《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：SWencoder: a succinct shockwave diagram encoding and interpretable deep learning model design to enhance learning efficiency and assurance
编辑推荐：
动态无线充电（Dynamic Wireless Charging, DWC）技术正迅速兴起，成为缓解电动共享自动驾驶汽车（Shared Autonomous Vehicles, SAVs）里程焦虑的有前景解决方案。然而，SAVs的服务质量不仅取决于充电效率，还
动态无线充电（Dynamic Wireless Charging, DWC）技术正迅速兴起，成为缓解电动共享自动驾驶汽车（Shared Autonomous Vehicles, SAVs）里程焦虑的有前景解决方案。然而，SAVs的服务质量不仅取决于充电效率，还取决于对服务时间窗的遵守程度。现有针对静态充电的路由策略通常将充电与时间窗调度视为独立过程，无法捕捉动态充电场景下两者的时空相互依赖性。为解决带时间窗的SAV取货、送货与动态充电问题（SAV's Pick-up, Delivery and Dynamic Charging Problem with Time Windows, SPDCP-TW），本研究提出一种时空异构深度强化学习（Spatio-Temporal Heterogeneous Deep Reinforcement Learning, STH-DRL）策略，该策略在确保准时服务的同时最小化路径成本并稳定电池荷电状态（State of Charge, SOC）。具体而言，研究人员引入时空异构注意力机制以显式编码时间窗特征，并设计自适应多约束掩码机制以区分早到、准时与迟到三种到达情景。本研究构建了一个综合仿真平台，整合真实道路网络、交通流与出租车出行数据，以评估与时间窗相关的多种指标。跨三个城市及多尺度的实验结果表明，与启发式方法及最先进的深度强化学习（Deep Reinforcement Learning, DRL）方法相比，所提策略在总成本、准时率与电池充电状态稳定性方面均表现出更优性能。在24小时连续运行测试中，所提策略保持90-99%的准时率，同时优化充电调度。此外，基于真实出租车数据集的分析揭示，9-29辆连续运行的SAVs可替代115辆传统出租车。最后，敏感性分析为DWC部署与电池容量优化提供了实践洞见，表明在5.5% DW道路覆盖率下，25-50 kW功率范围可实现平衡折中，使电池容量减半，并显著降低路径成本。
本研究旨在解决电动共享自动驾驶汽车（SAV）在动态无线充电（DWC）环境下的路径优化问题，即带时间窗的SAV取货、送货与动态充电问题（SPDCP-TW）。研究背景源于城市面临的交通拥堵、空气污染与私家车低效利用等挑战，电动共享自动驾驶汽车被视为实现智能可持续出行的重要途径，但充电瓶颈限制了其大规模应用。与传统静态充电不同，DWC技术通过将感应线圈嵌入路面实现车辆边行驶边充电，将充电从静止耗时的过程转变为连续 opportunistic 的过程。然而，现有研究尚未在真实乘客时间窗约束下最优协调DWC-enabled SAV运营，这构成了核心研究空白。
该研究的主要问题包括：SAV需在动态接载与送达乘客的同时 opportunistically 利用DWC路段，这引入了持续运营与准时服务之间的基本矛盾；现有路由和启发式方法将充电视为独立决策阶段，无法捕捉DWC的连续途中特性，难以在紧约束下平衡准点性、充电收益与绕行成本。
研究人员开发了针对SPDCP-TW的STH-DRL框架，包含两项核心方法论贡献：时空异构注意力（STH-Attention）机制与自适应多约束掩码（MCAM）机制。STH-Attention显式编码时间窗信息，为取货-送货节点对与DWC位置计算分离的注意力分数，整合时间窗重叠与到达时间间隙等时序特征。MCAM动态识别违反约束的不可行动作，区分早到、准时与迟到三种情景，防止损害准点性的不必要绕行。研究采用基于时间窗的分布式实现方法增强可扩展性，将乘客请求划分为多个时间相邻群组，每组由一辆SAV使用训练策略服务。
实验基于奥克兰、惠灵顿和基督城的真实道路网络与出租车数据构建仿真平台，DWC沿高流量走廊部署（覆盖率5-6%）。研究在20-100节点多尺度下进行测试，与经典启发式（Google OR-Tools、LKH3）及近期DRL基线对比。结果表明所提方法在总成本上降低5-15%，准时率达90-99%。应用于奥克兰实际出租车运营数据时，25-29辆连续运营SAV可替代115辆传统出租车，24小时连续运行中保持稳定电池水平，无需专门充电停靠。
关键技术方法包括：基于Transformer架构的编码器-解码器策略网络；STH-Attention机制整合空间位置、时间窗编码与节点类型信息，通过自注意力、DWC-to-PDP与PDP-to-DWC注意力通道计算兼容性分数，引入重叠比例、最早-最晚时间差等四项时间窗兼容性度量；MCAM机制联合容量约束、SOC软/硬约束与基于紧急节点的时间窗约束进行动态掩码；多目标奖励函数平衡运营成本、SOC稳定性与时间窗惩罚；策略梯度下的演员-评论家训练框架；以及时间窗重叠分组策略实现分布式扩展。
研究结果部分按以下小标题展开：
在与其他算法的比较分析中，STH-DRL在20、50和100节点实例及多城市网络中均优于启发式算法与DRL基线。对于启发式算法，OR-Tools在100节点时出现24小时计算超时，LKH3在预处理与随机数据集上表现不稳定，而STH-DRL的Sample策略在所有情况下均实现最优性能，表明时空异构注意力机制在处理新引入的时间窗约束方面具有优越兼容性。DRL方法性能排序为STH-DRL > HDRL > DRL-HAM > DRL-AM，验证了显式建模时空异质性的必要性。MCAM消融实验显示，移除硬约束导致任务失败，移除软约束使用准点率降至50%以下，验证了两类约束的互补必要性。
在SOC稳定性控制与时间窗耦合分析中，不同城市和时间窗配置下SOC波动模式差异显著。奥克兰呈现先放电后充电的明显低谷，而惠灵顿和基督城的充电机会更为分散。时间窗重叠率从96%降至80%时，准时率从48.73%提升至99.01%，但进一步降低至64%导致任务无法完成，表明80%为奥克兰市中心的适宜平衡。时间窗长度从30分钟缩短至12分钟时，准时率从93.8%降至37.3%，SOC波动加剧，验证了时间窗松紧度对调度的直接影响。
在24小时连续运行测试中，三个城市的SAV均保持安全SOC范围，各子任务准时率分别为奥克兰99%左右、惠灵顿97%、基督城92%。动态插入与取消实验表明，MCAM机制无需重训练即可应对实时需求变化，插入时策略以SOC平滑性换取准点稳定性，取消时快速收敛至更高可行性。
关于DWC功率与电池容量优化，5 kW功率下SOC持续下降，10 kW时仍不足维持连续运行，25-50 kW实现SOC相对稳定性，70 kW则出现充电冗余。电池容量从64 kWh降至32 kWh时路线成本最优，进一步降至19.2 kWh因充电频繁导致成本回升。综合表明在5.5%覆盖率下，25-50 kW功率配合50%电池容量缩减可实现最佳平衡。
在DWC基础设施部署稳健性方面，三种道路选择方案（高流量、高速+高流量、限速+高流量）在不同空间布局下均保持稳定性能。覆盖率变化实验表明高覆盖率降低运营成本但增加基础设施投资，低覆盖率下策略仍保持高准时率。异构功率配置中，基于速度等级的高功率方案实现最优能量管理。跨城市迁移学习显示，结构相似网络（奥克兰与基督城）间迁移显著加速收敛，训练迭代减少56%以上。
在真实城市运营分布式应用中，基于奥克兰760次出租车服务数据，20、50、100节点策略分别仅需29、28、25辆SAV可替代115辆出租车，准时率达97-99.6%。SAV时间利用率从出租车的32.7%提升至80%以上。
研究结论指出，STH-DRL框架首次将时间窗约束显式集成于多目标优化框架中，实现了路线成本、服务时效与SOC稳定性之间的整体最优。核心优势包括：整体最优性与可扩展性，在多种实例尺度与城市网络中持续优于启发式与DRL方法；连续运营的时间可靠性，24小时运行中维持90-99%准时率；以及可转移性与工程可行性，跨城市迁移显著加速训练收敛。敏感性分析揭示5.5%Dictated by原文内容根除多余内容(以简洁方式推理，保持逻辑连贯性)
