【标题】Shadow-price DRL: A Framework for Online Scheduling of Shared Autonomous EVs Fleets

【作者团队】Tao Qian; Chengcheng Shao; Xiuli Wang; Qian Zhou;

【发表日期】2022.3.1

【论文链接】https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9723448

【推荐理由】本文研究了共享自动驾驶电动汽车 (SAEV) 车队的在线调度。 该研究包括 SAEV 的充电管理、路由和再平衡策略，以满足电力和交通耦合网络 (PTN) 中的出行需求。 它旨在最小化 PTN 的总社会成本。 困难在于如何在考虑时间耦合的 SAEV 调度和 PTN 运行的情况下处理随时间变化的出行需求。 为了应对这一挑战，本文首次提出了一个名为 shadow-price 深度强化学习（shadow-price DRL）的新框架，它结合了严格的 PTN 操作模型和基于数据驱动的无模型 DRL 算法。 在shadow-price DRL 中，策略神经网络自适应地学习系统动力学并将其作为动态shadow-price应用于在线 SAEV 调度问题。 通过这样做，SAEV 时间表将以在线方式确定。 此外，讨论了所提出的框架与拉格朗日松弛方法之间的联系，说明了所提出方法的原理和有效性。