Plánování cest a nabíjení pro elektromobily

Abstract

Vzestup využití elektrických vozidel (EV) přináší nové výzvy pro plánování cest.Na rozdíl od uživatelů vozidel se spalovacím motorem, kteří mohou využívat dlouhé dojezdy a všudypřítomné a téměř okamžité možnosti doplňování paliva, musí uživatelé elektromobilů při plánování svých cest zvážit stav baterie, dojezd elektromobilu a dynamicky se měnící možnosti dobíjení.V této práci se zaměřujeme na tři hlavní výzvy plánování cest pro EV, které byly motivovány reálnými případy použití zkoumanými v rámci velkého interdisciplinárního výzkumného projektu: více optimalizačních kritérií, více destinací a neúplná informace.Nejprve se zabýváme problémem s více destinacemi, která mají daná časová omezení, během kterých se musí navštívit. Plánování cest pro EV, které zohledňuje pouze jedné cestu má svá omezení a neumožňuje např. optimalizovat plán na celý den.Rozšíření optimalizace nad rámec jedné cesty přináší větší flexibilitu a schopnost efektivněji optimalizovat cesty pro EV.Dále se zabýváme problémem plánování cest pro EV, kde zároveň zohledňujeme možnost neúplných informací o nabíjecí infrastruktuře. Stávající algoritmy plánování pro EV se spoléhají na úplnou dostupnost informací v době vyhledávání. Tento předpoklad však v praxi nemusí vždy platit, protože informace mohou být považovány za citlivé pro podnikání a provozovatelé nabíjecích stanic k nim mohou omezit přístup.Zabýváme se také vícekriteriálním problémem plánování cest pro EV, protože stávající algoritmy spoléhají na optimalizaci pouze jednoho kritéria, což omezuje jejich schopnost zohledňovat více často protichůdných požadavků uživatelů EV, jako jsou například délka trvání cesty a co nejmenší náklady na cestování.V této práci jsme navrhli jednotnou formální definici zahrnující všechny tři varianty problému spolu se základem algoritmu, který lze snadno specializovat na každou z variant problému.Všechny algoritmy vyhodnocujeme na realistických instancích problému založených na reálných datech a poskytujeme vhled do vlastností těchto nových variant problémů plánování cest pro EV.Poskytujeme také vyhodnocení výkonu navržených algoritmů a vlivu jednotlivých zrychlujících technik na celkový výkon a kvalitu řešení.Ukazujeme mimo jiné, že přístup s více destinacemi poskytuje výrazné zlepšení všech měřených vlastností cestovních plánů pro EV.Námi navržený algoritmus také umí dosáhnout prakticky využitelných plánovacích časů v rámci několika sekund s pouze malou ztrátou kvality řešení, a to i přes velmi vysokou výpočetní složitost vícekriteriálního problému plánování cest pro EV.

The advent of electric vehicles (EVs), brings new challenges for travel planning.In contrast to the users of combustion engine vehicles, who enjoy long driving ranges and ubiquitous and almost instant re-fuelling possibilities, EV users need to consider battery status, EV range, and dynamically changing recharging options when planning their EV trips. In this thesis, we focus on three main challenges of EV travel planning that were motivated by real-world use cases investigated within a large interdisciplinary research project: multiple objectives, multiple destinations and incomplete information.First, we study the problem with multiple time-constrained destinations.Planning EV travel plans within the scope of a single trip has its limitations and does not allow, for example, to optimize the travel plan for the entire day.This extension of optimization scope beyond a single trip brings greater flexibility and the ability to optimize EV travel plans more effectively.Second, we study the EV travel planning problem while considering the possibility of incomplete information about charging infrastructure.The existing route EV travel planning algorithms rely on complete information availability at the time of the search. This assumption is not always valid in practice since the information may be considered business-sensitive and the providers may limit access to it. Finally, we study the EV travel planning problem optimizing multiple objectives since existing algorithms for EV travel planning rely on single-objective optimization, which limits their ability to consider EV users' multiple and often conflicting objectives, such as travel time and cost.We provide a unified formal definition encompassing all three problem variants together with a base algorithmic approach that can be easily specialized for each of the problem variants.We evaluate all the approaches on realistic instances based on real-world data and provide insights into the properties of these emerging EV travel planning problems.We also provide an evaluation of the performance of the proposed algorithms and the impact of individual speed-up techniques on the overall performance and solution quality.We show, besides others, that the multi-destination approach provides a significant improvement in all measured properties of the EV travel plans.We can also achieve practically usable planning times within seconds with only a minor loss of solution quality, despite the very high computational complexity of the multi-objective EV travel planning problem.The results presented in this thesis provide a solid foundation for future research in the area of EV travel planning and can be used as a starting point for the development of new, more advanced algorithms and tools for EV travel planning that can solve all the above challenges together.