Resumen

El desequilibrio de los vehículos suele producirse en los sistemas de carsharing eléctrico multiestación. El método de activación de umbrales es uno de los enfoques más prácticos para la reubicación de vehículos, aunque la determinación de umbrales no se ha estudiado lo suficiente, en particular para los sistemas de carsharing eléctrico. Este artículo presenta un enfoque para determinar los umbrales teniendo en cuenta las demandas estocásticas y los estados del sistema. En primer lugar, establecemos un modelo de transición de estados que incluye variables estocásticas para capturar la dinámica del número y el estado de la batería de los vehículos, así como las demandas de tráfico. A continuación, se desarrolló un modelo de optimización de doble objetivo para determinar los valores adecuados de los umbrales. El algoritmo de solución empleó la optimización robusta min-max para abordar la incertidumbre y el óptimo de Pareto para decidir la solución bajo objetivos duales. Para comprobar las variables estocásticas de distribución, se recurre a los datos de los pedidos y a la encuesta complementaria a los usuarios. Se comparan tres métodos: las reglas empíricas, el método determinista y el método estocástico, y los resultados sugieren que el método estocástico consigue mejores soluciones para los objetivos duales bajo demandas estocásticas.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:umbrales, objetivos duales, demandas estocásticas, método estocástico, distribución de variables estocásticas, sistema de carsharing eléctrico, sistemas de carsharing eléctrico, optimización máxima robusta, modelo de optimización de objetivos, modelo de transición de estados
• Keywords:thresholds, dual objectives, stochastic demands, stochastic method, distribution stochastic variables, electric carsharing system, electric carsharing systems, max robust optimization, objective optimization model, state transition model