[論文レビュー] Fleet Size and Spill for UAM Operation under Uncertain Demand

Shangqing Cao, Xuan Jiang+5 more|arXiv (Cornell University)|Jul 1, 2024

Aerospace Engineering and Control Systems被引用数 6

ひとこと要約

本論文は、需要不確実性の下での UAM需要モデルと二つの整数計画最適化を開発し、二つの vertiport ネットワークにおける fleet サイズと spill のトレードオフを検討する。spill は fleet サイズに対して弾性がなく、需要の不均衡によって推進されることを示す。

ABSTRACT

Variation and imbalance in demand poses significant challenges to Urban Air Mobility (UAM) operations, affecting strategic decisions such as fleet sizing. To study the implications of demand variation on UAM fleet operations, we propose a stochastic passenger arrival time generation model that uses real-world data to infer demand distributions, and two integer programs that compute the zero-spill fleet size and the spill-minimizing flight schedules and charging policies, respectively. Our numerical experiment on a two-vertiport network shows that spill in relatively inelastic to fleet size and that the driving factor behind spill is the imbalance in demand.

研究の動機と目的

• 需要変動下での Urban Air Mobility における効果的なフリート規模設定の必要性を動機づける。
• 実世界データを用いて、二つの vertiport 間の UAM の旅客到着過程を確率的に構築する。
• ゼロ spill のフリート規模と spill 最小化のスケジューリングおよび充電方針を計算する二つの整数計画モデルを提案する。
• 需要の不確実性下でフリート規模と旅客 spill とのトレードオフを分析する。

提案手法

• 航空スケジュールから hourly UAM 旅客到着を生成し、日内および日ごとの変動を捉えるために自己回帰的ダイナミクスを使用する確率的需要モデルを構築する。
• 需要実現を飛行需要と占有率に変換し、最適化の入力として用いる。
• 車両の充電および SoC ダイナミクスを考慮したフリート規模決定（ゼロ spill）最適化を、フリート規模を最小化する形で定式化する。
• ゼロ-spill サイズより小さいフリートに対して、スケジュールの spill を最小化しつつ飛行には小さなペナルティを課す spill 最適化を行う。
• 非線形充電モデルと SoC離散化を用いた整数計画で、二段階フレームワークを実装して解く。
• 旅客到着をフリート規模モデルの飛行需要に変換する決定的ディスパッチ方針を使用する。

Figure 1: Analytical Framework

実験結果

リサーチクエスチョン

• RQ1 需要不確実性は、ゼロ spill を満たすために必要な最小フリート規模にどのような影響を与えるか？
• RQ2 二つの vertiport 網における不確実で不均衡な需要の下で、フリート規模と spill にはどのような関係があるか？
• RQ3 充電制約とバッテリの SoC ダイナミクスは、変動性の下で最適飛行スケジューリングとフリート規模設定にどのように影響するか？
• RQ4 日内変動が日次変動と比べてフリート要件にどの程度影響するか？

主な発見

• spill はフリート規模に対して比較的弾性がなく、特に需要水準が高い場合に顕著である。
• spill を生み出す主な要因は、全体的な需要量よりも origin–destination ペア間の需要不均衡である。
• ゼロ spill のフリート規模は需要と日内変動の増加とともに増える。
• フリート規模が小さくなると spill は他の期間へ移動し、spill の分散が増加する。
• より大きなフリートを維持することは、充電とスケジューリングの柔軟性を高め、spill を減らす。
• studied シナリオにおいて、フリート規模と spill には凸関係が見られる。

Figure 2: An example of 100 realizations of autoregressive passenger arrival time generation using the flight schedule of a major U.S. airport on 1/1/2019. The autoregressive coefficient is set to $\alpha=0.7$ . The realized passenger arrival process vary around the expected hourly rate $\Lambda^{0}