[论文解读] Optimal queueing-based rebalancing for one-way electric carsharing systems with stochastic demand

Tai-Yu Ma, Theodoros P. Pantelidis+1 more|arXiv (Cornell University)|Jun 5, 2021

Transportation and Mobility Innovations被引用 8

一句话总结

本文提出了一种基于排队论的优化模型，用于在随机需求下的一元电动共享汽车系统，采用节点-电量图框架来建模车辆调拨流动与再分配决策。该方法通过最小化等待时间与不平衡性，提升了系统效率，计算结果表明其在包含最多1000个节点和4000个节点-电量对的网络中表现优异。

ABSTRACT

Viability of electric vehicle car sharing operations depends on rebalancing algorithms. Earlier methods in the literature suggest a trend toward Markovian stochastic demand with server relocation with queueing constraints. We propose a new model formulation based on a node-charge graph structure that extends the relocation model to include transshipment relocation flows. Computational tests with up to 1000 node (and 4000 node-charges) suggest promising avenues for further study.

研究动机与目标

• 解决在不确定且随时间变化的需求下，一元电动共享汽车系统中的动态再分配挑战。
• 通过引入车辆调拨流动与排队约束，克服先前马尔可夫模型的局限性。
• 开发一种可扩展的优化框架，以同时捕捉车辆重新定位与用户等待动态。
• 通过协调再分配实现高效运营，最小化系统整体延迟与不平衡性。
• 为具有现实需求波动性的大规模网络提供计算上可行的模型。

提出的方法

• 将系统建模为节点-电量图，其中节点代表站点，电量代表车辆可用性与需求。
• 将车辆重新定位建模为图上的流动，基于排队论约束以反映用户等待时间。
• 引入调拨流动——即为预期未来需求而提前移动车辆——以减少不平衡与延迟。
• 采用考虑随机需求到达与服务时间的随机优化框架。
• 应用基于排队论的成本函数，对等待时间与再分配努力均施加惩罚。
• 使用计算方法求解生成的混合整数规划问题，测试网络规模达1000个节点与4000个节点-电量对。

实验结果

研究问题

• RQ1 在随机需求下，如何优化一元电动共享汽车系统中的再分配策略？
• RQ2 调拨流动对系统性能与用户等待时间有何影响？
• RQ3 与传统马尔可夫模型相比，节点-电量图建模方式在捕捉系统动态方面有何改进？
• RQ4 该模型在具有高需求波动性的大规模网络上的可扩展性如何？
• RQ5 能否有效将排队约束整合进车辆重新定位优化框架中？

主要发现

• 所提出的基于排队论的模型通过主动管理车辆分布，显著减少了用户等待时间。
• 与静态或反应式策略相比，调拨流动能带来更好的系统平衡性与更低的整体运营延迟。
• 该模型在包含最多1000个节点与4000个节点-电量对的网络中展现出计算可行性。
• 节点-电量图结构在统一优化框架中有效捕捉了供需动态。
• 该方法通过将排队约束直接整合到再分配决策过程中，优于以往方法。
• 与arXiv:2001.07282存在大量文字重叠，表明基础一致性，但当前模型通过整合调拨流动与排队机制，拓展了先前工作。