XiaoMi-AI文件搜索系统
World File Search SystemFleets
关于协调的车队规模对交通效率的影响
摘要 - 我们研究了运输网络上的交通分配问题，考虑到个人驾驶员和由中央运营商控制的大型车队的需求（最小化车队的平均旅行时间）。我们将这个问题视为两人凸局游戏，我们研究了以总需求份额来衡量的协调舰队的规模如何影响无政府状态的价格（POA）。我们表明，对于两端网络，在某些情况下，车队必须在实际影响POA之前达到最低份额，否则这保持不变。此外，对于并行网络，我们证明，在适当的假设下，POA在舰队共享中单调性不足。索引术语 - 运输网络，游戏理论，传统控制。
合众集团称 Gateway Fleets 是“一家成功的企业……
本周早些时候，总部位于瑞士楚格的 Partners Group 宣布对 Gateway Fleets 进行多数股权投资，Gateway Fleets 是一家总部位于旧金山的美国物流车队运营商电气化服务提供商。此次交易正值许多利益相关者加倍投入增加电动汽车以减少内燃机造成的碳足迹之际。据宣布该交易的新闻声明称，电动汽车车队迁移市场正受益于推动变革的多个主题顺风，包括技术进步降低了电动汽车成本、企业更加重视脱碳目标以及电子商务的强劲增长。该声明还补充说，到 2030 年，美国支持电动汽车车队充电的服务市场价值预计将达到 150 亿美元。PE Hub 采访了 Partners Group 基础设施美洲团队的董事总经理 Andre Burba，以进一步了解该公司通过这笔交易发现的机遇。以下是摘录：
老化飞机机队：结构和其他子系统方面
在处理飞机老化问题时，还需要考虑其他因素；例如，备件、工艺和工具可能不再可用，物流程序可能已经改变，供应商可能退出业务。预算限制和更高的机队利用率将增加应对结构老化方面以及发动机和航空电子设备等主要子系统的需求。用户社区对典型挑战和技术解决方案的认识可以缓解一些问题。现在有新技术可用于处理许多飞机老化问题。它们涉及检查、维修和耐腐蚀材料、结构建模和更复杂的维护计划。因此，在北约和平伙伴关系 (PfP) 的赞助下，提出了一个讲座系列 (LS)，其主要重点是深入讨论这些新技术和方法。LS 将涵盖与固定翼和直升机机队相关的系统升级和结构适航性方面，重点是北约国家使用的寿命增强策略。
工业资产车队的早期故障和服务
在针对工业资产车队（例如飞机、喷气发动机、风力涡轮机等）的服务市场中，原始设备制造商和服务提供商通过提供涵盖日常服务以及重大维护和维修的服务相互竞争。由于决策高度受可靠性模型的指导，因此可以肯定地说，服务盈利能力取决于理解操作条件和组件能力之间复杂随机相互作用的能力。不幸的是，运营商引入的激进任务组合、暴露于恶劣环境、维护不充分以及大规模生产问题等因素可能导致预测和观察到的使用寿命之间存在很大差异。本文重点关注早期死亡率对工业资产车队的影响的量化。使用数值实验来研究故障观测次数和车队规模如何影响车队可靠性建模。动态贝叶斯网络实施基于物理的模型，用于模拟车队不可靠性，同时考虑不良材料批次的影响。结果表明，材料能力、不良材料批次在车队中的渗透率以及车队规模极大地影响了模型的准确性。因此，自然观察到较少故障的小型车队运营商在量化早期死亡率时必须处理更大的不确定性。这对他们分配库存、劳动力等资源的能力产生负面影响，并在维修车队时解释生产力损失。另一方面，对于大型车队运营商来说，大量的故障观察可能会造成沉重的财务负担。尽管如此，它还可以减少构建/更新可靠性模型的不确定性，这有助于他们预测未来故障并为服务和维护做好准备。最后，结果还表明，重新启用舰队和开展检查活动等措施可以减轻舰队早期寿命问题的影响。
拟议的先进清洁车队监管工作人员报告
附录 A 拟议的 ACF 法规命令 附录 A-1 第 2013 节：州和地方政府车队 附录 A-2 第 2014 节：在用的重型公路货运卡车 附录 A-3 第 2015 节：高优先级和联邦车队 附录 A-4 第 2016 节：100% 中型和重型零排放汽车销售 附录 B 引用的文件 附录 C 标准化监管影响评估 (SRIA) 附录 C-1 提交给财政部的原始 SRIA 附录 C-2 财政部对 SRIA 的评论 附录 D 加州环境质量法环境分析 附录 E 非正式公共流程 附录 F 排放清单 附录 G 总拥有成本讨论文件 附录 H 目的和理由说明 附录 H-1 第 2013 节：州和地方政府车队 附录 H-2 第 2014 节：在用的重型公路货运卡车 附录 H-3 2015 年：高优先级和联邦车队附录 H-4 节 2016 年：100% 中型和重型零排放汽车销售附录 I 修改后的基线分析附录 J 商用零排放汽车清单
电动汽车充电：如何抓住新兴机遇
随着越来越多的人和组织购买电动汽车 (EV)，公司将有机会通过销售更多电力和充电基础设施来提高收入，还可以通过提供支持电动汽车充电的服务来提高收入。电动汽车车队是充电服务潜在市场中一个特别有前景的部分，它可以帮助车队运营商通过高效采购和管理能源来降低成本。在美国，到 2030 年，车队充电服务市场规模可能达到每年 150 亿美元。尽管这个市场分散且尚未开发，但公司现在就进入竞争状态还为时不晚。公司应该认识到提供这些服务可能需要新的商业模式，并做好相应的准备。
开放车队中的分散协调，以进行可扩展和动态的任务分配
大型和开放协作和商用车舰队协调的主要挑战之一是动态的任务分配。自我界定的独立合理的车辆驱动程序同时具有本地和全球目标，这需要使用某种公平有效的任务分配方法进行协调。在本文中，我们回顾了有关可扩展和动态任务分配的文献，重点是确定性和动态二维线性分配概率。我们专注于开放车队的多代理系统表示，其中动态出现的车辆由软件代理表示，这些软件应分配给一组动态出现的任务。我们对最新的研究结果进行了比较和批判性分析，该研究结果侧重于集中，分布和分散的解决方案方法。此外，我们提出了以下作业问题的动态版本的数学模型，在组合优化中众所周知：分配问题，瓶颈分配问题，公平匹配的问题，动态最小偏差分配概率，P K-分配问题，分配问题，半分配问题，半分配问题以及辅助分配的分配性分配的分配性代理人参差合格;在考虑开放车队的主要方面的同时：任务和车辆的随机到达（代理商）可能会在协助以前的任务或通过个人利益参与舰队的情况下可用。
美国运输舰队中的燃料电池巴士：当前状态2020
致谢本文档包括几个美国燃料电池电动总线评估项目的结果和经验。美国能源部在能源效率和可再生能源办公室内的氢气和燃料电池技术办公室为这项工作提供了资金。联邦公交管理局和州机构资助了燃料电池电动总线部署和基础设施，而氢和燃料电池技术办公室则着重于技术研究，开发和示范，以满足成本和绩效目标。国家可再生能源实验室赞赏我们项目合作伙伴的积极参与。本报告的贡献者包括联邦和州政府机构，制造公司和过境当局的工作人员。作者特别感谢以下个人：
学习通过离线加强学习从观察中控制自主舰队
摘要 - 按需（AMOD）系统的自主移动性是一种不断发展的运输方式，其中中央协调的自动驾驶汽车的舰队动态地服务了旅行请求。这些系统的控制通常被称为一个大型网络优化问题，而增强学习（RL）最近已成为解决该领域中开放挑战的一种有前途的方法。最近的集中式RL方法专注于从在线数据中学习，而忽略了实际运输系统中的每样本相互作用。为了解决这些限制，我们建议通过离线强化学习的镜头正式对AMOD系统进行正式控制，并使用仅离线数据学习有效的控制策略，这很容易为当前的移动性运营商提供。我们进一步研究了设计决策，并根据现实世界中移动性系统的数据提供了经验证据，表明了离线学习如何恢复（i）（i）（i）与在线方法表现出相同的AMOD控制策略，（ii）允许样品有效的在线微调和（iii）消除复杂的模拟环境的需求。至关重要的是，本文表明，离线RL是在经济临界系统（例如迁移率系统）中应用基于RL的SO的有希望的范式。
数据驱动的模拟和场景分析，将自动按需舰队集成到公共交通中
通过模拟不同的方案，利益相关者（例如车队运营商，用户和城市行政管理）可以使用相关的关键绩效指标（KPI）分析未来的发展。这些基于模拟的见解支持数据驱动的决策，并为移动性转变做出了重要贡献。STF因此可以实现面向目标的计划，从而使自动驾驶汽车可持续有效地整合到现有的运输系统中，并为连接的，防止未来的公共交通系统铺平了道路。