本项目研究双边 V2V 平台中的自适应批量匹配时机：强化学习决定当前 tick 是继续等待还是触发完整匹配，约束优化器统一决定具体 CV-DV 匹配边。默认主环境使用 NYC TLC 黄出租数据改造出的 Manhattan taxi-zone 级 Future V2V 场景；出租车数据只提供时空需求、OD 热点、行程时间和价格强度，V2V 的电量、等待窗口、报价、保留电量、SOC、电池健康和车辆供给仍由业务模型生成。
当前主线：
- 1 tick = 3 分钟。
- 主算法是
adaptive_timing_ppo：二元动作WAIT / MATCH_FULL，动态匹配间隔由连续WAIT后的下一次MATCH_FULL统计出来。 - 底层匹配边只由同一个完整正收益约束优化器决定；强化学习不直接挑订单、车辆或匹配边。
adaptive_interval_dqn保留为显式对照，不再作为默认主方法。- 主评估表只保留固定 1/2/3/4 步完整匹配、手写强规则和
adaptive_timing_ppo。 - 默认训练使用有限时域 PBRS 和
compact_v2v紧凑观测；奖励塑造只影响训练信号，不改变最终评估指标。 - 电池健康与双边价格机制默认开启，传输效率、最低 SOC、安全可供电量、退化成本、卖方补偿和平台边际收益都会进入匹配约束与评估指标。
准备 TLC Manhattan 缓存：
python scripts/prepare_tlc_manhattan.py --month 2025-10快速运行：
python scripts/run_experiment.py --stage smoke --episodes 5 --eval-episodes 3 --rollout-workers 2 --eval-workers 2 --reward-shaping pbrs --observation-profile compact_v2vPBRS 对照：
python scripts/run_pbrs_ablation.py --scale smoke --episodes 5 --eval-episodes 3 --rollout-workers 2 --eval-workers 2 --run-name smoke_pbrs_ablation_v1摩擦灵敏度单独运行，不默认混入主实验：
python scripts/run_friction_sensitivity.py --scale main --run-name main_latest --eval-workers 4候选车辆 cap 灵敏度单独运行：
python scripts/run_cap_sensitivity.py --scale main --run-name main_latest --eval-workers 4 --caps 20,32,48,64,0主实验：
python scripts/run_experiment.py --stage all --scale main --rollout-workers 4 --eval-workers 4验证：
python -m pytest tests -q
python -m ruff check future_v2v scripts tests更多说明：
docs/research_design_zh.mddocs/environment_design_zh.mddocs/runbook_zh.md
scales.<scale>.total_orders 是固定的单轮订单数，不是上界。TLC 行程用于校准时空需求、OD 结构、旅行时间和价格强度；稀疏采样窗口会按区域压力重采样，因此评估不会混入不同订单规模。
outputs/<run_name>/env_health/eval_scenario_manifest.csv 保存固定评估窗口。主规模默认固定 80 个评估场景；存在足够数量的 manifest 和环境健康摘要时，generate 与 eval 会复用同一批场景，保证策略比较使用相同 Manhattan 需求窗口。
outputs/<run_name>/eval/eval_summary_zh.csv 是主评估表的中文字段版本，便于直接写论文表格。