DRiVe：一种改进的耦合设计方法，用于共享自动驾驶车辆系统的需求预测与重新定位

《IEEE Transactions on Vehicular Technology》：DRiVe: An Enhanced Coupling Design of Demand Prediction and Repositioning for Shared Autonomous Vehicle Systems

　　

摘要：

在共享自动驾驶车辆系统（S-AVS）中，高效且自适应的车辆重新定位在满足时变交通需求方面起着关键作用，这通常是通过利用用户需求预测来实现的。然而，大多数现有研究将交通需求预测和共享自动驾驶车辆（SAV）调度视为独立的任务，忽略了两者之间的紧密互动，例如调度结果对需求预测的潜在影响。这种设计缺乏对两者的深度整合，可能导致预测不准确和重新定位性能不佳。为了解决这个问题，我们提出了DRiVe，这是一种针对共享自动驾驶车辆系统的需求预测与重新定位的增强型耦合设计。设计了两种相应的耦合策略，它们之间的区别在于耦合位置的不同。具体来说，我们考虑了电动SAV，并采用模型预测控制（MPC）来制定重新定位策略，旨在最小化操作员的重新定位成本和乘客的不满。引入了一种在线交通需求预测机制，将调度行动转化为额外的交通需求。然后将这种额外需求纳入传统的交通需求预测中，以提高最终需求预测的准确性。数值结果表明，所提出的DRiVe方法在减少乘客等待时间和重新定位距离方面优于现有方法。

引言

随着全球私家车使用的迅速增加，尤其是城市地区的道路交通面临一系列关键问题，如交通拥堵、道路事故和空气污染[1]。为了应对这些挑战，一个实用且可持续的解决方案是为人们提供汽车共享服务[2]。汽车共享（例如Zipcar和car2go）是一种汽车租赁模式，人们可以根据需求从汽车共享运营商那里预订汽车，并通常按小时或天数付费。估计表明，每辆共享车辆可以替代多达13辆私家车[3]，这突显了其在缓解交通拥堵方面的有效性[4]。特别是，借助最近的自动驾驶技术，将自动驾驶车辆引入汽车共享服务可能会带来更多好处，例如降低劳动力成本、提高车辆利用率和更高效的车队管理[5]、[6]。最近的研究还探讨了使用基于学习的[50]、[51]和联合调度-收费策略[49]来进行车队协调，强调了能源和决策在共享出行系统中的日益重要性。这种S-AVS被视为汽车共享市场的未来趋势，并开始被一些运营商（如滴滴和优步）在大城市中部署。