CARGO：面向电动物流配送的充电与路径联合优化框架
人工智能
2025-08-05 v1
摘要
随着可持续物流领域的不断发展，基于电动汽车（EV）的配送提供了城市物流的一个有前景的替代方案。然而，电动汽车面临电池容量有限的挑战，需仔细规划充电方案。充电规划取决于充电点（CP）的可用性、费用、距离以及车辆的电量状态（SoC）。本文提出CARGO框架，解决基于电动汽车的配送路径规划问题（EDRP），该框架在时间窗内联合优化路径规划和充电方案。经过证明问题为NP难难题后，本文提出基于混合整数线性规划（MILP）的精确求解方法，并设计了一种计算效率高的启发式方法。利用真实数据集评估所提方法，通过将启发式方法与MILP解进行比较，并对比基线策略（最早截止时间优先EDF和最近交付优先NDF），结果显示在完成相当于基线的配送任务的同时，充电成本分别相较于EDF和NDF降低了最高39%和22%。
引用
@article{arxiv.2508.01476,
title = {CARGO: A Co-Optimization Framework for EV Charging and Routing in Goods Delivery Logistics},
author = {Arindam Khanda and Anurag Satpathy and Amit Jha and Sajal K. Das},
journal= {arXiv preprint arXiv:2508.01476},
year = {2025}
}