Charge Schedule Optimization and Infrastructure Planning for Solar-Integrated Electric Bus Transit Systems
Indian Institute of Science (IISc)(印度科学研究所)
研究城市太阳能集成电动公交系统的充电计划与基础设施规划问题,提出考虑多种因素的两阶段多场景模型,用Benders分解法求解,经实际数据验证,能有效节省成本并更好适应季节变化。
2026-07-28 math.OC
Spatial Arbitrage Through Bidirectional Electric Vehicle Charging with Delivery Fleets
研究提出确定性与单阶段随机优化框架,通过优化电动配送车队的充放电与行驶在时空电价不确定性下实现套利收入最大化,发现双向充电仅在区域价差显著且可高置信预测时才具可观收益。
2023-11-20 math.OC
Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit
Institute for Software Integrated Systems, Vanderbilt University(软件集成系统研究所,范德比尔特大学);Pennsylvania State University(宾夕法尼亚州立大学)
本文提出了一种混合整数线性规划模型,用于优化混合车队的充电和行程安排,以应对动态电价和车辆容量等约束,从而降低运营成本。
2026-01-13 cs.AI cs.SY eess.SY
Optimal routing algorithm for trips involving thousands of ev-charging stations using Kinetica-Graph
本文讨论了一种基于图的路线求解算法,以找到最佳路径的电动汽车挑选最佳的充电位置之间的数千个,以最小化总累计行驶距离的终点之旅。为此,我们设计了一个组合优化算法和一个固定的存储图的拓扑结构的图形道路网络的美国大陆。我们还重新调整了现有的Dijkstra求解器,以减少算法中涉及的许多最短路径求解的计算成本。一个自适应的和轻量级的空间搜索结构也被设计用于找到一组预期的站在每个充电位置使用统一的箱和双链路关联。整个算法在Kinetica-Graph分析套件中实现为另一个多线程的大规模图求解器,作为一个REST API端点公开,并在SQL中运行。解决了几个例子的行程,并在上下文中演示了结果。
2022-05-19 cs.DC math.OC
Robust charging station location and routing-scheduling for electric modular autonomous units
本文研究了多式联运系统中电动模块化自主单元的鲁棒充电站选址与路径调度问题,通过构建基于路径的鲁棒优化模型并开发双重分解算法,实现了在需求不确定性下对充电站、车队规模和路径调度的联合优化,显著降低了乘客成本并提升了大规模运营效率。
2025-04-06 math.OC
A Quantum Optimization Algorithm for Optimal Electric Vehicle Charging Station Placement for Intercity Trips
The Grainger College of Engineering, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校格雷因格工程学院);National Science Foundation(美国国家科学基金会)
本文提出基于Grover自适应搜索的量子算法求解电动汽车充电站选址问题,实现二次加速,并在7节点网络上验证。
2026-09-22 math.OC quant-ph
Electric Bus Scheduling with Non-Linear Charging, Power Grid Bottlenecks, and Dynamic Recharge Rates
针对电动公交车调度中非线性充电、电网瓶颈和动态充电速率问题,提出一种基于充电增量函数线性插值的混合整数规划模型,实现高精度近似并适应电网负荷限制,在真实实例库中验证了实用性。
2024-07-19 math.OC
Electric Vehicle Scheduling with Capacitated Charging Stations and Partial Charging
本文考虑了电动汽车在公共交通系统的调度。我们的主要创新是考虑到充电站容量有限,同时也考虑了部分充电。为了解决这个问题,我们扩展了一个基于连接的网络,以跟踪车辆的充电状态和充电行为的模型。然后,我们制定的电动汽车调度问题作为一个基于路径的二进制程序,其线性松弛,我们解决列生成。我们发现整数可行解使用两个算法:价格和分支和截断列生成,包括加速策略。我们测试的方法使用的特许权Gooi en Vechtstreek在荷兰的数据,包含多达816次。截断列生成优于其他启发式算法,并在28小时的计算时间内解决了整个让步,最优性差距小于3.5%。
2022-07-29 math.OC
Optimal Installation for Electric Vehicle Wireless Charging Lanes
里程焦虑,即对没有足够的电池电量完成一次旅行的持续担忧,仍然是电动汽车广泛采用的主要障碍之一。随着城市希望吸引更多的用户采用电动汽车,无线移动汽车充电技术的出现为里程焦虑提供了解决方案。对于有限的预算,城市可能面临在哪里安装这些无线充电装置的判定问题。由于价格昂贵,没有仔细研究的安装可能会导致有限资源的低效使用。在这项工作中,我们将无线充电单元的安装建模为整数规划问题。我们使用我们的基本配方作为不同现实场景的构建块,使用真实的地理空间数据进行实验,并将我们的结果与不同的算法进行比较。
2018-08-13 math.OC
Leveraging Electric School Buses for Disaster Recovery: Optimizing Routing and Energy Scheduling via Branch-and-Price
The University of Texas at San Antonio(圣安东尼奥德克萨斯大学);University of Pittsburgh(匹兹堡大学);San Antonio Fire Department(圣安东尼奥消防局)
针对灾害中关键负荷恢复,提出利用电动校车进行路径与能源调度的混合整数规划模型,并开发精确与启发式分支定价算法,显著提升计算效率并降低恢复成本。
2025-10-15 math.OC
Bus Fleet Electrification Under Capital Cost and Scheduling Constraints: A Five-Agency Case Study
Argonne National Laboratory(阿贡国家实验室);The University of Tennessee, Knoxville(田纳西大学诺克斯维尔分校);Texas A&M University(德克萨斯农工大学)
本研究以五家公交机构为案例,采用混合车队优化模型,发现电动公交替代柴油公交多非一对一,线路密度高的机构替代比例更低,建议用替代比例预测车队容量需求以降低成本。
2026-09-02 math.OC
A Charging-as-a-Service Platform for Charging Electric Vehicles On the Move: New Vehicle Routing Model and Solution
里程焦虑一直是电动汽车(EV)大规模采用的主要挑战。新兴的移动电动汽车到电动汽车(mE 2)充电技术,允许带有额外电池的电动汽车在移动中为另一辆电动汽车充电,提供了一个有前途的解决方案。尽管这项新技术的物理可行性已经得到证实,但我们仍然面临许多操作问题。例如,我们如何在不引入额外绕道的情况下有效地将电力供应商(EP)与需求(ED)配对和路由?基于这一观点,本研究开发了一个充电即服务(CaaS)平台,该平台旨在派遣商业EP为ED服务,以培养这种新兴的充电服务,以适应低电动汽车渗透率的环境。在数学上,CaaS平台被建模为车辆路线问题(即,mE 2-VRP),其最佳地调度EP接近并服务于移动中的ED,同时最小化EP车队规模并满足所有服务请求。为了使CaaS平台更好地适应实际在线应用,我们开发了并行计算辅助的Clarke和Wright Savings(CCWS)算法,对大规模mE 2-VRP进行高效分解,并通过并行计算求解。我们在全市(芝加哥)和全州(佛罗里达州)范围内进行的数值实验发现,CCWS算法的性能优于现有的商业求解器,它使我们能够在城市或州的实际大规模设置下研究CaaS平台的性能。CaaS在低EV渗透率市场表现更好,而交通拥堵程度较轻,ED需要更早的能源。我们可以通过制定适当的定价策略,根据能源的需求和行程长度,以提高性能。
2021-04-01 math.OC
Intercity EV Charging Readiness in Türkiye: A Countrywide Scheduling and Economic Assessment
Texas A&M University(德克萨斯农工大学)
研究土耳其城际电动汽车充电准备情况,利用有向无环图调度框架优化充电站点,经多场景分析和经济评估发现,因电价优势电动汽车有运营成本和TCO优势,全系统基础设施节省依赖站点规模,车辆放电率是主要经济杠杆,为政策制定者提供见解。
2026-07-29 math.OC
Charging-as-a-Service: On-demand battery delivery for light-duty electric vehicles for mobility service
这项研究提出了一种为电动汽车提供动力的创新解决方案,称为充电即服务(CaaS),该解决方案涉及移动即服务(MaaS)行业中轻型电动汽车(LDEV)的潜在大规模采用。与MaaS类似,CaaS的核心思想是派遣携带模块化电池单元(MBU)的服务车辆(SV),为移动服务提供按需电池交付的LDEV。CaaS系统预计将解决MaaS行业大规模采用LDEV的主要瓶颈,因为缺乏充电基础设施以及过多的等待和充电时间。提出了一种基于混合代理的仿真模型(HABM),用于模拟具有SV代理的CaaS系统的动态特性,并引入基于出行的静态充电概率分布来模拟LDEV充电需求的产生.进一步开发了两种调度算法,以支持CaaS的优化运行。该模型通过假设纽约市(NYC)所有13,000辆遵循相同日常出行模式的黄色出租车进行验证。在不同的SV船队规模和调度策略下,分析了多个场景。结果表明,250个SV的最佳部署可以在平均等待时间为5分钟的LDEV车队提供服务,节省超过50英里每分钟的旅行距离,并获得高达50美元每分钟的可观利润。这项研究为部署全市CaaS系统以推动电动MaaS行业的可行性、服务效率和财务可持续性提供了重要见解。
2020-11-20 math.OC physics.soc-ph
An Integrated Optimization Framework for Smart Charging of Electric Bus Fleets under Dynamic Electricity Prices with On-Site Solar Generation, Energy Storage, and V2G operations
KU Leuven University(荷语鲁汶大学);Luxembourg Institute of Socio-Economic Research (LISER)(卢森堡社会经济研究所)
本文提出了一种基于离散事件优化的电动公交智能充电框架,整合动态电价、太阳能发电、储能和V2G操作,通过减少运营成本和优化负载管理,显著提升公共交通运营商的能源管理效率。
2026-02-15 math.OC
A Multi-Objective approach to the Electric Vehicle Routing Problem
电动汽车路径问题(EVRP)已经引起了研究人员和工业家的极大兴趣,他们试图从燃油汽车转向更健康,更高效的电动汽车(EV)。虽然EVRP似乎与传统的车辆路径问题(VRP)没有太大区别,但诸如巡航时间有限,充电时间长以及电动汽车充电设施有限等挑战使得所有这些问题都有所不同。以前的工作目标是物流和交付相关的解决方案,其中商业电动汽车的同质车队必须在多次停靠后返回初始点。在相反的方面,我们解决了一个个人电动汽车路由问题,并提供了一个最佳的路线,为一个单一的车辆在一个长的起点-目的地(OD)的行程。我们执行多目标优化-最小化总行程时间和充电的累积成本。此外,我们将外部和现实生活中的元素,如在充电站的交通,到达充电站的绕行距离,以及不同充电站的电力可变成本纳入问题的制定。特别是,我们定义了一个多目标混合整数非线性规划(MINLP)问题,并获得了一个可行的解决方案,使用$ε$约束算法。我们进一步实施元启发式技术,如遗传算法(GA)和粒子群优化(PSO),以获得最优的路线,因此,目标值。针对多个自生成数据实例进行了实验,并对结果进行了比较。
2022-08-26 cs.NE math.OC
Electric Vehicle Charging Infrastructure Planning: A Scalable Computational Framework
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
由于交通系统和电网的网络规模不断增加,在大地理空间区域上的最优充电基础设施规划问题具有挑战性。因此,电动车辆行驶行为和充电事件之间的耦合是复杂的。本文重点介绍了一个可扩展的计算框架的示范电动汽车充电基础设施规划在紧密集成的交通和电网网络。在交通方面,充电配置文件生成策略,提出了利用电动汽车的能源消耗模型,行程路线,和充电器选择方法。在电网侧,利用遗传算法内的最优潮流程序来解决最优充电器放置问题的整数变量,通过自适应地评估候选解决方案在当前迭代和生成新的解决方案,为下一次迭代。
2020-11-17 cs.AI cs.NE eess.SP
A Simulation Framework for Ride-Hailing with Electric Vehicles
本研究提出基于Python的电动车辆网约车仿真框架,通过异步流程和面向对象设计优化车队运营,支持充电站布局等挑战,案例验证其在调度算法评估中的有效性。
2024-11-29 math.OC
A hybrid large neighborhood search algorithm for the integrated dial-a-ride problem using electric vehicles
University of Luxembourg(卢森堡大学);Luxembourg Institute of Socio-Economic Research (LISER)(卢森堡社会经济研究所)
本文提出一种混合大邻域搜索算法,利用电动车辆解决整合按需出行问题,通过优化运营成本和乘客出行时间,提升公共交通系统效率。
2025-12-03 math.OC
Infinite Drive: Optimal Urban Location of Dynamic Wireless Charging at Signalized Intersections
The University of Tokyo(东京大学);Shibaura Institute of Technology(芝浦工业大学);Arizona State University(亚利桑那州立大学)
研究通过概率信号模式和基于饱和车头时距建模,建立混合整数规划模型优化信号交叉口动态无线充电布局。以日本川越市为例,揭示基础设施与电池权衡及减排效果,表明优化部署可推动可持续城市交通。
2026-07-07 math.OC physics.soc-ph
evS2CP: Real-time Simultaneous Speed and Charging Planner for Connected Electric Vehicles
针对网联电动汽车充电设施有限等痛点,提出基于优化的evS2CP速度与充电同步规划框架,通过混合整数二次规划实现高效求解,经仿真验证具备近似全局最优性与实际应用可行性。
2024-12-12 cs.CE cs.SY eess.SY
Load Forecasting Model and Day-ahead Operation Strategy for City-located EV Quick Charge Stations
随着电动汽车(EV)的快速发展,EV的充电需求急剧增加。因此,需要可靠和方便的快速充电站来响应EV驾驶员的需求。由于电动汽车充电负荷的不确定性,负荷预测对于快速充电站的运营至关重要,以制定未来一天的计划。基于出行链理论和电动汽车用户行为,建立了电动汽车快速充电站运营商的充电负荷预测模型。该模型能够预测城市快速充电站在第二天的充电需求,其中蒙特卡洛模拟方法的应用。在此基础上,提出了以盈利为导向的日前运营策略。仿真结果验证了该预测模型和运行策略的有效性。本文的研究结论如下:1)充电负荷预测模型保证了运营商对次日充电负荷特性的把握。2)快速充电站的收入可以显着增加,通过应用所提出的日首运营策略。
2019-09-03 cs.SY eess.SY math.OC
Co-optimizing the Smart Grid and Electric Public Transit Bus System
Lehigh University(理海大学)
该研究针对电动公交巴士除常规功能外参与电力系统运行的场景,构建确定性与随机协同优化模型,对比不同补救措施功效,验证协同策略效益,为可持续智慧城市建设提供政策方向。
2026-09-22 econ.TH math.OC
Dynamic Routing for the Electric Vehicle Shortest Path Problem with Charging Station Occupancy Information
针对长距离电动汽车行驶中的充电排队等待问题,提出基于实时占用指示器的MDP模型与重新优化算法,通过仿真估计与启发式下界求解确定性路径,显著降低了平均等待时间与总行程耗时。
2023-05-19 cs.SY eess.SY math.OC
Adaptive Distributionally Robust Planning for Renewable-Powered Fast Charging Stations Under Decision-Dependent EV Diffusion Uncertainty
针对电动汽车扩散与充电站部署的相互依赖,提出两阶段决策依赖分布鲁棒规划模型,并转化为混合整数线性规划,实现安全且成本高效的快速充电站自适应部署。
2023-10-12 cs.SY eess.SY math.OC
Drive Mode Optimization and Path Planning for Plug-in Hybrid Electric Vehicles
驱动模式是驾驶员可选择的动力系统和某些车辆参数的预设配置。插件式混合动力电动车辆(PHEV)通常以可影响混合能源管理系统的驱动模式的特殊选项为特征,例如电动车辆(EV)模式(完全依靠电池)和充电维持(CS)模式(在推进车辆的同时利用内燃机对电池充电)。本文研究了一个优化问题,使驾驶员选择适当的驱动模式的燃料最小化。我们开发了优化算法,根据行程信息优化驾驶模式的决策,并与路径规划相结合,以找到最佳路径,考虑中间加油站和充电站。我们还提供了一个在线算法,是基于所揭示的行程信息。我们评估我们的算法经验的雪佛兰伏特,这表明显着的燃油节省。
2017-04-04 cs.DS 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