一种实时节能且低成本的车辆路线分配神经推荐系统
机器学习
2021-10-22 v1 人工智能
计算机与社会
机器学习
摘要
本文提出一种基于能耗与成本准则将车辆分配至路线的神经网络推荐系统算法。在这项工作中，我们应用这一新方法，从总拥有成本（TCO）视角高效识别给定行程中最具成本效益的中重型卡车（MDHDT）动力总成技术。我们采用基于机器学习的方法，利用高层宏观路线信息（即对内部动态知之甚少），高效估算各候选车辆在给定的由路段（link）序列定义的路线上的能耗。随后开发完整的推荐逻辑，以在车队运营约束下实现每条路线的实时最优分配。我们展示了该框架如何用于（1）通过 top- 车辆星级排序系统高效提供单次行程推荐，以及（2）处理更一般的分配问题，其中需在 条行程上部署 辆车。这一新分配系统已部署并集成至 POLARIS 交通系统仿真工具中，供能源部交通加速研究系统与建模（SMART）移动联盟开展研究使用。
引用
@article{arxiv.2110.10887,
title = {A Real-Time Energy and Cost Efficient Vehicle Route Assignment Neural Recommender System},
author = {Ayman Moawad and Zhijian Li and Ines Pancorbo and Krishna Murthy Gurumurthy and Vincent Freyermuth and Ehsan Islam and Ram Vijayagopal and Monique Stinson and Aymeric Rousseau},
journal= {arXiv preprint arXiv:2110.10887},
year = {2021}
}
备注
14 pages, 11 figures