La combinación de carpooling y servicios de transporte público (con un servicio de carpooling para resolver problemas de primera/última milla) puede traer muchos beneficios, como la reducción de las tarifas de los viajes de pasajeros, la mejora de los ingresos de los conductores, la reducción de las emisiones de gases y la reducción de los atascos. . .
Sin embargo, sigue siendo difícil coordinar los servicios de tránsito y viajes compartidos a través del envío de pedidos en tiempo real. En este artículo, modelamos el despacho de pedidos en un sistema de transporte multimodal como un problema secuencial de toma de decisiones a gran escala.
A continuación, se propone un algoritmo centralizado para enviar a los conductores inactivos a los controles de los pasajeros que llegan y determinar si aconsejar a los pasajeros que utilicen un modo combinado de servicios de tránsito y transporte compartido (si es así, el algoritmo también debería recomendar un centro de transporte apropiado).
En particular, nuestro algoritmo propuesto contiene un enfoque de aprendizaje por refuerzo que estima las recompensas esperadas a largo plazo y la programación lineal entera (ILP) que relaciona a los conductores inactivos con los pasajeros que esperan en tiempo real, en función de los ingresos inmediatos y las estimaciones a largo plazo.
Al evaluar los datos bajo demanda y el sistema de metro del mundo real en Manhattan, el método propuesto muestra una mejora notable en la eficiencia del sistema bajo diferentes densidades de oferta y demanda.
Los modelos de emisiones microscópicas estiman las emisiones segundo a segundo y el consumo de combustible para vehículos individuales en función de las trayectorias de los vehículos. La trayectoria de un vehículo describe cómo la posición, la velocidad y la aceleración de un vehículo cambian con el tiempo. En la práctica, la recopilación de un conjunto completo de datos de trayectoria en un tramo de carretera no siempre es factible debido a limitaciones económicas y de confidencialidad.
Por lo tanto, varios investigadores sugieren enfoques para generar trayectorias de vehículos virtuales (VVT) dados algunos datos de tráfico observados parcialmente. Sin embargo, los enfoques tradicionales de generación de VVT, originalmente desarrollados para estimaciones de tiempo de viaje, generalmente consideran una descripción simplificada de la cinemática del vehículo, lo que dificulta su aplicabilidad en el modelado de emisiones.
En este artículo, proponemos un enfoque novedoso para generar VVT, que facilita su uso en el modelado de emisiones. Evaluamos empíricamente nuestro método comparándolo con los enfoques tradicionales. Los resultados son prometedores y muestran que, en ciertos entornos experimentales, nuestro método puede mejorar la precisión de las estimaciones de emisiones.
La movilidad aérea regional se refiere al transporte de pasajeros a bordo de aeronaves pequeñas en distancias cortas. Estas operaciones son difíciles debido al bajo número de pasajeros, los modos de transporte que compiten entre sí y los altos costos operativos. No obstante, la reciente convergencia de nuevas tecnologías para la propulsión eléctrica y la autonomía trae la promesa de cambios incrementales tanto en la eficiencia operativa como en la sostenibilidad. El próximo desafío es definir conceptos de operaciones que hagan el mejor uso de estos aviones de última generación.
Estamos desarrollando un entorno de modelado y optimización para abordar este desafío al estimar primero la demanda de pasajeros para la movilidad aérea regional y luego, al mismo tiempo, optimizar la asignación de flotas y la programación de estas operaciones. Esto ayuda a identificar la composición óptima de la flota y la red de rutas que mejor se adapta a esta demanda. La contribución de esta investigación es la formulación de la optimización como un programa lineal mixto de mitad de paso y mitad de ruta utilizando un enfoque jerárquico de múltiples objetivos que proporciona información sobre las compensaciones entre rentabilidad y emisiones.
Demostramos la capacidad de este entorno para resolver problemas de asignación y programación de grandes flotas de una manera casi óptima al aplicarlo al Corredor Noreste de los Estados Unidos utilizando una flota de aviones regionales, eléctricos e híbridos-eléctricos.
Los resultados destacan que la transición a una flota electrificada puede servir al doble de la cantidad de comunidades a las que sirve actualmente, al tiempo que reduce las emisiones de carbono por pasajero en un cincuenta por ciento. Con una densidad de energía específica de batería mejorada, muchos más mercados sin explotar pueden ser atendidos de manera rentable y sostenible, y muchas comunidades pequeñas pueden