3. 运营调度概述
Robotaxi 的运营调度，是在“乘客需求、车辆状态、道路环境、运营规则”四类约束下，决定哪辆车、在什么时间、去接哪个订单、走哪条路、何时充电或休整的一整套决策过程。它既不是单纯的派单算法，也不只是车辆监控，而是把订单流、车流、能量流和运维任务统一编排的中枢系统。理解调度，首先要把它从“功能”提升为“约束优化问题”来看待。
一、调度问题定义：在约束中做匹配与排序
从工程视角看，Robotaxi 调度可形式化描述为：给定订单集合 O = {o₁, o₂, …, oₙ}、可用车辆集合 V = {v₁, v₂, …, vₘ}、路网与时间窗约束，求解一个分配与路径方案，使总收益最大、总成本最小，并满足安全与服务水平约束。其核心包含三个子问题：
- 匹配：订单与车辆的多对多指派，决定“谁接谁”。
- 排序：同一车辆多订单的接载顺序，决定“先接谁、后接谁”。
- 路径与时序：在动态路况下确定行驶路线、预计到达时间与充电插入点。
与网约车不同，Robotaxi 还要考虑车辆是否处于可运营状态、是否需安全员、是否临近低电量、是否在限定 ODD 区域内。因此调度问题的约束维度更多，解空间也更大。
二、调度目标：多目标之间的权衡
调度目标不是单一指标，而是分层多目标的平衡。常见目标包括：乘客等待时间最短、订单完成率最高、车辆空驶率最低、单位里程收益最大、充电成本最低、车队利用率均衡、以及安全与合规优先。实际系统中通常采用加权目标函数：
max Σ(订单收益) − α·Σ(空驶里程) − β·Σ(等待时间)
− γ·Σ(充电成本) − δ·Σ(超时惩罚)
s.t. 电量 ≥ 安全阈值
车辆位于允许运营区域
订单在承诺时间窗内完成
单车连续运营时长 ≤ 上限其中 α、β、γ、δ 是运营策略权重，会随早晚高峰、区域供需、电价时段动态调整。例如早高峰更看重等待时间，夜间更看重充电成本与安全。
三、调度层级：从战略到执行的闭环
Robotaxi 调度通常分为三层，形成“预测—规划—执行”的闭环。下图展示了三层调度与数据流的关系：
三层之间并非单向，而是持续反馈：执行层的实际完成时间、空驶里程、异常事件会回流到战术层和战略层，用于修正预测模型与策略参数。
四、实时调度与离线调度的区别
离线调度通常在已知或可预测的完整信息下进行，允许较长的计算时间，追求全局最优；实时调度则在信息不完全、需求动态到达的条件下，必须在毫秒到秒级给出可行解，追求响应速度与稳定性。二者对比如下：
| 对比维度 | 离线调度 | 实时调度 |
|---|---|---|
| 信息完整性 | 需求与路况基本已知 | 订单随机到达，路况动态变化 |
| 时间尺度 | 小时～天级 | 秒级～分钟级 |
| 优化目标 | 全局最优、长期收益 | 局部最优、即时响应 |
| 算法特点 | 整数规划、启发式、仿真优化 | 贪心、滚动时域、在线匹配 |
| 典型任务 | 车队规模、区域投放、排班 | 派单、改派、路径重规划 |
| 失败代价 | 策略偏差，可次日修正 | 乘客超时、车辆空驶、体验下降 |
五、关键挑战与常见误区
Robotaxi 调度的关键挑战集中在五个方面：
- 供需时空错配：早晚高峰潮汐需求与车辆分布不匹配，导致部分区域无车可派、部分区域车辆闲置。
- 动态不确定性：订单取消、路况拥堵、车辆故障、临时管制都会使原方案失效。
- 能量约束：电动车续航与充电时间直接限制可接单范围，充电调度与订单调度必须联合优化。
- 安全与合规：ODD 边界、安全员配置、运营时段限制构成硬约束，不能为效率牺牲安全。
- 规模与实时性：千车千单规模下，精确求解不可行，必须在解质量与计算时间之间取舍。
复盘一个典型场景：某区域晚高峰订单激增，若只做实时派单，车辆会不断从外围涌入，造成局部拥堵和接驾时间上升；若结合战术层再平衡与战略层定价引导，提前将车辆调往热点边缘，并引导部分乘客选择稍远上车点，整体完成率和等待时间都会明显改善。这说明调度必须分层协同，而不是单点优化。
综上，运营调度的本质是在多约束、多目标、动态不确定环境下，持续做出“匹配、排序、路径、能量、运维”的联合决策。理解其定义、目标、层级以及实时与离线的差异，是后续学习派单算法、再平衡策略和充电调度的基础。