Pre-Lane-change Signal in Transitional Autonomous Vehicles: Results from Controlled Experiments
University of Virginia(弗吉尼亚大学);North Carolina State University(北卡罗来纳州立大学)
该研究通过NC-tALC的150次受控实验,提出基于SigT时刻相对位置与速度的Firth逻辑回归模型,实现0.89的五折交叉验证准确率,揭示tAV变道前的纵向准备规律,为变道模型提供支撑。
2026-09-03 cs.RO cs.SY eess.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
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
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
Electrified Autonomous Freight Benefit analysis on Fleet, Infrastructure and Grid Leveraging Grid-Electrified Mobility (GEM) Model
本文分析了重型车辆(HDV)电气化和自动化对车队成本、基础设施成本、电网和环境影响的潜在效益。在这项工作中,我们扩展了车辆电气化效益分析工具:电网电气化移动(GEM)模型,这主要是用来研究轻型乘用车(LDV),分析重型汽车电气化。扩展模型推导出货运和关键结果和货运电气化和自动化的影响调查结果进行了介绍和讨论。
2022-04-27 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
Social Resource Allocation in a Mobility System with Connected and Automated Vehicles: A Mechanism Design Problem
针对CAVs可能诱发的出行反弹效应,本文提出机制设计框架,通过社会经济激励实现出行时间的高效社会资源配置。
2020-09-01 cs.SY eess.SY
Developing a Dynamic Mobility Model for Backcasting Applications: A Case Study with Shared Autonomous Vehicles
IFP Energies nouvelles(法国石油研究院)
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
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
Impact of COVID-19 on Mobility and Electric Vehicle Charging Load
COVID-19疫情抑制了全国的整体流动性。这些变化反映了对新冠肺炎病例、当地卫生指南和季节性的反应,使得流动性与新冠肺炎之间的关系在各个地区都是独一无二的。本文介绍了COVID-19之后电动汽车(EV)充电和移动性的数据驱动案例研究。该研究显示,在犹他州出现首例COVID-19病例后,电动汽车充电次数和每日总能耗立即下降了40%。相比之下,同期每个充电会话消耗的能源仅下降了8%,并且会话开始和结束时间的分布在全年保持一致。虽然在第一波COVID-19病例期间,电动汽车流动性比总车辆流动性下降得更剧烈,并且恢复得更慢,但尽管新感染病例出现了戏剧性的第三波,但两者都在2020年9月恢复到接近其平均值的稳定水平。
2020-11-20 cs.SY eess.SY physics.soc-ph
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
A Discrete-time Dynamical Model for Optimal Dispatching and Rebalancing of Autonomous Mobility-on-Demand Systems
本文提出一种基于图论和线性离散时间模型的自动驾驶按需出行系统最优调度与再平衡方法,利用模型预测控制求解,并在实际案例中验证其优于现有算法。
2024-02-03 cs.SY eess.SY
Teaching Cars to Drive: Spotlight on Connected and Automated Vehicles
本文综述了网联自动驾驶汽车的发展现状、应用潜力与研究挑战,重点讨论真实环境仿真与测试难题,并提供基于运动学建模的开源教程以帮助初学者入门。
2025-07-01 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 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
The Effects of Varying Penetration Rates of L4-L5 Autonomous Vehicles on Fuel Efficiency and Mobility of Traffic Networks
本文基于 Vissim 复刻哥伦布真实道路,模拟不同渗透率的 L4-L5 自动驾驶车辆,并从油耗、延误、排队、停车和排放等指标评估其对交通网络的影响。
2023-06-01 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
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
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
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
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
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
Model Predictive Control of Autonomous Mobility-on-Demand Systems
Department of Aeronautics & Astronautics, Stanford University(斯坦福大学航空航天系)
本文提出一种模型预测控制方法,用于优化自主按需出行系统中的车辆调度与路径规划,通过离散时间模型整合现实约束并证明算法稳定性,实验证明其在中等规模系统中能实时运行并优于传统控制策略。
2016-02-16 cs.SY eess.SY
Routing in Mixed Transportation Systems for Mobility Equity
本文提出混合交通系统路由框架,通过战略博弈和出行公平性指标优化不同交通模式权重,兼顾效率与公平。
2023-09-07 cs.SY eess.SY
Scalable Optimization for Mobility-Aware Coordinated Electric Vehicle Charging in Power Distribution Networks
University of California, Berkeley(加州大学伯克利分校);Hong Kong University of Science and Technology(香港科技大学)
本文提出MAC框架,通过结合移动轨迹和充电决策,实现大规模电动汽车需求灵活性优化,以减少配电网过载升级需求。
2026-11-10 cs.SY eess.SY
Anticipatory routing methods for an on-demand ridepooling mobility system
关于按需拼车的最相关挑战之一涉及需求的空间不平衡,这导致车辆位置与新兴请求的来源之间的不匹配。大多数拼车模式仅通过重新平衡方法来解决这个问题,即,将闲置车辆移向拒收率高的地区,这与路线和车辆订单分配无关,因此为乘客服务的车辆(占车队总数的很大一部分)不受影响。本文介绍了两种类型的技术,影响如何车辆分配给用户和如何路由车辆为这些用户服务,使整个系统的操作进行修改,以达到更有效的状态,为未来的请求。这两种技术都不需要任何关于未来需求的假设或外部知识,因为它们只依赖于当前和最近的请求。首先,我们引入奖励,如果车辆被路由到高需求区域,则降低车辆和一组乘客之间的分配成本。其次,我们包括一个小的人工请求,其请求时间是在不久的将来,其起源是从一个概率分布,模仿观察到的生成率采样。这些人工请求将与真实请求一起分配。我们使用一组来自曼哈顿的真实游乐设施来测试这些技术。引入奖励可以将拒绝率降低到原始价值的十分之九左右。另一方面,包括未来的请求可以减少用户的旅行时间约五分之一,但增加拒绝。这两种方法都增加了约10%的车辆小时行驶。空间分析表明,车辆确实被移向需求最大的区域,因此拒绝率的降低主要在那里实现。
2021-06-25 cs.SY eess.SY
Privacy Preserving Mechanisms for Coordinating Airspace Usage in Advanced Air Mobility
针对先进空中交通空域按需分配中的隐私保护需求,提出基于空中积分的市场化机制与分布式两步算法,在无人机配送和空中出租车场景验证了有效性。
2025-03-19 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
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
Eco-driving Trajectory Planning of a Heterogeneous Platoon in Urban Environments
鉴于互联和自动驾驶汽车(CAV)的日益普及和需求,在高速公路和城市地区进行生态驾驶和排队以提高交通系统的效率正在成为可能。本文提出了生态驾驶轨迹规划在城市环境中的异质电动汽车(EV)的排。提出的控制策略的队列考虑能源消耗,流动性和乘客舒适度,车辆可以通过信号交叉口没有停止。对于给定的城市路线,首先,车队的领导车辆采用动态规划(DP)计划的预期路径的轨迹,目的是平衡能源消耗,机动性和乘客舒适度。然后,队列中的每一个其他的CAV要么使用基于PID的协作自适应巡航控制跟随其前车,要么通过检查它是否可以通过下一个十字路口而不停车来规划自己的轨迹。此外,不能有效地跟随轻型车辆的重型车辆将采用基于DP的轨迹规划器。仿真研究表明,所提出的控制策略的有效性,该排的能量消耗被证明是减少,而不损害的流动性。
2022-05-19 cs.SY eess.SY
On Mobility Equity and the Promise of Emerging Transportation Systems
本文提出出行公平性指标(MEM)评估多模式智能交通系统的公平性与可达性,并开发路由框架通过数值模拟优化系统公平性,为设计高效且公平的交通系统提供见解。
2024-08-27 cs.SY eess.SY
Mobility-Aware Electric Vehicle Fast Charging Load Models with Geographical Price Variations
University of California, Santa Barbara(加利福尼亚大学圣塔芭芭拉分校)
本文研究了在具有快速充电站的交通网络中,电动汽车用户在旅行和充电时的行为模式,通过建立交通和充电分配问题(TCAP)模型,分析了充电网络运营商如何优化快速充电站的使用效率,并提出了考虑用户异质性和地理电价差异的凸优化问题以确定网络的均衡状态。
2020-09-16 cs.SY eess.SY
Smart Mobility Digital Twin Based Automated Vehicle Navigation System: A Proof of Concept
提出一种面向联网自动驾驶车辆的智慧出行数字孪生(SMDT)平台及新型导航系统,结合云与C-V2X技术提升交通效率与安全,仿真验证其降低旅行时间且延迟满足3GPP标准。
2024-02-20 cs.SY eess.SY
A Highway Toll Lane Framework that Unites Autonomous Vehicles and High-occupancy Vehicles
我们考虑的情况下,具有低/高占用率的人类驾驶/自动驾驶车辆共享一段高速公路,自动驾驶车辆能够通过保持比人类驾驶车辆更短的车头时距来增加交通吞吐量。我们提出了一个收费车道框架,高速公路上的一条车道自由地保留给具有高占用率的自动驾驶车辆,这些车辆具有最大的社会流动性,其他三类车辆可以选择使用收费车道或自由使用其他常规车道。假设所有车辆只对最小化其自身的旅行成本感兴趣。我们探索由此产生的车道选择均衡的框架下,并建立理想的属性的均衡,其中隐含的高占用车辆与自动驾驶汽车的能力,以增加社会流动性。我们进一步使用最佳收费设计,占用阈值设计和政策设计问题中的数值例子来阐明这种将高占用车辆和自动驾驶车辆结合在一起的收费车道框架的各种潜在应用。据我们所知,这是第一项系统研究收费车道框架的工作,该框架将自动驾驶车辆和道路上的高占用车辆结合起来。
2021-07-26 cs.SY eess.SY
Congestion-Aware Randomized Routing in Autonomous Mobility-on-Demand Systems
本文研究了自主车辆在拥堵城市道路网络中的路由和重新平衡问题,提出了一种随机算法,在多项式时间内找到近似最小化道路上车辆数的低拥堵解决方案,并提供理论界限和实验证明其有效性。
2016-09-15 cs.SY eess.SY
Optimal Vehicle Dimensioning for Multi-Class Autonomous Electric Mobility On-Demand Systems
University of Idaho(爱达荷大学)
本文研究多类自主电动出行按需系统中各区域的最优车辆配置,通过排队模型推导稳定性条件和系统类别的数量,以保证响应时间上限,并优化车辆充电比例以减少流入量,同时分析罕见事件下的客户等待时间。
2018-01-04 cs.SY eess.SP eess.SY
Regime-Calibrated Fleet Repositioning with a Spatial Queue-Regret Decomposition
本文提出一种校准预测后优化方法,通过匹配历史需求制度与当前查询块,结合校准需求先验,传递给车队平衡控制器,减少等待时间并提升重新定位效率。
2026-05-10 cs.AI cs.LG cs.SY
Bidirectional Charging Use Cases: Innovations in E-Mobility and Power-Grid Flexibility
本文探讨车联万物(V2X)技术在德累斯顿Ostra区提升电网稳定性与支持可持续出行的潜力,分析BIVES和RESB等用例,指出其在城市实施的优势与挑战,并提出加速V2X应用的建议。
2024-12-05 cs.SY eess.SP 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
A Companion App for an Autonomous Family Vehicle: Identification of Values for an Autonomous Mobility System
Braunschweig, Germany(德国布伦瑞克)
本文提出一款面向需要陪同人员的用户群体的自主车辆伴侣应用,支持可信人员跟踪行程和远程设置车辆,并识别影响乘客和可信人员的价值观。
2026-06-09 cs.CY cs.SY eess.SY
Smart Mobility Digital Twin for Automated Driving: Design and Proof-of-Concept
Tokyo Institute of Technology(东京工业大学)
本文提出基于数字孪生的智能出行平台,利用云/边缘计算和协同环境感知实现实时交通监控与大规模路径规划,并通过真实车辆概念验证其功能与低时延性能。
2023-12-25 cs.RO cs.SY eess.SY
Integrated Longitudinal Speed Decision-Making and Energy Efficiency Control for Connected Electrified Vehicles
为提高互联电动汽车的行驶机动性和能源效率,提出了一种集成纵向速度决策和能源效率控制策略。所提出的方法是一个分层的控制体系结构,它被假定为包括较高级别和较低级别的控制。本文以模型预测控制和强化学习为核心,针对一组自动驾驶汽车,将两者相结合,以提高动力总成的机动性和燃油经济性。更高级别的系统通过车辆到基础设施和车辆到车辆的通信来利用连接的自动驾驶车辆的信号相位、定时和状态信息,以减少红灯停车。上位机采用模型预测控制技术输出最优车速,下位机进行功率分配控制。这两个级别通过实车中的控制器局域网相互通信。较低级别利用无模型强化学习方法来提高每个连接的自动驾驶车辆的燃油经济性。数值试验表明,通过减少红灯怠速,车辆的机动性可以得到显著改善(行驶时间减少30%)。通过不同节能控制方案的对比分析(燃油经济性提高13%),验证了该方法的有效性和性能。
2020-07-24 cs.SY eess.SP eess.SY
Electric Vehicles Limit Equitable Access to Essential Services During Blackouts
该研究构建计算框架量化电动汽车对停电期间出行及基本服务获取的影响,分析电池容量、Vehicle-to-Grid与公共充电的权衡,指出电气化需纳入城市决策以保障公平获取。
2024-02-23 cs.NI cs.SY eess.SY
A generalized ride-matching approach for sustainable shared mobility
按需共享交通是一种有前途的可持续交通方式,可以缓解交通拥堵和排放等车辆外部性。按需共享移动系统需要基于实时信息将一个(一对一)或多个乘客(多对一)匹配到车辆。提出了一种新的基于图的多对一乘车匹配(GMOMatch)算法,用于解决交通拥堵情况下的动态多对一匹配问题。GMOMatch是一种迭代的两步方法,它提供了高的服务质量,并且在计算复杂度方面是有效的。它从步骤1中的一对一匹配开始,然后在步骤2中解决最大权重匹配问题以组合旅行请求。为了评估性能,将其与Simonetto等人开发的乘车匹配算法进行了比较。(2019)。这两种算法实现在一个微型交通模拟器,以评估其性能和它们对多伦多市中心的道路网络交通拥堵的影响。与Simonetto相比,GMOMatch的服务率、车辆行驶公里数和交通行程时间分别提高了32%、16.07%和4%。敏感性分析表明,与容量为4的车辆相比,使用容量为10的车辆可以实现25%的服务率提高。
2021-10-03 cs.MA cs.SY eess.SY
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
High-Speed, All-Terrain Autonomy: Ensuring Safety at the Limits of Mobility
Department of Mechanical Engineering, University of Michigan(密歇根大学机械工程系);U.S. Army Ground Vehicle Systems Center(美国陆军地面车辆系统中心)
本文提出一种新型局部轨迹规划器,通过能量约束实现高速越野车辆在复杂地形中的安全行驶,通过仿真和实验证明其在极端场景下的有效性。
2026-03-20 cs.RO cs.SY eess.SY
On Optimizing Shared-ride Mobility Services with Walking Legs
与门到门(D2 D)共享乘车服务相比,结合旅行者步行腿的共享乘车移动性服务旨在减少车辆行驶公里数(VKT)、车辆行驶小时数(VHT)、请求拒绝、车队规模或这些因素的某种组合。本文提供了一个评论共享乘车服务与步行腿(SRSWL),特别是在文献中的研究模型与SRSWL相关的操作问题(S)。本文介绍了SRSWL的运营和社会效益,以及比较SRSWL迂回D2 D共享乘车服务,乘车服务,固定路线的交通服务,在VKT和旅客步行距离。然后,本文描绘了与SRSWL的业务子问题,并讨论了它们的计算复杂性。此外,审查分类的配置SRSWL的基础上的灵活性,在分配旅客接送地点。本文还讨论了四个建模挑战:短途人员出行,车辆最后剩余乘客的下车位置选择,允许车辆在上车位置等待旅客,同时降低VHT/VKT并提高相对于D2 D共享乘车服务的客户服务质量。评论文件的结论是讨论SRSWL相关的未来研究的最关键领域。
2022-01-29 cs.MA 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
Nonlinear Model Predictive Control-Based Reverse Path-Planning and Path-Tracking Control of a Vehicle with Trailer System
Automated Driving Lab, Ohio State University(俄亥俄州立大学自动驾驶实验室);HATCI(现代汽车美国技术中心)
针对带挂车车辆倒车泊车难度大的问题,提出基于NMPC的自动化方案,仅以挂车为独立对象做规划跟踪再通过逆运动学传递控制至牵引车,可加前向调整阶段,经仿真与硬件在环测试验证有效。
2025-09-01 cs.RO cs.SY eess.SY
AV4EV: Open-Source Modular Autonomous Electric Vehicle Platform for Making Mobility Research Accessible
School of Engineering and Applied Science, University of Pennsylvania(宾夕法尼亚大学工程与应用科学学院);Autoware Foundation Center of Excellence for Autonomous Driving(Autoware基金会自动驾驶卓越中心);Professorship of Autonomous Vehicle Systems, Technical University of Munich(慕尼黑工业大学自动驾驶系统教授席位);Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague(布拉格捷克技术大学捷克信息学、机器人学与控制论研究所);Red Hat Research(红帽研究部)
针对自动驾驶研究中车辆平台成本与性能难以平衡的问题,研究团队提出1/3比例的开源模块化AV4EV电动卡丁车平台,支持多驾驶模式与多传感算法部署,兼顾成本与性能相似度,相关材料已开源以推动领域协作。
2024-04-12 cs.RO cs.SY eess.SY
Controlled Mobility for C-V2X Road Safety Reception Optimization
用于道路安全的C-V2X用例需要车辆之间的实时网络连接和信息交换。为了提高系统的可靠性和安全性,智能网联汽车需要协同移动,实现网络优化。在本文中,我们使用C-V2X侧链路模式4抽象和C-V2X网络级仿真的回归结果来制定在道路安全场景中具有公平性的分组接收速率(PRR)的优化。在此优化框架下,我们设计了一种受控移动算法,使传输节点能够自适应地调整位置,从而仅使用一跳信息就能最大化聚合PRR。仿真结果表明,该算法具有较好的收敛性,提高了C-V2X模式广播消息的聚合PRR和公平性。
2022-05-03 cs.NI cs.SY eess.SY
BAXTER: Bi-modal Aerial-Terrestrial Hybrid Vehicle for Long-endurance Versatile Mobility: Preprint Version
Korea Advanced Institute of Science and Technology(韩国科学技术院);Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
无人驾驶飞行器在机器人领域内迅速发展。然而,它们的性能往往受到有效载荷能力、操作时间以及对撞击和碰撞的鲁棒性的限制。飞行器的这些限制对于在具有挑战性的环境中的任务变得更加严重,例如地下结构,其可能需要在受限空间中扩展自主操作。虽然空中机器人的软件解决方案正在迅速发展,但硬件的改进对于在大而危险的环境中应用先进的规划器和算法至关重要,在这些环境中,大多数现代空中机器人的短距离和对碰撞的高度敏感性使得在现实的地下任务中的应用不可行。为了提供这样的硬件能力,需要设计和实现考虑尺寸、重量和功率(SWaP)约束的硬件解决方案。这项工作的重点是提供一个强大的和多功能的混合平台,提高有效载荷能力,操作时间,耐力和多功能性。双模式空中和地面混合动力车辆(BAXTER)是一种提供空中和地面两种操作模式的解决方案。BAXTER采用了两种新颖的硬件机制:M型悬架和解耦变速器,它们共同提供了在着陆和碰撞过程中的弹性以及高效的地面操作。进行了广泛的飞行试验,以表征车辆的能力,包括鲁棒性和耐久性。此外,我们还提出了敏捷模式转换(AMT),这是一种从空中到地面操作的过渡,旨在最大限度地减少对地面冲击期间的脉冲,这是一个快速简单的过渡过程,利用了百特的抗冲击能力。
2021-02-05 cs.RO 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
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