[论文解读] The vehicle relocation problem for the one-way electric vehicle sharing

Maurizio Bruglieri, Alberto Colorni+1 more|arXiv (Cornell University)|Jul 27, 2013

Transportation and Mobility Innovations参考文献 22被引用 10

一句话总结

本文提出一种混合整数线性规划（MILP）模型，以解决单向电动共享汽车系统中的车辆重新调度问题，即需由工作人员将车辆在各站点间重新定位，以平衡供需，同时考虑电池电量水平。该方法将车辆重新调度与能效约束相结合，并利用有效不等式提升求解效率，在基于米兰道路网络的实例中使用CPLEX验证了其有效性。

ABSTRACT

Traditional car-sharing services are based on the two-way scheme, where the user picks up and returns the vehicle at the same parking station. Some services permits also one-way trips, which allows the user to return the vehicle in another station. The one-way scheme is quite more attractive for the users, but may pose a problem for the distribution of the vehicles, due to a possible unbalancing between the user demand and the availability of vehicles or free slots at the stations. Such a problem is more complicated in the case of electrical car sharing, where the travel range depends on the level of charge of the vehicles. The paper presents a new approach for the Electric Vehicle Relocation Problem, where cars are moved by personnel of the service operator to keep the system balanced. Such a problem generates a challenging pickup and delivery problem with new features that to the best of our knowledge never have been considered in the literature. We yield a Mixed Integer Linear Programming formulation and some valid inequalities to speed up its solution through a state-of-the art solver (CPLEX). We test our approach on verisimilar instances built on the Milan road network.

研究动机与目标

• 解决由于用户需求和各站点间供需不平衡导致的一氧化碳电动共享汽车系统中车辆分布失衡问题。
• 将电池电量水平作为车辆重新调度决策中的关键约束，反映实际电动汽车续航能力的限制。
• 开发一种混合整数线性规划模型，以优化服务运营商的车辆重新调度路线与时间安排。
• 通过引入有效不等式提升求解速度，强化MILP模型的数学形式。
• 在基于米兰道路网络的真实实例上评估该模型。

提出的方法

• 将电动车辆重新调度问题（EVRP）建模为混合整数线性规划（MILP），整合车辆可用性、需求以及电池电量水平。
• 将车辆移动建模为带时间窗和能效约束的取送货问题，反映电动汽车的运行限制。
• 引入有效不等式以收紧数学规划形式，加速CPLEX中的收敛速度。
• 通过预处理步骤，基于米兰道路网络和历史需求模式生成真实感测试实例。
• 采用滚动时域方法实现不确定性需求和车辆可用性下的动态决策。
• 采用先进的优化求解器（CPLEX）高效求解MILP模型。

实验结果

研究问题

• RQ1 在电池电量约束下，如何优化单向电动共享汽车系统中的车辆重新调度？
• RQ2 引入有效不等式对MILP模型的求解时间与解的质量有何影响？
• RQ3 所提出的MILP模型在现实城市道路网络（如米兰）中平衡各站点车辆分布的效率如何？
• RQ4 在电动共享汽车系统中，重新调度成本、服务覆盖范围与电池电量状态之间存在何种权衡？
• RQ5 所提出的模型能否在动态需求变化下维持系统平衡？

主要发现

• MILP模型能有效捕捉带电池约束和重新调度决策的单向电动共享汽车系统的复杂性。
• 引入有效不等式显著缩短了求解时间，提升了CPLEX中的收敛速度。
• 在基于米兰的测试实例中，该模型成功维持了各站点之间的系统平衡，最小化了未满足需求与车辆短缺。
• 电池电量水平是重新调度规划中的关键因素，忽略该因素将导致不可行或次优解。
• 该方法在真实城市道路网络中展现出良好的可扩展性与实际可行性，支持实际运营部署。
• 结果表明，基于预测需求与电量水平的主动重新调度可显著提升系统效率与用户满意度。