车辆自主性和动力总成如何影响汽车共享服务的运营性能？

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：How vehicle autonomy and powertrain impact the operational performance of carsharing services?

　　

• •
  进行了一项系统综述，研究了不同车辆自主性（人工驾驶 vs. 自动驾驶）和动力系统（汽油 vs. 电动）类型的汽车共享系统运营优化方法。
• •
  提出了一种统一的建模和解决方案框架，用于优化所有可能的车辆自主性-动力系统组合的汽车共享系统的车辆重新定位和运营商调度操作。
• •
  利用真实世界汽车共享公司的数据集，对不同车辆自主性-动力系统类型的汽车共享系统的优化模型进行了分析评估，并对其运营性能进行了数值分析。

引言

单向汽车共享服务允许用户为单次旅行租用车辆，在一个地点取车并在另一个地点还车，为城市和城际旅行提供了一种灵活且可持续的交通解决方案。尽管这种服务很方便，但由于车站之间的供需不平衡，汽车共享系统经常面临运营挑战，尤其是在动态车辆重新定位决策方面（Golalikhani等人，2021年）。现有的研究主要集中在优化由人工驾驶的汽油车（HGV）组成的汽车共享系统的车辆重新定位操作（Liu等人，2022年；Lu等人，2018年；Zhang等人，2024年）。虽然基于HGV的系统可以提供运营灵活性，并能够实时适应需求变化，但它们严重依赖人工进行车辆重新定位，这增加了人员和车辆的协调难度，从而提高了运营成本（Li等人，2025年）。随着技术的发展，自动驾驶车辆（AV）作为一种有前景的解决方案出现了，可以降低高的人力成本。此外，Guo和Hou（2022年）以及Kim等人（2022年）强调了基于自动驾驶汽油车（AGV）的汽车共享系统的优势，尤其是在提高重新定位效率方面。然而，要充分发挥AV在汽车共享系统中的潜力，尤其是在大规模系统中，需要一个有效且可扩展的建模框架来优化AV的重新定位决策（Narayanan等人，2020年）。尽管技术有所进步，但在汽车共享系统中广泛使用汽油车（GV）仍然加剧了环境问题。向电动汽车（EV）的转变为实现可持续发展目标（SDG）提供了机会（联合国，2024年），同时也降低了运营成本（Xi等人，2024年）。然而，采用EV给运营商带来了独特的挑战，包括充电时间较长、行驶里程有限以及充电基础设施不均衡（Esfandabadi等人，2022年；Li等人，2023b年）。因此，最近的研究越来越多地关注基于自动驾驶电动汽车（AEV）的汽车共享系统（Duan等人，2023年；Ma等人，2023年）和基于人工驾驶电动汽车（HEV）的汽车共享系统（Prencipe等人，2022年；Zhang等人，2022a年）的车辆重新定位和充电策略优化。

汽车共享运营商面临着优化基于人工驾驶车辆（HV）的汽车共享系统的动态车辆重新定位和人员调度操作，以及优化基于AV的汽车共享系统的动态车辆重新定位操作的关键问题。此外，由于充电时间和行驶里程的限制，采用EV进一步复杂化了运营，运营商遇到了新的运营挑战。虽然大多数现有研究集中在考虑某种车辆配置的汽车共享系统优化上，例如HGV（Boysen等人，2024年）、HEV（Eilertsen等人，2024年）、AEV（Ma等人，2023年）、AGV（Chen等人，2024年），但很少有比较性研究在统一的优化框架内对这些汽车共享系统的运营管理问题进行建模，以评估这些具有不同车辆配置的系统在总体运营效率和盈利能力方面的差异。本研究通过提出一个统一且可行的建模框架来解决这一关键差距，该框架能够适应基于AEV和AGV的系统以及基于HEV和HGV系统的重新定位-调度问题。这一统一框架为进一步评估和比较具有不同车辆配置的汽车共享系统的运营效率和盈利能力奠定了基础。我们的贡献总结如下：

• •
  我们提供了针对基于HGV、AGV、HEV和AEV的汽车共享系统的车辆重新定位优化方法的结构化综述。通过根据时间建模和建模粒度对研究进行分类，我们的综述突出了不同自主性和动力系统类型之间的优化模型差异，为统一框架的发展铺平了道路，该框架能够捕捉运营动态并为未来研究提供见解。
• •
  为了了解新兴车辆技术对汽车共享发展效率和盈利能力的影响，我们开发了一个统一的建模框架，用于优化基于AGV和AEV的汽车共享系统的重新定位操作，以及基于HGV和HEV的汽车共享系统的重新定位-调度操作。每个汽车共享系统的动态运营管理问题被建模为基于网络流的线性规划（LP）模型，提供了一个高效且可扩展的解决方案。值得注意的是，在统一的优化框架内对不同汽车共享系统的操作进行建模并非易事，因为它们在运营决策之间存在独特的、系统特定的耦合约束。具体而言，基于HGV和HEV的汽车共享系统需要将调度员的移动和可用性与车辆重新定位决策相耦合，而基于AEV和HEV的系统则需要将车辆运营决策与EV的充电状态（受充电时间和行驶里程限制）相耦合。所提出框架的有效性通过使用上海某汽车共享系统的真实世界数据进行了数值验证，证明了其实际效用。

本文的其余部分安排如下：第2节回顾了关于多样化汽车共享系统运营优化的现有文献，重点关注AGV、AEV、HGV和HEV。第3节提出了问题陈述和网络建模表示。第4节提供了四种汽车共享系统的统一建模框架。第5节和第6节使用上海的真实世界数据进行了案例研究，以评估这四种汽车共享系统的动态运营情况，提供了最优运营解决方案、战术投资见解和对未来汽车共享系统的政策建议。第7节总结了本文并提出了未来的研究方向。

章节片段

范围和调查方法论

根据系统评价和元分析的优先报告项（PRISMA）指南（Page等人，2021年），通过使用三组术语（与汽车共享相关的术语、车辆自主性和动力系统术语以及与运营相关的术语）进行结构化关键词搜索，选择了75篇文章进行详细分析（见图1）。星号表示任何字符组，允许包含不同的词形。这三组关键词使用AND运算符组合。

问题陈述和网络表示

本节介绍了初步内容（第3.1节），介绍了四种汽车共享系统的动态运营决策陈述（第3.2节），然后通过网络表示对它们的运营动态进行了建模（第3.3节）。

动态运营管理的问题表述

在本节中，在介绍适应上述四种汽车共享系统动态运营的统一建模框架（第4.3节）之前，我们将其动态运营问题表述为基于网络流的LP模型（第4.1节和第4.2节）。表2总结了我们模型中使用的参数、集合和决策变量。

比较性数值研究

我们使用中国上海某汽车共享公司的真实世界运营数据进行了比较性数值研究，以评估四种汽车共享系统在多种运营情景下的效率和盈利能力。实验设置在第5.1节中给出，第5.2节评估了整数变量放松和模型的实时鲁棒性。数值结果分析了战术和运营方面的管理见解。

讨论和政策建议

汽车共享运营商应谨慎评估哪种系统最适合他们的运营需求，因为不同的车辆配置在不同的情景下提供了不同的盈利能力和运营优势。关键挑战在于平衡利润、车辆利用率和需求满意度，这些可以根据不同的运营条件而变化。政策制定者可以利用这些见解来创建监管框架和支持机制，帮助汽车共享运营商采用

结论和未来议程

在本研究中，我们对四种汽车共享系统的重新定位和调度运营优化方法的现有文献进行了结构化回顾和比较。在此基础上，我们开发了一个统一的建模框架，可以优化基于AGV和AEV的汽车共享系统的重新定位操作，以及基于HGV和HEV的汽车共享系统的重新定位-调度操作。每个汽车共享系统的动态运营管理问题已被表述为

CRediT作者贡献声明

Mengjie Li：撰写——原始草稿、可视化、验证、方法论、调查、形式分析。Haoning Xi：撰写——审稿与编辑、可视化、验证、方法论、调查、形式分析。Xiqun (Michael) Chen：撰写——审稿与编辑、验证、监督、方法论。Chi Xie：撰写——审稿与编辑、验证、监督、资源管理、项目管理、方法论、数据整理、概念化。

Mengjie Li|Haoning Xi|Xiqun (Michael) Chen|Chi Xie