The low energy density of batteries and the long recharging times constitute a significant barrier for electrification of public transportation (PT) systems since electric buses (EB) require too heavy and expensive batteries to achieve the operational availability of their combustion engine counterparts. New recharging technologies such as fast chargers and dynamic wireless power transfer (DWPT) emerge as promising solutions to overcome these challenges. Optimizing the bus fleet composition and the schedules is essential to take advantage of these emerging technologies and achieve electrification of PT in a cost-efficient way. To address this challenge, this paper proposes an integer (binary) programming formulation to find the optimal electric bus fleet composition and scheduling that minimizes the total procurement cost of the buses and the operating cost of the schedules. A column generation (CG) approach is devised to obtain provably high-quality solutions, for large problem instances. The success of the approach is due to a novel dynamic programming algorithm we develop to solve the generalized resource-constrained shortest path problem that needs to be solved in each CG iteration to find out new schedules to include in the model. Extensive computational studies on large real-world PT networks attest to the efficacy of the suggested methodology and reveal valuable managerial insights from a system-wide perspective.

电池的低能量密度和较长的充电时间构成了公共交通 (PT) 系统电气化的重大障碍，因为电动巴士 (EB) 需要太重且昂贵的电池才能实现其内燃机对应物的运行可用性。快速充电器和动态无线电力传输 (DWPT) 等新充电技术成为克服这些挑战的有前途的解决方案。优化公交车队组成和时刻表对于利用这些新兴技术并以具有成本效益的方式实现 PT 电气化至关重要。为了应对这一挑战，本文提出了一个整数（二进制）规划公式，以找到最佳的电动公交车车队组成和调度，以最大限度地减少公交车的总采购成本和调度的运营成本。列生成 (CG) 方法旨在为大型问题实例获得可证明的高质量解决方案。该方法的成功归功于我们开发的一种新颖的动态规划算法，用于解决需要在每次 CG 迭代中解决的广义资源受限最短路径问题，以找出要包含在模型中的新计划。对大型现实世界 PT 网络的广泛计算研究证明了所建议方法的有效性，并从系统范围的角度揭示了有价值的管理见解。列生成 (CG) 方法旨在为大型问题实例获得可证明的高质量解决方案。该方法的成功归功于我们开发的一种新颖的动态规划算法，用于解决需要在每次 CG 迭代中解决的广义资源受限最短路径问题，以找出要包含在模型中的新计划。对大型现实世界 PT 网络的广泛计算研究证明了所建议方法的有效性，并从系统范围的角度揭示了有价值的管理见解。列生成 (CG) 方法旨在为大型问题实例获得可证明的高质量解决方案。该方法的成功归功于我们开发的一种新颖的动态规划算法，用于解决需要在每次 CG 迭代中解决的广义资源受限最短路径问题，以找出要包含在模型中的新计划。对大型现实世界 PT 网络的广泛计算研究证明了所建议方法的有效性，并从系统范围的角度揭示了有价值的管理见解。该方法的成功归功于我们开发的一种新颖的动态规划算法，用于解决需要在每次 CG 迭代中解决的广义资源受限最短路径问题，以找出要包含在模型中的新计划。对大型现实世界 PT 网络的广泛计算研究证明了所建议方法的有效性，并从系统范围的角度揭示了有价值的管理见解。该方法的成功归功于我们开发的一种新颖的动态规划算法，用于解决需要在每次 CG 迭代中解决的广义资源受限最短路径问题，以找出要包含在模型中的新计划。对大型现实世界 PT 网络的广泛计算研究证明了所建议方法的有效性，并从系统范围的角度揭示了有价值的管理见解。