论文名称 使用电动车之一般共乘问题最佳化模式建构与求解
年别 108
学位 硕士
学校系所 交通大学 运输与物流管理学系
作者 李依庭
指导教授 卢宗成
论文摘要        本研究针对一般共乘问题 General Share a ride Problem, G SARP 问题进行延伸,以充电式 (Plug in) 电动出租车及汽油出租车之混合车队进行运输与配送服务, 此一延伸问题称为使用电动车 Electric Vehicles, EVs 之一般共乘问题G SARP EVs 。本研究以出租车营运业者的角度出发,于特定范围内进行服务,考量 营运时间内混合出租车队与人货配送需求之配对 、 车辆排程与电动出租车充电之规划,以营运业者利润 最大化为目标,在固定且已知的车队数量及车辆容量限制下,仅针对营运时间 前完成预约之乘客及货物需求进行服务 。
       根据G SARP EV s 问题之特性, 本研究 建构时空网络 (Time Space Networks)描述人流、物流与车流在时空维度上面的移动情形,并将时空网络分成需求面 包含人流及物流 与供给面 包含电动车流及汽油车流 时空网络 ,其中供给面时空网络以每辆车辆作为分层依据,以有效进行车辆排程之描述及电动出租车之电量追踪法 (Simulated 提升大规模问题之求解效率。为验证及测试 本研究发展之使用电动车之一般共 乘 问题最佳化模式 及启发式算法 之 应用绩效 ,本研究 以 业者 提供之 实际营运资料, 进行 调整后产出 不同规模之测试范例, 并 以 最佳化软件 Gurobi 进行 G SARP EVs 模式 构建与求解;模拟退火法则以 Python 语言进行撰写及求解,完成测试后 输出 结果 并进行比较与分析 。小规模范例测试 中,不论是 Gurobi 或是模拟退火法 皆能于短时间内求得最佳解,并输出车辆排程及充电规划结果 ;中、 大规模范例测试 中, 可验证本研究发展之 模拟退火法 的求解效率大幅领先最佳化求解软件 Gurobi 。
附件下载 (电子档于113-07-26后开放下载)
张贴日 2019/11/04
Hashtags
查看次数: 6