Search

In this paper, we develop a profit-sharing-based optimal routing mechanism to incentivize horizontal collaboration among urban goods distributors. The core of this mechanism is based on exchanging goods at meet points, which is optimally planned en route. We propose a Collaborative Electric Vehicle Routing Problem with Meet Points (CoEVRPMP) considering constraints such as time windows, opportunity charging, and meet-point synchronization. The proposed CoEVRPMP is formulated as a mixed-integer nonlinear programming model. We present an exact method via branching and a matheuristic that combines adaptive large neighborhood search with linear programming. The viability and scalability of the collaborative method are demonstrated through numerical case studies, including a real-world case and a large-scale experiment with up to 500 customers. The findings underscore the significance of horizontal collaboration among delivery companies in attaining both higher individual profits and lower total costs. Moreover, collaboration helps to reduce the environmental footprint by decreasing travel distance.

This paper considers the problem of supply-demand imbalances in Mobility-on-Demand (MoD) services. These imbalances occur due to uneven stochastic travel demand and can be mitigated by proactively rebalancing empty vehicles to areas where the demand is high. To achieve this, we propose a method that takes into account uncertainties of predicted travel demand while minimizing pick-up time and rebalance mileage for autonomous MoD ride-hailing. More precisely, first travel demand is predicted using Gaussian Process Regression (GPR) which provides uncertainty bounds on the prediction. We then formulate a stochastic model predictive control (MPC) for the autonomous ride-hailing service and integrate the demand predictions with uncertainty bounds. In order to guarantee constraint satisfaction in the optimization under estimated stochastic demand prediction, we employ a probabilistic constraining method with user-defined confidence interval, using Chance Constrained MPC (CCMPC). The benefits of the proposed method are twofold. First, travel demand uncertainty prediction from data can naturally be embedded into the MoD optimization framework, allowing us to keep the imbalance at each station below a certain threshold with a user-defined probability. Second, CCMPC can be relaxed into a Mixed-Integer-Linear-Program (MILP) and the MILP can be solved as a corresponding Linear-Program, which always admits an integral solution. Our transportation simulations show that by tuning the confidence bound on the chance constraint, close to optimal oracle performance can be achieved, with a median customer wait time reduction of 4% compared to using only the mean prediction of the GPR.

Developed in this paper is a traffic flow model parametrised to describe abnormal traffic behaviour. In large traffic networks, the immediate detection and categorisation of traffic incidents/accidents is of capital importance to avoid breakdowns, further accidents. First, this claims for traffic flow models capable to capture abnormal traffic condition like accidents. Second, by means of proper real-time estimation technique, observing accident related parameters, one may even categorize the severity of accidents. Hence, in this paper, we suggest to modify the nominal Aw-Rascle (AR) traffic model by a proper incident related parametrisation. The proposed Incident Traffic Flow (ITF) model is defined by introducing the incident parameters modifying the anticipation and the dynamic speed relaxation terms in the speed equation of the AR model. These modifications are proven to have physical meaning. Furthermore, the characteristic properties of the ITF model is discussed in the paper. A multi stage numerical scheme is suggested to discretise in space and time the resulting non-homogeneous system of PDEs. The resulting systems of ODE is then combined with receding horizon estimation methods to reconstruct the incident parameters. Finally, the viability of the suggested incident parametrisation is validated in a simulation environment.

Human driven vehicles (HDVs) with selfish objectives cause low traffic efficiency in an un-signalized intersection. On the other hand, autonomous vehicles can overcome this inefficiency through perfect coordination. In this paper, we propose an intermediate solution, where we use vehicular communication and a small number of autonomous vehicles to improve the transportation system efficiency in such intersections. In our solution, two connected autonomous vehicles (CAVs) lead multiple HDVs in a double-lane intersection in order to avoid congestion in front of the intersection. The CAVs are able to communicate and coordinate their behavior, which is controlled by a deep reinforcement learning (DRL) agent. We design an altruistic reward function which enables CAVs to adjust their velocities flexibly in order to avoid queuing in front of the intersection. The proximal policy optimization (PPO) algorithm is applied to train the policy and the generalized advantage estimation (GAE) is used to estimate state values. Training results show that two CAVs are able to achieve significantly better traffic efficiency compared to similar scenarios without and with one altruistic autonomous vehicle.

We propose pro-social control strategies for connected automated vehicles (CAVs) to mitigate jamming waves in mixed-autonomy multi-lane traffic, resulting from car-following dynamics of human-driven vehicles (HDVs). Different from existing studies, which focus mostly on ego vehicle objectives to control CAVs in an individualistic manner, we devise a pro-social control algorithm. The latter takes into account the objectives (i.e., driving comfort and traffic efficiency) of both the ego vehicle and surrounding HDVs to improve smoothness of the entire observable traffic. Under a model predictive control (MPC) framework that uses acceleration and lane change sequences of CAVs as optimization variables, the problem of individualistic, altruistic, and pro-social control is formulated as a non-convex mixed-integer nonlinear program (MINLP) and relaxed to a convex quadratic program through converting the piece-wise-linear constraints due to the optimal velocity with relative velocity (OVRV) car-following model into linear constraints by introducing slack variables. Low-fidelity simulations using the OVRV model and high-fidelity simulations using PTV VISSIM simulator show that pro-social and altruistic control can provide significant performance gains over individualistic driving in terms of efficiency and comfort on both single- and multi-lane roads.

Magyarországon 2017-től átalakult a megújulóenergia-termelés támogatási rendszere. A megújuló energiaforrásból és hulladékból előállított villamosenergia-termelésének ösztönzésére a törvényalkotó, korábban a Kötelező Átvételi Rendszert (KÁT) hozta létre. A Kötelező Átvételi Rendszert, 2017. január 1-től a Megújuló támogatási rendszer (Metár) váltotta fel. A Metár hatályba lépése előtt már ismert volt, hogy a KÁT rendszerben működött 25 éves támogatott átvételi időszak, a Metárban már csak 13 év lesz, így 2016-ban valóságos roham indult meg a KÁT engedélyekért, hogy még a kedvezőbb feltételek mellett köthessenek szerződést a beruházók. A MEKH ekkor rekord mennyiségű, nagyjából 2000 engedélyt adott ki 500 kW és az alatti naperőművek építéséhez. Ez több mint 1000 MW összteljesítmény. Jelen tanulmány arra keresi a választ, hogy a KÁT engedélyekkel rendelkező naperőművek, megvalósulásuk esetén hogyan befolyásolnák a magyar településállomány önellátottsági szintjét a villamosenergia-ellátásban. A továbbiakban ezen erőmű kategóriába tartozó, már meglévő és az engedélyek alapján a jövőben megépülő, erőművek hatását vizsgáljuk a települési villamosenergia-önellátásban.

A megújuló energiaforrások viharos gyorsaságú és világméretű terjedése során egyre több település tűzi ki célul, energiaigényének kielégítését megújuló forrásokból. Magyarország energiamérlegében ma még jelentős részt tesznek ki a fosszilis energiahordozók, amelyek többsége importtal biztosított. Az energiafüggőség csökkentése, az energiabiztonság növelése, a környezeti szempontok figyelembe vétele és a települések energiaköltségének csökkentése érdekében elkerülhetetlen a megújuló energiaforrásokból származó energia részarányának növelése. Magyarország érdeke is az, hogy a megújuló energiaforrások részarányát növelje az energiaellátásban. Ennek érdekében, a 2007-es Villamos energia törvény (VET) (2007. évi LXXXVI. törvény, a villamos energiáról) létrehozta az 50 kVA teljesítménynél kisebb összes teljesítményű háztartási méretű kiserőmű (HMKE) kategóriát. Ebben a kategóriában megújuló és fosszilis forrásból is előállítható villamos energia. A 2015 végéig installált kapacitás 99,6%-a megújuló forrásból származik, 99%-a pedig napenergiából. A HMKE kategória bevezetése óta eltelt hét évben, annak beépített országos összes kapacitása ugrásszerűen növekedett. Az összes teljesítőképesség 2008. év végén még 0,51 MW volt, míg 2015. év végére már megközelítette a 129 MW-ot. Az összes teljesítőképesség 2008-tól 2015-ig minden évben az előző évi többszörösére emelkedett és további dinamikus kapacitásbővülés várható. A kapacitások és az általuk termelt villamos energia települési szintű adatként is megjeleníthető. A vizsgálatok célja, annak megállapítása, hogy pusztán e legkisebb erőmű kategóriában kiépült kapacitás milyen arányban képes részt venni az egyes magyarországi települések villamosenergia-ellátásában. Azaz, az így termelt villamos energia mekkora százalékát elégíti ki a helyi villamosenergia-igényeknek. Ez alapján felállítható egy települési rangsor, amely megmutatja az önellátás mértékét a megújuló energiaforrásból származó villamosenergia-előállítás terén, továbbá lehetőséget ad az energiaváltás megvalósításának tervezésére. Végezetül a célértékek elérése tekintetében milyen mértékben lehet alapozni e legkisebb erőmű kategóriára.

A technológiai fejlődéssel elérhető közelségbe került az energiaváltás gondolata. Az átállás a fosszilis energiahordozókról a megújuló energiaforrásokra jelenleg területi kiterjedés kérdése, vagyis települési regionális vagy globális szinten érhető el. Jelen tanulmány, a települési szinten megvalósított 100%-ig megújuló forrásokra támaszkodó rendszerek módszertanát vizsgálja. A nemzetközi szervezeteken és esettanulmányokon keresztül rendszerezi a teljes megújuló alapú energiaellátáshoz vezető út módszereit, valamint vizsgálja meg ez alapján a magyarországi településállomány önellátottsági szintjét, sajátos módszereket alkalmazva.

Dolgozatunkban Komádi város megújuló energetikai adottságát vizsgáljuk. Kitérünk arra, hogy jelenleg milyen módon hasznosítja a város a lehetőségeit, valamint javaslatokat adunk arra, hogy az önkormányzati épületek villamosenergia-igényét milyen módon lehetne megújuló energiaforrások segítségével biztosítani.

Countries in the world can be classified into different groups regarding their geographical location, historical background, economic and social environments, and even demographic conditions. It is obvious that decision makers need exact and general indices in order to identify country groups. On the basis of the evaluations by some international organizations (e.g. International Monetary Fund, the World Bank, United Nations) countries in Southeast Asia and in Eastern Europe belong to the same group – to that of developing countries – however they are quite different regarding their fundamental characteristics. The key elements of the comparison of countries are different indicators and indices (GDP, GDP PPS, HDI and HPI) and those used to form groups of nations. But do these indicators have sufficient validity? The main aim of this article is to compare the fundamental characteristics of the Philippines (Southeast Asia) and Hungary (Eastern Europe) to answer this question.