本文考虑了在容量充足的交通网络中提供按需移动性的共享自动(即自动驾驶)车辆车队的路由和重新平衡问题,其中拥塞可能会破坏吞吐量。
我们在网络流框架内对问题进行建模,并表明在相对温和的假设下,如果适当协调,再平衡车辆不会导致拥堵增加(与普遍看法形成鲜明对比)。 从算法的角度来看,这种理论见解表明,可以将路由客户和重新平衡车辆的问题解耦,从而为自动驾驶汽车提供一种计算效率高的路由和重新平衡算法。 数值实验和案例研究证实了我们的理论见解,并表明所提出的算法通过避免道路上的过度拥堵而优于最先进的点对点方法。 总的来说,本文提供了一种严谨的方法来解决自动驾驶车辆的拥塞感知、系统范围内的协调问题,以及此类机器人系统可持续性的表征。
在本文中,我们提出了在容量道路网络上的自主移动按需系统的网络流模型。 我们制定了路由和再平衡问题,并表明在对称道路网络上,始终可以以不增加交通拥堵的协调方式对再平衡车辆进行路由。 使用曼哈顿的模型道路网络,我们表明即使网络不对称程度适中,再平衡也不会增加拥堵。 我们利用理论见解开发了一种计算效率高的实时拥塞感知路由和再平衡算法,并通过仿真证明了它在最先进的点对点再平衡算法上的性能。 这突出了拥堵意识在自动驾驶车队控制策略的设计和实施中的重要性。
这项工作为许多未来的研究途径打开了这个领域。 首先,注意积分CRRP的解可以直接用作实用的路由算法。 对于大规模系统,可以使用随机算法 [42]、[43] 获得积分 CRRP 的高质量近似解。 其次,从建模的角度来看,我们希望研究包含随机信息(例如,需求预测、旅行时间不确定性)来解决路线和再平衡问题,以及更丰富的性能指标和约束(例如, 接客户的时间窗口)。
第三,值得研究我们的结果如何直观地了解自动城市交通的商业模式(例如车队规模)。 第四,探索其他可能减少拥堵的方法是有意义的,包括拼车、错开需求以及与公共交通整合以创建多式联运网络。 第五,我们想探索用于协作路由和再平衡的去中心化架构。 最后,我们想展示使用高保微观交通模拟器,并在真正的自动驾驶车辆车队中实施。真算法的实际性能。