基于深度強化學習的電動出租車運營優化

作者：葉浩宇,涂偉,葉賀輝,麥可,趙天鴻,李清泉

摘要：作為公共交通的重要組成部分,電動出租車對電動車推廣具有重要的示范意義。相較于燃油出租車,電動出租車需要耗費更多充電時間,降低了出租車司機的使用意愿,全面推廣面臨較大阻力。強化學習方法方興未艾,適用于出租車運營的順序決策過程。基于強化學習,本文構建雙深度Q學習網絡(double deep Q-learning network,DDQN)模型模擬電動出租車的運行。根據出租車的實時狀態選擇并執行最優載客、充電、空駛和等待等動作,通過訓練得到全局最優的電動出租車運營策略,實現電動出租車運營智能優化。利用美國紐約市曼哈頓島的出租車出行數據進行試驗。結果表明:相較于簡單的電動出租車運營模式,DDQN優化策略最高將充電等待時長降低70%,拒載率降低53%,司機的載客收入提高7%。相對于電池容量,充電速率和車輛總數對出租車運營收入影響更大,當充電速率達到120 kW時,電動出租車達到最佳的運營表現,政府在推廣電動出租車的過程中應當建設更多高速率的充電站以提升電動出租車的運營表現。

發文機構：武漢大學測繪遙感信息工程國家重點實驗室 深圳大學建筑與城市規劃學院城市空間信息工程系 人工智能與數字經濟廣東省實驗室（深圳） 廣東省城市空間信息工程重點實驗室 自然資源部大灣區地理環境監測重點實驗室 閩江學院軟件學院

關鍵詞：深度強化學習電動出租車DDQN出租車運營deep reinforcement learningelectric taxiDDQNtaxi service strategies

分類號： P208[天文地球—地圖制圖學與地理信息工程]