面向个性化车辆能耗估计的偏好感知元优化框架
人工智能
2023-06-27 v1
摘要
车辆能耗（VEC）估计旨在行程开始前预测给定行程所需的总能量，对行程规划和交通可持续性具有重要意义。现有方法主要关注从典型行程中提取统计显著因素以改进 VEC 估计。然而，由于不同出行情境下个性化驾驶行为的影响，每辆车的能耗可能存在显著差异。为此，本文提出一种偏好感知元优化框架 Meta-Pec 用于个性化车辆能耗估计。具体而言，我们首先提出时空行为学习模块以捕捉历史行程中隐藏的潜在驾驶员偏好。此外，基于驾驶员偏好的记忆，我们设计基于选择的驾驶行为预测模块，以推断给定路线上的驾驶员特定驾驶模式，为 VEC 估计提供额外依据和监督信号。另外，提出驾驶员特定元优化方案，通过全局学习和共享可迁移知识实现模型的快速适配。在两个真实数据集上的大量实验表明，我们所提框架优于十种数值和数据驱动的机器学习基线。源代码见 https://github.com/usail-hkust/Meta-Pec。
引用
@article{arxiv.2306.14421,
title = {A Preference-aware Meta-optimization Framework for Personalized Vehicle Energy Consumption Estimation},
author = {Siqi Lai and Weijia Zhang and Hao Liu},
journal= {arXiv preprint arXiv:2306.14421},
year = {2023}
}