An Enhanced Delivery Route Operational Planning Model for Electric Vehicles Articles uri icon

authors

publication date

  • July 2020

start page

  • 141762

end page

  • 141776

volume

  • 8

Electronic International Standard Serial Number (EISSN)

  • 2169-3536

abstract

  • The recent incorporation of Electric Vehicles (EVs) in the worldwide delivery vehicle fleet has increased the importance of their operation in road networks. In particular, the growth of electronic commerce, while promoting the use of non-polluting energy sources, will make EVs play an important role in cities. Thus, an accurate characterization of the technical aspects of EVs and parcel delivery requirements in delivery route operational planning models is required. To that end, this paper presents an enhanced operational planning model for the route and charging of an EV fleet considering technical and economic real-world constraints, such as battery degradation, acceleration- and speed-dependent power consumption, tolls and penalty for delivery delay and non-fulfillment. Moreover, unlike some previous works, the delivery allocation and the number of EVs used are not predetermined, being rather outcomes of the optimization process. Additionally, the Proposed Approach (PA) allows EVs to pass through intersections more than once. The proposed model is formulated in terms of a series of intersection- and path-related decision variables, characterizing the State of Charge (SOC) of batteries and the navigation time. The resulting optimization problem is cast as an instance of Mixed-Integer Linear Programming (MILP). The model is implemented in the mathematical programming language GAMS and solved using the commercial solvers CPLEX and ODH-CPLEX. The model is tested on two intersection maps, including different types of roads, charging rates and delivery points. Results show the effectiveness of the PA over previously reported approaches in terms of the cost, energy and time associated with the resulting operating strategies.
    ---
    La reciente incorporación de Vehículos Eléctricos (VE) en la flota mundial de vehículos de reparto ha aumentado la importancia de su operación en las redes de carreteras. En particular, el crecimiento del comercio electrónico, al promover el uso de fuentes de energía no contaminantes, hará que los VE desempeñen un papel importante en las ciudades. Por lo tanto, se requiere una caracterización precisa de los aspectos técnicos de los VE y de los requisitos de entrega de paquetes en modelos de planificación operativa de rutas. Con ese fin, este artículo presenta un modelo mejorado de planificación operativa para la ruta y carga de una flota de VE, teniendo en cuenta restricciones técnicas y económicas del mundo real, como la degradación de la batería, el consumo de energía dependiente de la aceleración y la velocidad, peajes y penalizaciones por retraso y incumplimiento de entregas. Además, a diferencia de algunos trabajos previos, la asignación de entregas y la cantidad de VE utilizados no están predeterminadas, sino que son resultados del proceso de optimización. Además, el Enfoque Propuesto (EP) permite que los VE pasen por intersecciones más de una vez. El modelo propuesto se formula en términos de una serie de variables de decisión relacionadas con intersecciones y rutas, caracterizando el Estado de Carga (SOC) de las baterías y el tiempo de navegación. El problema de optimización resultante se formula como una instancia de Programación Lineal Mixta Entera (MILP, por sus siglas en inglés). El modelo se implementa en el lenguaje de programación matemática GAMS y se resuelve utilizando los solucionadores comerciales CPLEX y ODH-CPLEX. El modelo se prueba en dos mapas de intersecciones, que incluyen diferentes tipos de carreteras, tasas de carga y puntos de entrega. Los resultados muestran la efectividad del EP en comparación con enfoques previamente informados en términos de costo, energía y tiempo asociados con las estrategias operativas resultantes.

subjects

  • Industrial Engineering
  • Statistics

keywords

  • battery degradation; delivery allocation; electric vehicle route planning; penalty costs; acceleration-and speed-dependent power consumption