MODEMS: A Tailored Solution for Promoting On-Campus Passenger Mobility
本文提出了 MODEMS，一个用于校园内电动拼车服务的基于仿真的框架，该框架将路径规划挑战构建为一个异构电动自动预约需求问题，并采用混合整数线性规划模型与自适应大邻域搜索算法相结合的方法，在动态滚动时界框架下进行求解。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，大学校园就像一座小型、自给自足的城市。人们在建筑之间穿梭，但对于行动不便或携带重物的人来说，步行距离可能非常困难。虽然自行车和滑板车能提供帮助，但它们需要骑行者能够操作车辆。为了解决这个问题，慕尼黑联邦国防大学的研究人员正在开发一种系统，通过小型、电力驱动、无人驾驶的穿梭车将乘客直接送达目的地。挑战不仅在于制造这些车辆，更在于如何高效地管理一支车队。这些穿梭车的电池寿命有限，必须在特定的时间窗口内到达才能发挥作用，而且新的乘车请求随时可能出现。如果系统的计算速度太慢，就会错过行程；如果系统过于僵化，则可能导致电量耗尽或让乘客等待过久。目标是创建一个“数字大脑”，能够不断重新评估情况，在确保没有人被困且没有车辆在行驶中耗尽电量的同时，实时将乘客与合适的车辆进行匹配。
在一项新的研究中，一个研究小组构建并测试了一个名为 MODEMS 的软件框架，用以解决这个确切的问题。他们将校园视为一个复杂的拼图，每一个乘客请求都是必须嵌入移动画面中的一个碎片。研究人员创建了三种不同的数学模型来解决这个路径规划难题。第一种模型简单且快速，但它强迫系统接受每一次乘车请求，即使这意味着穿梭车会迟到或电量耗尽。第二种模型更为严格，拒绝任何无法完美符合时间限制的行程，这有时意味着为了保持严密的调度而不得不拒绝乘客。第三种模型是一种混合型模型，它允许系统在到达时间上具有灵活性，并允许在必要时拒绝困难的请求，同时仔细追踪每辆车的电池电量，以确保它们始终能够返回充电站。除了这些精确的数学模型外，团队还开发了一种工作起来像熟练领航员一样的搜索方法：它从一个良好的计划开始，然后不断进行微调，尝试成千上上万次细小的变化，以寻找更好的路径，同时避免陷入死胡同。
研究人员使用了一个真实的校园数字模拟环境来测试这些方法，该环境包含一个道路网络、指定的接送点以及一支由三种不同类型的电动穿梭车组成的车队。他们运行了数百次模拟，以观察当请求随机到达或成簇出现时，系统的表现如何。结果显示，当需求量较低时，严格的数学模型表现良好，但随着需求的增长，它们计算解决方案的速度变得太慢，无法及时响应。然而，基于搜索的方法即使在系统被大量请求淹没时，依然能保持快速和可靠。它能持续比其他方法承载更多的乘客，并且每次行程消耗的能量也更少。一个关键发现是，穿梭车开始一天工作的时间点至关重要。如果所有车辆同时开始工作，它们往往会同时耗尽电量，从而迫使系统停止接受乘车请求并进入统一充电阶段。通过交错安排车辆的启动时间，让它们在不同的间隔开始轮班，系统可以在一天中保持稳定的服务流，避免出现那类全线停摆的时期。
研究还表明，系统处理“假设”场景的方式至关重要。研究人员发现，一种用于检查新行程是否能融入现有路径的技术节省了大量的计算时间。系统无需在考虑每位新乘客时都从头开始重新计算整个行程，而是可以通过查看路径的相关部分，快速判断这种变化是否可行。这种效率使得系统能够在毫秒级做出决策，而这种速度对于一个实时运行的服务来说是必不可少的。模拟结果证明，虽然完美的、经过数学证明的解是最理想的，但在环境每分钟都在变化的动态环境下，这种解往往反应太慢。灵活的、基于搜索的方法被证明是最稳健的，能够适应突发的需求激增，并保持穿梭车的高效运转。
最终，这项工作为如何在校园或小型城市运行共享、按需的电动交通服务提供了蓝图。研究人员展示了通过将灵活的路由规则与智能搜索算法相结合，可以实现电动车队在不浪费能源或遗留乘客的情况下平稳运行。他们构建的系统目前是一个概念验证，这意味着其软件逻辑已在模拟环境中得到了测试，但尚未部署在真实的车辆上。然而，结果表明，这样的服务可以显著改善学生和教职员工的流动性，特别是对于那些无法轻松长距离步行的人群。该团队计划推进将该软件应用于实际车辆的工作，以观察数字预测在面对不可预测的交通和天气时的实际表现。他们的工作强调了，校园移动性的未来不仅在于车辆本身，更在于引导它们的智能化、自适应软件。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。