[論文レビュー] Electric Vehicle E-hailing Fleet Dispatching and Charge Scheduling

Linji Chen, Homayoun Hamedmoghadam+2 more|arXiv (Cornell University)|Feb 24, 2023

Electric Vehicles and Infrastructure被引用数 8

ひとこと要約

論文は、充電スケジューリングと運転手の適合インセンティブを組み込んだ、完全電動eハailing fleetの中央配車の確率的マッチングフレームワークを提案し、期待利益を最大化します。

ABSTRACT

With recent developments in vehicle and battery technologies, electric vehicles (EVs) are rapidly getting established as a sustainable alternative to traditional fossil-fuel vehicles. This has made the large-scale electrification of ride-sourcing operations a practical viability, providing an opportunity for a leap toward urban sustainability goals. Despite having a similar driving range to fossil-fuel vehicles, EVs are disadvantaged by their long charging times which compromises the total fleet service time. To efficiently manage an EV fleet, the operator needs to address the charge scheduling problem as part of the dispatch strategy. This paper introduces a probabilistic matching method which evaluates the optimal trip and charging decisions for a fully electrified e-hailing fleet, with the goal of maximising the operator's expected market profit. In the midst of the technological transition towards autonomous vehicles, it is also critical to include stochastic driver behaviours in transport models as presented in this paper. Since drivers may either comply with trip dispatching or choose to reject a charging trip order considering the additional fees, contrary to the commonly assumed fleet autonomy, the proposed method designs an incentivisation scheme (charging discounts) to encourage driver compliance so that the planned charging trips and the associated profit can be realised.

研究の動機と目的

• ride-sourcingにおける大規模なEV導入を動的な配車と充電 schedulingを統合して動機づける。
• dynamicな需要、充電時間、運転手行動を考慮した中央集権的な確率的マッチング手法を開発する。
• 充電 trips への運転手の遵守を高めるインセンティブ政策（充電割引）を設計する。
• フリート管理モデルにおける確率的な運転手行動と乗客キャンセルを組み込む。

提案手法

• 離散間隔でのバッチマッチングフレームワークを定義し、空車EVを待機乗客または充電器とSoC制限内でペアリングする。
• 配車オプションの期待利益を、金銭的利益、サービス品質、充電の限界価値（rho_e）を考慮して定量化する。
• 動的充電価格と割引をモデル化して運転手の充電 trips への遵守を計算する；2段階最適化（インセンティブ設計→二部グラフマッチング）を用いる。
• 局所ゾーンベースの利益ベースラインと将来の需要/供給予測から充電の限界価値 rho_e を計算する。
• 現実的な市場ダイナミクスを反映するために、乗客キャンセルと運転手のシフト/退出行動を組み込む。

Figure 1 : Illustration of the batch matching options. Vacant EVs are matched with waiting passengers and chargers within their SoC travel range.

実験結果

リサーチクエスチョン

• RQ1 EV充電スケジューリング制約下で、中央集権的確率的マッチングフレームワークはeハailing TNCの期待利益を最大化できるか。
• RQ2 確率的な運転手・乗客行動下で、運転手の遵守と全体の配車収益性を最大化する充電インセンティブはどう設計すべきか。
• RQ3 SoCダイナミクスと充電時間が最適な配車決定とサービス品質に与える影響は。
• RQ4 局所ゾーンの充電の限界価値をどのように推定し、マッチング決定に生かすべきか。
• RQ5 提案手法の性能に影響を与える行動モデル（乗客キャンセル、運転手遵守、シフト）とは何か。

主な発見

• 確率的マッチングアプローチは充電決定と運転手の遵守を組み込むことで期待利益を改善できる。
• 充電インセンティブ（割引）は運転手の遵守に影響を与え、マッチング解を支援する二段階プロセスで最適化できる。
• 本モデルは乗客の待機・ピックアップ時間とフリートSoCの限界価値を考慮して将来の収益性を捉える。
• 局所的な充電の限界価値rho_eを車両-ゾーンごとに算出し、配車と充電の意思決定を導く。
• シミュレーションはManhattanネットワークを用い、EV、充電ステーション、現実的な乗客忍耐性を反映して手法を検証する。

Figure 2 : Illustration of zones around vacant EVs in a network. Assuming the travel time is proportional to the Euclidean distance between two points in the network, the circular zones represent the local markets. For example, there are $2$ vacant EVs and $3$ waiting passengers in zone $1$ . The zo