A joint optimization-simulation framework for decision-making in complex networks

Huang, Kai

doi:10.1016/j.tre.2026.104989

A joint optimization-simulation framework for decision-making in complex networks

2026-09-01

0

PRE

AI

DOI：10.1016/j.tre.2026.104989

原文链接

原文求助

摘要

En 中文

共享自动驾驶电动汽车（SAEVs）代表了一种集成了自动化、电动化和车辆共享的潜在出行模式，可在服务效率和可持续性方面提供潜在优势。SAEV系统的有效部署需要在不确定出行需求下协调优化长期战略规划决策和短期运营控制，这仍然是一个重大挑战。本文提出了一种在随机需求下的SAEV系统规划与运营联合优化-仿真框架。首先构建了一个混合整数非线性规划（MINLP）模型，用于在捕捉充电动态和需求不确定性的同时最大化运营商利润。该模型分解为两个相互关联的层级：上层优化模型确定车队规模和车辆分布等战略决策，下层仿真模型代表车辆再分配和移动等运营决策。为明确考虑需求不确定性，开发了一种两阶段随机优化方法，并辅以一系列定制化的求解算法。基于奥斯汀大都市网络（覆盖六个县和2,210个交通分析区）的案例研究用于评估所提出的框架。结果表明，集成方法在维持不同需求实现下的运营稳定性的同时，有效提高了系统盈利能力和服务绩效，突显了其适用于大规模SAEV系统规划和运营的适用性。

Keyword:

Vehicle sharing

Imbalance problem

Optimization

Simulation

A joint optimization-simulation framework for decision-making in complex networks

摘要

期刊

机构

引用论文