《Sustainability》:Tri-Level Hybrid Electric Bus Scheduling for Integrated Fleet and Charger Optimization: A Case Study of Madurai District
编辑推荐:
泰米尔纳德邦的公共运输机构因柴油价格上涨、维护成本增加及传统巴士系统运营低效而面临日益严峻的运营与财务压力。在许多地区,柴油动力公共交通服务还存在车辆调度不规律和时刻表依从性差的问题,导致乘客服务不可靠。与此同时,电动两轮车和四轮车的快速渗透表明向电气化出行更
泰米尔纳德邦的公共运输机构因柴油价格上涨、维护成本增加及传统巴士系统运营低效而面临日益严峻的运营与财务压力。在许多地区,柴油动力公共交通服务还存在车辆调度不规律和时刻表依从性差的问题,导致乘客服务不可靠。与此同时,电动两轮车和四轮车的快速渗透表明向电气化出行更广泛的转型。将电气化扩展至公共交通需要精心设计的运营规划,因为电动巴士(Electric Bus, EB)在电池容量约束和充电协调约束下运行。在此类系统中,严格遵守行程调度和有效能源管理对维持服务可靠性至关重要。为应对这些挑战,研究人员提出了一种三层级混合电动巴士调度(Tri-Level Hybrid Electric Bus Scheduling, TLH-EBS)框架,集成了粒子群优化(Particle Swarm Optimization, PSO)用于全局搜索、基于规则的评分大邻域搜索(Rule-Based Scoring Large Neighborhood Search, RBS-LNS)用于自适应调度改进,以及混合整数线性规划(Mixed Integer Linear Programming, MILP)用于精确修复优化。该框架在时刻表约束下同时优化车队规模、车场充电基础设施分配和日常巴士分配。所提出的模型应用于马杜赖地区三个互联走廊(Thirumangalam、Arapalayam和Mattuthavani),涵盖05:00至00:30之间的810个预定每日时刻表行程。计算结果表明,与最佳传统优化方法相比,混合框架实现了年度调度成本降低2.8%。此外,与等效的柴油基运营相比,优化后的电力系统显示出约32.3%的年度成本节约,证实了集成车队-充电桩调度在地区级电动巴士部署中的经济可行性。
研究背景与问题提出
全球环境关切加剧、城市空气污染恶化及化石资源枯竭加速了向可持续交通系统的转型。公共运输机构日益探索电池电动巴士(Electric Bus, EB)作为传统柴油车队的替代方案,因其能显著减少温室气体排放并改善城市空气质量。然而,电动巴士的运营特性引入了新规划挑战,特别是电池容量限制、充电基础设施需求及电网内的能源管理。早期研究从运营规划视角考察电动巴士部署,聚焦于将能源约束整合进车辆调度模型,表明能源可行性必须与传统调度约束一并考虑。后续研究通过混合整数优化模型将充电基础设施规划与车辆调度集成,显示协调的基础设施规划可在维持服务可靠性的同时显著降低运营成本。尽管启发式和元启发式优化方法被探索用于解决大型交通网络的计算复杂性以改善车队利用率和降低成本,但现有研究多孤立处理车队调度、充电基础设施规划或能源管理等个体层面,且单一优化技术难以应对大规模交通网络中的严格时刻表约束。此外,简化电动巴士运营表征及缺乏真实世界验证也是现存缺口。印度作为人口大国,南方各邦更依赖有组织公共交通,泰米尔纳德邦拥有庞大公交系统且正推进FAME II计划与2023年泰米尔纳德邦电动汽车政策以2030年实现30%车队电气化,马杜赖地区不同经济阶层对公交高度依赖的现状进一步强调了高效调度与路线规划的必要性。在此背景下,开展集成车队、充电桩与调度的优化研究对降低资本浪费、提升服务可靠性具有重要现实意义。该论文发表在《Sustainability》。
主要关键技术方法
研究人员采用三层级混合优化策略,结合粒子群优化(PSO)进行宏观决策全局搜索,基于规则的评分大邻域搜索(RBS-LNS)识别低效巴士链并进行破坏与重构,以及混合整数线性规划(MILP)对破坏子集进行精确修复。研究以印度泰米尔纳德邦马杜赖地区三个互联终端(Thirumangalam、Arapalayam、Mattuthavani)构成的三角双向走廊为案例,涵盖每日810个预定行程与两种异构电动巴士类型(12米空调型与9米非空调型),在严格时刻表(高峰10分钟、非高峰20分钟头距)及车场满充策略下,通过事件驱动仿真模拟能源消耗、充电桩占用与等待时间,并以年度总成本(含年化购车与充电桩投资、电力消耗、空驶及客运成本)最小化为目标进行求解与对比。
研究结果
6.1. Experimental Setup
研究人员在Python 3.11环境下于指定工作站实施实验,对比独立MILP、PSO、RBS-LNS与TLH-EBS框架,设定PSO种群16、迭代20次,RBS-LNS破坏率12%、迭代12次,MILP修复时限5秒,采用9%利率与12年项目寿命进行成本年化,确认所有方法在相同严格时刻表与能源约束下评估。
6.2. Fleet Size and Infrastructure Comparison
研究得出独立MILP需76辆Type-1与88辆Type-2巴士,PSO需75与83辆,RBS-LNS需73与84辆,而TLH-EBS仅需70与79辆,为最少车队需求;充电桩分配上TLH-EBS较MILP少且较RBS-LNS分布更均衡,避免了过度建设与充电拥堵。
6.3. Annual Cost Comparison
计算显示独立MILP年度成本为35.43千万卢比,PSO为34.03千万卢比,RBS-LNS为34.36千万卢比,TLH-EBS最低为33.05千万卢比,较最佳独立方法PSO绝对减少0.98千万卢比,相对降低2.8%,且该节约在不放松服务质量前提下实现。
6.4. Cost Component Analysis
分析表明TLH-EBS较PSO年化巴士资本成本由20.31千万卢比降至19.15千万卢比(降5.77%),充电桩资本成本由0.726千万卢比降至0.691千万卢比(降4.81%),电力成本微增1.96%,空驶成本降3.7%,客运服务成本因固定时刻表不变,主要节约源于车队与基础设施投资减少。
6.5. Sensitivity Analysis
敏感性分析改变放电深度(60–90%)与充电功率(60–360 kW)得出,增加允许放电深度通常因每周期可用能量增加而延迟车场充电、减少拥堵与备用车需求从而降成本;充电功率存权衡,过高虽减等待但增投资,最经济区域出现在较高放电深度配合中高充电功率而非最大功率处。
6.6. Comparison with Diesel-Based Operation
在相同运营条件下,等效柴油车队年度成本约48.79千万卢比,TLH-EBS优化电动系统为33.05千万卢比,年度成本降低约32.3%;柴油成本中燃料占31.5%、维护24.4%、人工18.3%、资本回收25.8%,电动巴士则受益于高效率与低机械复杂度,且日客运里程约15930 km对应年柴油消耗153万升与4100吨CO2,电动化可消除尾气排放。
6.7. Statistical Validation of Algorithm Performance
基于12场景的Friedman非参数检验得出卡方统计量显著(p<0.05),拒绝算法性能等价原假设;TLH-EBS平均秩为1.3333优于PSO(2.3333)、RBS-LNS(3.0833)与MILP(3.2500),Holm调整后TLH-EBS显著优于MILP与RBS-LNS,与PSO比较边际显著(调整p=0.0578);30次独立运行显示TLH-EBS均值最低且标准差更小,具收敛稳定性与鲁棒性。
总结讨论与结论翻译
讨论部分指出三层级结构分解了车队规模、充电桩分配与时刻表约束行程分配的耦合决策,PSO在战略层探索基础设施、RBS-LNS在战术层重构低效链、MILP在操作层精确修复,协同提升基础设施利用率与调度效率,除成本外还降车队约5.7%并维持合规。结论部分翻译如下:本研究开发并验证了三层级混合电动巴士调度(TLH-EBS)框架,以解决地区级电动巴士运营的综合车队规模确定、充电桩分配与时刻表约束调度问题。与传统柴油调度不同,电动巴士部署引入了涉及电池容量、充电时长、充电桩拥堵及荷电状态(State-of-Charge, SOC)可行性的紧密耦合约束,这些相互依赖性构成了多层优化问题,无法用独立数学规划或单一元启发式方法有效解决。提出的TLH-EBS框架集成了用于宏观基础设施探索的粒子群优化(PSO)、用于自适应调度重构的基于规则评分大邻域搜索(RBS-LNS)及用于组合可行性恢复的基于MILP的精确修复,这种层级协调使得在严格时刻表执行下同时优化基础设施与运营决策成为可能。马杜赖地区案例研究的计算结果表明,TLH-EBS实现了33.05千万卢比的最低年度总调度成本,较最佳独立方法(PSO)改善2.8%;成本分量分析显示主要节约来自年化巴士资本成本降低5.77%与充电桩资本成本降低4.81%,同时保持严格发车依从且无惩罚松弛;Friedman与Holm统计检验确认在十二个运营场景下性能提升显著;在相同服务条件下与等效柴油运营相比,优化电动系统显示约32.3%的年度成本降低,证实了地区尺度结构化电动巴士部署的长期经济可行性。
要不要我帮你把这篇论文解读里的关键专业术语(如TLH-EBS、SOC、MILP等)整理成一个带简要解释的术语表,方便你快速回顾?