مدل مسیریابی خدمات تغذیه‌کننده‌های شبه همگانی با استفاده از خودروهای خودران در معابر شهری

اگر از خودروهای خودران در طرح خدمات تماس سفر استفاده شود، محدودیت‌های مربوط به وجود راننده، مانند محدودیت زمانی رانندگی، از بین می‌روند. مسئله مسیریابی تماس – سفر مطالعه حاضر به دنبال ارائه برنامه‌ریزی مسیریابی ناوگانی از وسایل نقلیه خودران الکتریکی است، که به گروهی از درخواست‌های سفر خدمت‌رسانی می‌کنند. هدف از مسئله تعریف شده، بهینه‌سازی تعداد ناوگان برای خدمت‌رسانی، کمینه کردن هزینه‌های مسیرهای خودروها و ناراحتی مسافران است. مسئله حاضر علاوه بر محدودیت‌های راحتی سفر کاربران، با چالش‌هایی از جمله مدیریت باتری و انحراف مسیر خودرو‌ها به ایستگاه‌های شارژ نیز مواجه است. در پژوهش حاضر ابتدا یک مدل ریاضی چند هدفه مقید متناسب با مسئله مسیریابی مورد نظر بررسی می‌گردد، سپس یک روش حل دو مرحله‌ای مبتنی بر الگوریتم فرا ابتکاری ژنتیک ارائه می‌گردد. ساختار الگوریتم ژنتیک به گونه‌ای معرفی می‌گردد که تعیین تعداد ناوگان و تخصیص مسافران به خودروها را شامل شود. برای حل مسئله و تحلیل نتایج بدست آمده با روش حل پیشنهادی، نمونه داده‌های جدیدی، از طریق پردازش داده‌های خام شرکت اوبر در شهر سانفرانسیسکو آمریکا، ایجاد گردید. نتایج نشان می‌دهند که روش حل پیشنهادی قادر به بدست آوردن جواب‌های با کیفیت در زمانی قابل مقایسه با روش حل دقیق شاخه و برشِ مطالعه پیشین می‌باشد. همچنین نتایج حل مسئله برای نمونه داده‌های جدید نشان می‌دهد که همواره استفاده از حداقل تعداد ناوگان منجر به جواب‌های برتر و بهینه نمی‌شود. به علاوه نتایج حاکی از آن است که مقصد یکسانِ برخی مسافران در هنگام فعالیت خدمات تغذیه‌کننده، باعث افزایش میزان همسواری می‌گردد.

optimal routing for shared autonomous vehicles feeder services in urban networks

the complexities of operating dar services mean that computerized planning and scheduling is necessary for systems of realistic size. this research studies an electric autonomous fleet size with mix dial a ride problem. the goal of the problem is to minimize a weighted objective function consisting of the total travelling costs of all vehicles, users’ excess ride time costs and vehicles’ acquisition costs while satisfying customer service level constraints along with battery level management and recharge times management constraints. in this variant of the dial a ride problem, recharging at any of the available charging stations is allowed. a cluster first, route second genetic algorithm is proposed to solve the problem, where the clustering is performed by choosing the fleet size and assigning the customers to the fleet using a genetic algorithm (ga), then the primary routes are developed by a routing heuristic, finally the charging stations will be inserted to the algorithm using an insertion technique. the performance of the proposed method is tested by using benchmark instances of a related problem from the recent literature. the proposed method has achieved solutions comparable with the current state of art methods. the computational results show that the proposed method is effective in finding comparable solutions with the current state of art method. new instances, some of which include first mile feeder services, are generated based on the data from uber technologies inc. tests performed on new instances demonstrate that the minimum possible fleet size does not always result in minimum costs. moreover, the tests show that integration of the feeder services into dial a ride services increases ride sharing ridership..