上海钡云网络科技有限公司，成立于2018年11月，是业内一家专注于物流“链接”与“优化”的国家高新技术企业。公司长期为制造企业、销售流通企业、采购流通企业、流通加工中心、第三方物流公司、中小物流车队等提供物流信息化、数字化、自动化、智能化的解决方案、产品咨询和实施服务，在OMS\TMS\WMS、车货交易平台、车辆配载、车辆调度、路径优化、通用智能算法（如神经网络、蚁群算法、遗传算法、模糊聚类等）方向拥有丰富的落地经验。

2、项目背景

双碳背景下，工信部于2021年印发了《关于启动新能源汽车换电模式应用试点工作的通知》，决定启动应用试点工作，以国家电投、三峡电力、上汽、一汽、三一、中联重科、宁德时代等为代表的企业，纷纷布局电动重卡领域。电动重卡已成“碳达峰”“碳中和”的重要解决方案和发展趋势。

受续航里程限制，在物流短倒场景中使用换电重卡是当前重点的可行模式。电动重卡在这些场景（如矿山、电厂、钢铁厂等）中持续投入运营，电动重卡的调度问题随之而来，而国内在电动重卡调度算法、系统上缺乏成熟的研发成果。

本项目《基于低碳运营的电动重卡智能调度算法及系统》，聚焦解决电动重卡调度的以下问题：一、如何缩减短倒作业的装卸排队时长；二、如何充分发挥换电站的服务能力；三、电动重卡在何时、何地进行换电以减少排队时长和换电沿途的电力消耗；四、电动重卡运营中如何满足短倒业务的时效性、经济性及其他方面的述求。

针对上述问题，本项目建立了车货匹配量化模型、电动重卡的换电模式与换电站的选择模型、业务调度与换电结合的多目标组合优化模型，并设计相应算法求解，推出电动重卡智能业务调度与换电管理的软件产品。

3、项目内容

（1）车货匹配规则

物流企业运营电动重卡前，一般先采购电动牵引车头，车厢或车板则需根据短倒场景中货物特点进行定制购买（如中翻、侧翻的自卸车板等），再为车板/车厢安装辅助设备（如低隔热围挡、苫布等）。不同的车板/车厢、辅助设备所服务的货物特征各有不同，因此需对电动重卡和货物的特征以及车货匹配规则进行定义和研究。

（2）业务调度与换电的融合

受限于续航能力，电动重卡在运输任务执行的前（装货前）、中（运输中）、后（卸货后）阶段，都可能需要换电。为保证调度方案顺利执行，需研究运输任务与换电站之间的关系，将调度方案与换电方案融合。

（3）业务调度于换电融合模式的量化决策模型

换电站在地理位置上分布于不同场所，换电站建设的服务能力不同（辆/小时），因此，需要研究：如何为一个具体的运输任务，量化、评价最优的业务调度与换电的融合模式，并在具体的模式下从多个备选换电站中选择合适的换电站，以减少车辆无效排队和无效行驶。

（4）电动重卡业务调度的优化目标及数学模型

电动重卡的业务调度，在满足1）中车货匹配规则的前提下，有如下常规优化目标：经济性目标，如成本最低、车次最少等；效率性指标，如装卸排队时间最短、就近原则等；服务满意度指标，如尽可能在规定时间送达、紧急任务优先等。也有其独有的优化目标，如缩短电动重卡在换电站的无效排队时间，减少因换电带来的无效行驶距离，提高换电站的服务能力等。如何定义、量化上述目标，并建立相应的数学模型，是研究重点。

（5）电动重卡的多目标智能调度算法

对4）中的多目标组合优化模型，设计一套在计算机求解时效上满足实际调度需求（秒级以内）的算法，使前述方法快速求解、输出调度方案，是研究的另一重点。

（6）基于低碳运营的电动重卡智能调度信息系统

针对1、2、3、4、5中的研究范围和内容，研发出一套电动重卡的智能调度系统是本项目的最终产物。

4、关键技术4.1电动重卡能力特征集合与业务需求特征集合

车货匹配规则首先要解决什么样的车能执行什么样的业务问题，因此，本项目一方面对车板/车厢的类型、辅助设备的类型、长宽高、电动卡车的续航里程属性等进行了定义和编码，以构建车辆的能力特征集合(Vehicle Capacity Set)；另一方面，对调度任务所需求的车型、辅助设备类型、长宽高、重量、距离、装卸点经纬度等进行了定义和编码，以形成任务的需求特征集合(Requirement Characteristics Set)，如下表所示。

4.2车货匹配规则及应用

本项目构建了车辆的能力特征集合（Vehicle Capacity Set）和任务的需求特征集合（Requirement Characteristics Set），并将车货匹配规则划分两类：硬约束（based on hard constraints）规则和软约束（based on soft constraints）规则。应用时，处理如下：

一、针对硬性约束（based on hard constraints）的规则，将车辆能力特征集合的元素与任务需求特征集合的对应元素进行严格匹配；

二、对于软性约束（based on soft constraints）的规则，则采取计算软性约束的匹配满意度。

4.3 业务调度、换电融合模式及量化决策模型

结合实际调研和逻辑推理，本项目定义了三种业务调度、换电的融合模式。

对于任意一个给定的具体运输任务，需要决策两个问题：一、选择哪种模式？二、每种模式下有多个备选换电站，选择哪个换电站？据此，本项目建立了如下的数学评价模型。 

上述决策模型目标为：

一、减少电动重卡的电耗（空车行驶、重车行驶）；

二、减少车辆换电排队等待时间。

模型中涵盖了如下参数：目标一目标二的权重、各路段空车行驶距离、各路段重车行驶距离、空车行驶平均电耗、重车行驶平均电耗、各备选换电站的预计排队时长、排队时长-电耗转换系数。

4.3 优化目标与调度模型

除了建立车辆能力特征向量、任务需求特征向量的量化指标外，本项目研究了以下调度目标：一、优先满足紧急任务；二、就近原则；三、避免装卸货拥堵；四、优先满足任务的计划精度；五、换电站车辆排队时间最短。

结合调度优化目标、车货匹配规则、换电融合模式、备选换电站的选择等研究，本项目建立了上述的调度优化模型。

5、创新点

技术创新

（1）构建车辆的能力特征集合（Vehicle Capacity Set）和任务的需求特征集合（Requirement Characteristics Set），为车货匹配提供详细依据；

（2）将车货匹配规则，分为硬约束（based on hard constraints）规则和软约束（based on soft constraints），并研究各自的匹配和计算方法；

（3）提出电动卡车的3类业务调度与换电融合的模式，并建立给定具体运输任务时，各模式下的备选换电站选择的数学模型；

（4）提出电动卡车在短倒运输场景下的5类核心优化目标，并建立多目标组合优化的数学模型。   

应用创新

（1）设计相关智能算法，并开发了一套基于低碳运营的开放式调度软件产品，使业务相关方能够在线协同，在国内率先推出电动重卡的业务调度系统。

（2）车货匹配的量化决策。

6、经济社会效益

（1）减少碳排放：在已试点的项目中，电动重卡因行驶距离节省带来的平均碳排放减少：32.5吨/年；

（2）提升车辆运转效率：电动重卡平均车次提升：0.5天/车次；电动重卡平均行驶距离减少15%：车辆运营成本降低4%，车辆营收增加20%；

（3）提升业务协同效率：业务执行无纸化，减少纸张使用；多角色在线协同，减少人员无效流动；

（4）改善调度管理：对业务和车辆的定量化研究，系统实现自动匹配和调度优化，减少50%调度人力资源投入。