Resumen

La fusión de electricidad, automatización y uso compartido está dando lugar a un nuevo sistema de Movilidad Autónoma a la Demanda (AMoD, por sus siglas en inglés) en el transporte urbano actual, en el que los Vehículos Eléctricos Autónomos Compartidos (SAEV, por sus siglas en inglés) son una flota que ejecuta tareas de entrega, aparcamiento, recarga y reposicionamiento de forma automática. Para modelar el proceso de toma de decisiones del sistema AMoD y optimizar el despacho dinámico multiacción de los SAEV en un horizonte largo, el problema de despacho de los SAEV se modela primero según el Proceso de Decisión de Markov (MDP). A continuación, se construyen dos modelos de optimización, uno con visión de futuro y otro con visión a corto plazo, basados en la teoría de la optimización combinatoria. El primero se centra en la recompensa instantánea y de un solo paso, mientras que el segundo tiene como objetivo la recompensa acumulativa y de varios pasos. A continuación, el algoritmo de Kuhn-Munkres se establece como método de referencia para resolver el primer modelo con el fin de lograr instrucciones óptimas de asignación multiacción para los SAEV, y la combinación del algoritmo de aprendizaje Q profundo y el algoritmo de Kuhn-Munkres se diseña para resolver el segundo modelo con el fin de realizar la optimización global. Por último, se realiza un ejemplo de juguete, una macrosimulación de 1 mes y una microsimulación de 6 horas basadas en datos históricos reales de funcionamiento. Los resultados muestran que (1) el algoritmo de Kuhn-Munkres garantiza la eficacia computacional en la aplicación a gran escala en tiempo real del sistema AMoD; (2) el segundo modelo de optimización que considera el retorno a largo plazo puede disminuir el tiempo medio de espera de los usuarios y lograr un aumento del 2,78% en los ingresos totales en comparación con el primer modelo; (3) e integrar la teoría de optimización combinatoria con la teoría del aprendizaje por refuerzo es un paquete perfecto para resolver el problema de despacho dinámico multiacción de los SAEV.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:saevs, teoría de la optimización combinatoria, algoritmo munkres, kuhn, sistema amod, primer modelo, vehículos eléctricos autónomos compartidos, datos históricos reales de funcionamiento, instrucciones óptimas de asignación multiacción, proceso de decisión de markov
• Keywords:saevs, combinatorial optimization theory, munkres algorithm, kuhn, amod system, first model, shared autonomous electric vehicles, actual historical operation data, optimal multiaction allocation instructions, markov decision process