共享自动驾驶电动汽车（Shared Autonomous Electric Vehicles，SAEV）系统的快速发展为提升城市出行效率、降低交通相关排放提供了重要潜力。然而，现有多数研究将车辆指派、充电管理与拼车可行性分开处理，未明确捕捉其在跨区域及能量约束运行下的相互作用。本研究提出统一的跨区优化框架，在集成决策结构中联合考虑乘客匹配、车队再平衡、充电约束与拼车可行性。模型显式纳入乘客时间窗、充电需求及跨区域车辆转运规则，实现协同且能量感知的SAEV运营。研究人员开发了基于粒子群优化（Particle Swarm Optimization，PSO）的求解方法，并与贪婪算法及遗传算法比较，评估计算性能与解的质量。该框架实现了运营效率的持续提升。与基准方法相比，所提方案在不同需求强度下均保持稳定的服务质量，同时降低整体系统成本与能耗。敏感性分析进一步证实模型对乘客等待容忍度及运营参数变化的稳健性。研究结果表明，在SAEV系统中整合空间部署、能量约束与拼车决策具有重要意义。所提框架为可持续城市中设计可扩展、低碳且资源高效的共享自动驾驶出行系统提供了可操作的见解。
研究背景与意义
随着全球汽车保有量持续增长，交通部门面临的挑战日益严峻。中国公安部交通管理局官方统计显示，2025年中国民用汽车保有量已达4.69亿辆。如此庞大的汽车数量不仅加速能源消耗、加剧环境污染，还带来交通拥堵与停车困难等问题，严重影响城市可持续发展。在此背景下，城市亟需探索共享化、电动化与自动化相结合的出行解决方案，以提升车辆利用率并减少负外部性。共享自动驾驶电动汽车（SAEV）融合了共享经济、自动驾驶与电动化三大趋势，逐渐成为未来城市交通的重要发展方向。SAEV不仅能优化用户与车辆的互动、提升车辆使用效率，还可显著降低运营成本与人工调度成本。已有研究表明，共享自动驾驶车辆的运营可大幅减少车辆总数与空驶里程；自动驾驶技术减轻驾驶负担，对无驾照或希望在出行中处理其他事务的乘客更具吸引力；电动化则进一步降低运营成本并提升环境友好性。然而在实际运营中，SAEV系统面临多项挑战，尤其是跨区域部署、能量约束与拼车决策之间的耦合关系尚未被充分整合。现有研究多将车辆调度、充电管理与拼车可行性分离处理，限制了其在空间异质性显著的城市环境中的适用性。因此，构建统一框架以协同优化这些要素，对提升SAEV系统效率与可持续性具有重要意义。
关键技术方法
研究人员以大连某区域为例构建案例，将该区域按生活功能划分为三个子区域，结合60位乘客的小规模订单数据开展实验。研究采用滚动分配机制，设定车辆在完成订单后的决策逻辑，并在电力与容量约束下将单次订单视为包含拼车需求的乘客接送任务，选择到达客户位置时间最短的车辆接单。针对所构建的优化问题，研究人员分别采用先到先服务（FCFS）规则、粒子群优化（PSO）算法与遗传算法进行求解与对比。此外，通过构建二维参数测试矩阵，综合考察最大乘客等待时间（10–30分钟）与调度间隔（5–20分钟）对系统性能的影响，并结合敏感性分析验证模型的稳健性。
研究结果
问题定义（Problem Description）
研究聚焦于无人驾驶共享电动汽车的调度方案，重点分析车辆完成订单后的决策过程。在考虑电力与容量约束的前提下，将单次订单建模为包含拼车需求的乘客接送任务，并选择到达客户位置时间最快的车辆接受订单，采用同质车队开展调度。
数值实验与讨论（Numerical Experiments and Discussion）
为验证所提跨区调度方案的有效性，研究人员选取大连某区域开展案例研究，利用60位乘客的小规模数据，比较FCFS规则、粒子群算法与遗传算法的表现。统计结果显示，该区域可按生活功能大致划分为三个子区域，人员流动与时间相关且具有明显的流动性特征。实验表明，所提出的PSO优化方法在保持服务质量稳定的同时，有效降低了系统总成本与能耗。
敏感性分析（Sensitivity Analysis）
在SAEV系统的车辆调度中，多种参数会对调度结果产生影响。调度间隔代表实际运营中滚动分配决策的决策频率：较短的调度间隔可更快响应需求波动，但会增加计算负担与运营不稳定性；较长的调度间隔则降低计算需求，却可能延迟匹配决策并降低服务质量。敏感性分析结果验证了模型对不同参数变化的适应能力。
参数值比较（Comparison of Parameter Values）
为进一步验证不同调度策略组合对SAEV系统性能的影响，研究人员构建了二维参数测试矩阵，综合考虑最大乘客等待时间（10–30分钟）与调度间隔（5–20分钟）两个关键参数。表4展示了详细的实验结果，用于评估最优参数组合对系统性能的影响，为后续策略制定提供实证依据。
结论（Conclusion）
本研究开发了一个在多目标优化框架下运行的跨区SAEV调度模型，该模型在电力与运营约束下整合了车辆充电行为、乘客时间窗与拼车可行性。从可持续性视角来看，研究结果表明，智能优化的调度机制能够显著提升SAEV系统的效率与环境效益。研究成果发表于《Sustainable Cities and Society》。
讨论与总结
研究强调，现有SAEV调度、充电管理与拼车研究多从单一视角展开，缺乏整合跨区域车辆部署、能量约束与拼车可行性的统一框架。本研究的贡献在于提出了此类集成模型，并通过粒子群优化等算法验证了其在真实场景下的求解质量与计算效率。敏感性分析与参数测试进一步证实了模型的稳健性与实用价值。研究人员指出，未来工作可将框架扩展至更大规模的实时运营场景，并引入不确定性感知的决策机制，以进一步提升SAEV系统在可持续城市交通中的应用潜力。
打赏
