.png){kind=icon}
返回
Incentive-Based Simulation-Optimization Framework for Rebalancing Micromobility Systems
.png){kind=icon}
PRE
AI
DOI：10.1177/03611981261419006.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究针对快速扩张的共享单车系统中，因需求波动而引发的电动滑板车再平衡关键挑战。提出了一种创新性的用户自适应再平衡策略，通过用户中心的激励措施引导用户调整目的地至高需求区域，具体涉及目的地和充电区域的重定位。该策略旨在简化再平衡操作，减少未满足需求和夜间重定位成本，提升系统整体效率与盈利能力。为解决所提出的再平衡问题，将粒子群优化（PSO）与仿真框架相结合。PSO通过迭代优化候选方案，减少对大量仿真运行的需求，提高计算性能。所提出的框架将优化运行时间缩短了27%。通过全面仿真、敏感性分析和PSO运行，确定了最优折扣率和电池电量阈值，有效引导用户在系统偏好的位置停放滑板车。结果表明系统利润显著提升，凸显了所提再平衡策略的有效性。数值结果突显了自适应、激励驱动的策略在提升电动滑板车共享网络运营效率、计算性能和可持续性方面的潜力。
Keyword:
micromobility
incentive
rebalancing
charging
repositioning
simulation
期刊
T
IF:
1.8
论文数:
876
被引数:
3.4W
机构
引用论文
暂无论文信息