采用不同的生态路由策略。这项研究发现,生态路线可以降低纯电动汽车的能源消耗,但也显着增加了他们的平均旅行时间。模拟研究发现,多目标路径可以将BEV的能耗降低13.5%,14.2%,12.9%和10.7%,以及ICEV的燃油消耗分别降低0.1%,4.3%,3.4%和10.6%“不拥堵”,“轻微拥堵”,“中度拥堵”和“高度拥堵”条件。研究还发现,多目标用户均衡路由减少了平均车辆行驶时间高达10.1%相比,标准的用户均衡交通分配的高度拥挤的条件下,产生一个更接近系统最优交通分配的解决方案。研究结果表明,多目标生态路径规划能有效降低燃料/能源消耗,同时对纯电动汽车和内燃机车的行程时间影响最小.
2020-08-10 cs.MA 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