供需不确定下自动驾驶按需系统中数据驱动分布鲁棒电动汽车调度平衡
最优化与控制
2022-11-28 v1 机器人学
系统与控制
系统与控制
摘要
电动汽车（EVs）因其经济与社会效益正被快速采用。自动驾驶按需（AMoD）系统也顺应此趋势。然而，EVs 较长的充电时间与较高的补电频率对高效管理 EV AMoD 系统构成挑战。EV AMoD 系统复杂的动态充电与出行过程使得在设计车辆平衡算法时供需不确定性显著。本工作中，我们设计了一种数据驱动的分布鲁棒优化（DRO）方法，以平衡 EVs 的出行服务与充电过程。优化目标是在乘客出行需求不确定性与 EV 供给不确定性下最小化最坏情况期望成本。我们随后提出一种新颖的分布不确定性集构造算法，保证所生成的参数以给定概率落于期望置信区域内。为求解所提 DRO AMoD EV 平衡问题，我们推导了等价的计算易处理凸优化问题。基于某出租车系统的真实世界 EV 数据，我们表明相较不考虑不确定性的解，采用我们的解平均总平衡成本降低 14.49%，平均出行公平性与充电公平性分别提升 15.78% 与 34.51%。
引用
@article{arxiv.2211.13797,
title = {Data-Driven Distributionally Robust Electric Vehicle Balancing for Autonomous Mobility-on-Demand Systems under Demand and Supply Uncertainties},
author = {Sihong He and Zhili Zhang and Shuo Han and Lynn Pepin and Guang Wang and Desheng Zhang and John Stankovic and Fei Miao},
journal= {arXiv preprint arXiv:2211.13797},
year = {2022}
}
备注
16 pages