En este trabajo, se establecen los equilibrios de tráfico para flujos de tráfico mixtos de vehículos conducidos por humanos (HDV) y vehículos conectados y autónomos (CAV) bajo un esquema de crédito negociable (TCS) y se formulan como dos problemas de desigualdad variacional (VI) con una tasa de penetración de CAV exógena y endógena, respectivamente. Se propone un método dual lagrangiano modificado (MLD) integrado con un algoritmo de intercambio de rutas de Smith revisado (RSRS) para resolver los problemas. Basándose en el análisis numérico, se investigan los impactos de la penetración de CAV y el gasto extra de usar un CAV en el rendimiento de la red. Para mejorar la eficiencia del TCS se propone una novedosa gestión de la calzada, el enlace vehículo autónomo/carga de crédito (AVCC). Bajo el TCS con una tasa de penetración exógena del CAV, se aplica un modelo basado en logit para describir el equilibrio estocástico del usuario para el flujo de tráfico mixto. Se constata que la penetración de CAV da lugar a un mejor rendimiento de la red y que puede mejorarse aún más mediante el despliegue de enlaces AVCC. Bajo el TCS con tasa de penetración endógena, se aplica un modelo logit anidado para describir las elecciones de los viajeros en cuanto a tipos de vehículos y rutas. Se constata que el despliegue de enlaces AVCC puede ralentizar la tasa de disminución de la penetración de los CAV con el aumento de los gastos y, por tanto, garantizar un tiempo medio de viaje inferior para los CAV. En ambos casos, el despliegue de enlaces AVCC puede estimular el comercio de créditos y reducir su precio unitario.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
¿Qué es la administración de la cadena de suministro (SCM)?
Artículo:
Gestión del riesgo de la cadena de suministro en las terminales de contenedores de los puertos marítimos
Artículo:
Optimización de la trayectoria de CAVs en zonas de trabajo de autopistas considerando comportamientos de seguimiento de coches usando aprendizaje de refuerzo multiagente online.
Artículo:
Estrategia de control longitudinal óptimo de pelotones mediante optimización mejorada de enjambre de partículas
Artículo:
Impacto de la reducción de capacidad en los sistemas de transporte en condiciones de incertidumbre