Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması

Mustafa ÇİMEN, (Hacettepe Üniversitesi)
Sedat BELBAĞ (Ankara Hacı Bayram Veli Üniversitesi)
Üçüncü Sektör Sosyal Ekonomi
14 3
Yıl: 2022 Cilt: 57 Sayı: 3 Sayfa Aralığı: 1572 - 1592 Metin Dili: Türkçe DOI: 10.15659/3.sektor-sosyal-ekonomi.22.07.1838 İndeks Tarihi: 01-10-2022

Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması

Öz:
Sürdürülebilirlikle ilgili konulara artan ilgi, şirketleri lojistik operasyonlarının odağını maliyet minimizasyonundan eşzamanlı maliyet ve çevresel etki minimizasyonuna değiştirmeye zorlamaktadır. Ulaşımda halen konvansiyonel araçlar ağırlıklı olarak tercih edilse de çevre mevzuatı ve çevreye duyarlı tüketiciler nedeniyle hibrit ve elektrikli araçların kullanımında artan bir eğilimden bahsedilebilir. Ancak bu araçlar, dinamik bir ortamda ulaşım sürecinde (örn. trafik sıkışıklığı) öngörülemeyen olaylardan olumsuz şekilde etkilenebilmektedir. Bu makale, bir sürdürülebilir dinamik araç rotalama problemi için karma tamsayılı doğrusal programlama tabanlı bir çözüm yaklaşımı önermektedir. Ele alınan elektrikli araç rotalama problemi için dinamik çevreyi dikkate almanın önemi sayısal analizler aracılığıyla ortaya konulmuştur. Analizler sonucunda elektrikli araç kullanımıyla birlikte gelen batarya kısıtlarının dinamik çevreden ciddi şekilde etkilendiği ve belirli batarya kapasitesinin altında araçların tüm müşterilerin ihtiyaçlarına cevap veremediği görülmüştür.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • Abbasi, M., Nilsson, F., (2012). Themes and challenges in making supply chains environmentally sustainable. Supply Chain Management: International Journal, 15, 517–530.
  • Abbasi, M., & Nilsson, F. (2016). Developing environmentally sustainable logistics: Exploring themes and challenges from a logistics service providers’ perspective. Transportation Research Part D: Transport and Environment, 46, 273-283.
  • Adler, J. D., Mirchandani, P. B., Xue, G., & Xia, M. (2016). The electric vehicle shortestwalk problem with battery exchanges. Networks & Spatial Economics, 16, 155–173.
  • Archetti, C., Feillet, D., Mor, A., Speranza, M.G., (2020). Dynamic traveling salesman problem with stochastic release dates. European Journal of Operational Research 280, 832-844.
  • Basso, R., Kulcsár, B., Egardt, B., Lindroth, P., & Sanchez-Diaz, I. (2019). Energy consumption estimation integrated into the electric vehicle routing problem. Transportation Research Part D: Transport and Environment, 69, 141-167.
  • Basso, R., Kulcsár, B., Sanchez-Diaz, I., & Qu, X. (2022). Dynamic stochastic electric vehicle routing with safe reinforcement learning. Transportation research part E: logistics and transportation review, 157, 102496.
  • Chen, H.K., Hsueh, C.F., Chang, M.S., (2006). The real-time time-dependent vehicle routing problem. Transportation Research Part E: Logistics and Transportation Review 42, 383-408.
  • Chen, R., Qian, X., Miao, L., & Ukkusuri, S. V. (2020). Optimal charging facility location and capacity for electric vehicles considering route choice and charging time equilibrium. Computers & Operations Research, 113, 1–18.
  • Cheung, B.K.S., Choy, K., Li, C.L., Shi, W., Tang, J., (2008). Dynamic routing model and solution methods for fleet management with mobile technologies. International Journal of Production Economics 113, 694-705.
  • Coelho, L. C., Cordeau, J.-F., & Laporte, G. (2014). Thirty years of inventory routing. Transportation Science, 48(1), 1–19.
  • Cortes-Murcia, D. L., Prodhon, C., & Afsar, H. M. (2019). The electric vehicle routing problem with time windows, partial recharges and satellite customers. Transportation Research Part E: Logistics and Transportation Review, 130, 184–206.
  • Dekker, R., Bloemhof, J., & Mallidis, I. (2012). Operations Research for green logistics–An overview of aspects, issues, contributions and challenges. European journal of operational research, 219(3), 671-679.
  • Desaulniers, G., Errico, F., Irnich, S., & Schneider, M. (2016). Exact algorithms for electric vehicle-routing problems with time windows. Operations Research, 64, 1388–1405.
  • Eisel, M., Nastjuk, I., & Kolbe, L. M. (2016). Understanding the influence of in-vehicle information systems on range stress–insights from an electric vehicle field experiment. Transportation Research Part F: Traffic Psychology and Behaviour, 43, 199–211.
  • Felipe, A., Ortuno, M. T., Righini, G., & Tirado, G. (2014). A heuristic approach for the green vehicle routing problem with multiple technologies and partial recharges. Transportation Research Part E: Logistics and Transportation Review, 71, 111–128.
  • Fleischmann, B., Gnutzmann, S., & Sandvoß, E. (2004). Dynamic vehicle routing based on online traffic information. Transportation Science, 38(4), 420-433.
  • Franceschetti, A., Honhon, D., Van Woensel, T., Bektaş, T., & Laporte, G. (2013). The time-dependent pollution-routing problem. Transportation Research Part B: Methodological, 56, 265-293.
  • Froger, A., Mendoza, J. E., Jabali, O., & Laporte, G. (2019). Improved formulations and algorithmic components for the electric vehicle routing problem with nonlinear charging functions. Computers & Operations Research, 104, 256–294.
  • Ge, X., Zhu, Z., Jin, Y., (2020). Electric vehicle routing problems with stochastic demands and dynamic remedial measures. Mathematical Problems in Engineering 2020.
  • Guo, F., Yang, J., & Lu, J. (2018). The battery charging station location problem: Impact of users’ range anxiety and distance convenience. Transportation Research Part E: Logistics and Transportation Review, 114, 1–18
  • Haghani, A., Jung, S., (2005). A dynamic vehicle routing problem with time-dependent travel times. Computers & operations research 32, 2959-2986.
  • Jie, W., Yang, J., Zhang, M., & Huang, Y. (2019). The two-echelon capacitated electric vehicle routing problem with battery swapping stations: Formulation and efficient methodology. European Journal of Operational Research, 272(3), 879-904.
  • Jing, W., Yan, Y., Kim, I., & Sarvi, M. (2016). Electric vehicles: A review of network modelling and future research needs. Advances in Mechanical Engineering, 8, 1–8.
  • Keskin, M., & Catay, B. (2016). Partial recharge strategies for the electric vehicle routing problem with time windows. Transportation Research Part C: Emerging Technologies, 65, 111–127.
  • Keskin, M., & Catay, B. (2018). A matheuristic method for the electric vehicle routing problem with time windows and fast chargers. Computers & Operations Research, 100, 172–188.
  • Kim, G., Ong, Y.S., Cheong, T., Tan, P.S., (2016). Solving the dynamic vehicle routing problem under traffic congestion. IEEE Trans. Intelligent Transportation Systems 17, 2367-2380.
  • Kim, J., Park, H., & Jeong, B. (2022). Robust optimization model for the electric vehicle routing problem under battery energy consumption uncertainty with arc segmentation. International Journal of Sustainable Transportation, 1-12.
  • Khouadjia, M.R., Sarasola, B., Alba, E., Jourdan, L., Talbi, E.G., (2012). A comparative study between dynamic adapted PSO and VNS for the vehicle routing problem with dynamic requests. Applied Soft Computing, 12, 1426-1439.
  • Köster, F., Ulmer, M.W., Mattfeld, D.C., Hasle, G., (2018). Anticipating emission-sensitive traffic management strategies for dynamic delivery routing. Transportation Research Part D: Transport and Environment 62, 345-361.
  • Laporte, G. (2009). Fifty years of vehicle routing. Transportation science, 43(4), 408-416.
  • Liao, T.Y., Hu, T.Y., (2011). An object-oriented evaluation framework for dynamic vehicle routing problems under real-time information. Expert Systems with Applications 38, 12548-12558.
  • Lin, C., Choy, K.L., Ho, G.T., Chung, S.H., Lam, H.Y., (2014). Survey of green vehicle routing problem: past and future trends. Expert System with Applications, 41 (4), 1118–1138.
  • Mavrovouniotis, M., Yang, S., (2015). Ant algorithms with immigrants schemes for the dynamic vehicle routing problem. Information Sciences 294, 456-477.
  • McKinnon, A. (2010). Environmental sustainability – A new priority for logistics managers. In A. McKinnon, S. Cullinane, M. Browne, & A. Whiteing (eds.). Green logistics: Improving the environmental sustainability of logistics (pp, 3-30). London: Kogan Page.
  • Montoya, A., Gueret, C., Mendoza, J. E., & Villegas, J. G. (2017). The electric vehicle routing problem with nonlinear charging function. Transportation Research Part B: Methodological, 103, 87–110.
  • Novaes, A.G., Bez, E.T., Burin, P.J., Aragao Jr, D.P., (2015). Dynamic milk-run oem operations in over-congested traffic conditions. Computers & Industrial Engineering 88, 326-340.
  • da Silva Junior, O.S., Leal, J.E., Reimann, M., (2021). A multiple ant colony system with random variable neighborhood descent for the dynamic vehicle routing problem with time windows. Soft Computing 25, 2935-2948.
  • Schneider, M., Stenger, A., & Goeke, D. (2014). The electric vehicle-routing problem with time windows and recharging stations. Transportation Science, 48, 500–520.
  • Soysal, M., & Çimen, M. (2017). A simulation based restricted dynamic programming approach for the green time dependent vehicle routing problem. Computers & Operations Research, 88, 297–305.
  • Soysal, M., Çimen, M., & Demir, E. (2018). On the mathematical modeling of green oneto- one pickup and delivery problem with road segmentation. Journal of Cleaner Production, 174, 1664–1678.
  • Soysal, M., Çimen, M., Belbağ, S., & Toğrul, E. (2019). A review on sustainable inventory routing. Computers & Industrial Engineering, 132, 395-411.
  • Talouki, R. Z., Javadian, N., & Movahedi, M. M. (2021). Optimization and incorporating of green traffic for dynamic vehicle routing problem with perishable products. Environmental Science and Pollution Research, 28(27), 36415-36433.
  • Taniguchi, E., Shimamoto, H., (2004). Intelligent transportation system based dynamic vehicle routing and scheduling with variable travel times. Transportation Research Part C: Emerging Technologies 12, 235-250.
  • Xiao, Y., & Konak, A. (2016). The heterogeneous green vehicle routing and scheduling problem with time-varying traffic congestion. Transportation Research Part E: Logistics and Transportation Review, 88, 146-166.
  • Xiao, Y., Zuo, X., Kaku, I., Zhou, S., & Pan, X. (2019). Development of energy consumption optimization model for the electric vehicle routing problem with time windows. Journal of Cleaner Production, 225, 647–663.
  • Vodopivec, N., Miller-Hooks, E., (2017). An optimal stopping approach to managing travel-time uncertainty for time-sensitive customer pickup. Transportation Research Part B: Methodological, 102, 22-37.
  • Wang, F., Liao, F., Li, Y., Yan, X., Chen, X., (2021). An ensemble learning based multi-objective evolutionary algorithm for the dynamic vehicle routing problem with time windows. Computers & Industrial Engineering 154, 107131.
  • Wang, N., Sun, Y., & Wang, H. (2021). An Adaptive Memetic Algorithm for Dynamic Electric Vehicle Routing Problem with Time-Varying Demands. Mathematical Problems in Engineering, 2021.
  • Wolf, C., Seuring, S., (2010). Environmental impacts as buying criteria for third party logistical services. International Journal of Physical Distribution Logistics Management. 40, 84–102.
  • Zuo, X., Xiao, Y., You, M., Kaku, I., & Xu, Y. (2019). A new formulation of the electric vehicle routing problem with time windows considering concave nonlinear charging function. Journal of Cleaner Production, 236, 1–18.
APA Çimen M, Belbağ S (2022). Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. , 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
Chicago Çimen Mustafa,Belbağ Sedat Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. (2022): 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
MLA Çimen Mustafa,Belbağ Sedat Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. , 2022, ss.1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
AMA Çimen M,Belbağ S Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. . 2022; 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
Vancouver Çimen M,Belbağ S Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. . 2022; 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
IEEE Çimen M,Belbağ S "Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması." , ss.1572 - 1592, 2022. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
ISNAD Çimen, Mustafa - Belbağ, Sedat. "Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması". (2022), 1572-1592. https://doi.org/10.15659/3.sektor-sosyal-ekonomi.22.07.1838
APA Çimen M, Belbağ S (2022). Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. Üçüncü Sektör Sosyal Ekonomi, 57(3), 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
Chicago Çimen Mustafa,Belbağ Sedat Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. Üçüncü Sektör Sosyal Ekonomi 57, no.3 (2022): 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
MLA Çimen Mustafa,Belbağ Sedat Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. Üçüncü Sektör Sosyal Ekonomi, vol.57, no.3, 2022, ss.1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
AMA Çimen M,Belbağ S Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. Üçüncü Sektör Sosyal Ekonomi. 2022; 57(3): 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
Vancouver Çimen M,Belbağ S Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması. Üçüncü Sektör Sosyal Ekonomi. 2022; 57(3): 1572 - 1592. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
IEEE Çimen M,Belbağ S "Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması." Üçüncü Sektör Sosyal Ekonomi, 57, ss.1572 - 1592, 2022. 10.15659/3.sektor-sosyal-ekonomi.22.07.1838
ISNAD Çimen, Mustafa - Belbağ, Sedat. "Elektrikli Araç Varsayımı Altında Sürdürülebilir Dinamik Araç Rotalama Problemleri: Karma Tamsayılı Doğrusal Programlama Tabanlı bir Çözüm Algoritması". Üçüncü Sektör Sosyal Ekonomi 57/3 (2022), 1572-1592. https://doi.org/10.15659/3.sektor-sosyal-ekonomi.22.07.1838
Sayfa Oluşturulma Tarihi
24-04-2024 22:58

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları