用于求解电动汽车充电调度问题的深度强化学习实验 SUMO 框架
系统与控制
2022-09-13 v2 系统与控制
摘要
在现代城市中，由于电动汽车（EV）排放低且动态性能更好，其数量迅速增长，导致对 EV 充电的需求不断增加。然而，由于 EV 充电设施数量有限，满足耗时 EV 充电的巨大需求成为一个关键问题。在动态交通环境中调度 EV 并协调智能体间的交互颇具挑战。为了更好地服务各种相关深度强化学习（DRL）EV 调度算法的进一步研究，一个高效的仿真环境对于确保成功十分必要。由于交通仿真器 Simulation Urban Mobility（SUMO）是应用最广泛的开源仿真器之一，在 SUMO 上创建满足研究需求的环境具有重要意义。我们旨在提高 EV 充电站的使用效率并为 EV 用户节省时间。为此，本文基于交通仿真器 SUMO，利用新加坡裕廊区设计了一个 EV 导航系统。多种前沿 DRL 算法被部署于所设计的测试平台上，以验证该框架在 EV 充电调度问题上的可行性。除 EV 调度问题外，该环境也可服务于其他强化学习（RL）交通控制问题。
引用
@article{arxiv.2209.02921,
title = {A SUMO Framework for Deep Reinforcement Learning Experiments Solving Electric Vehicle Charging Dispatching Problem},
author = {Yaofeng Song and Han Zhao and Ruikang Luo and Liping Huang and Yicheng Zhang and Rong Su},
journal= {arXiv preprint arXiv:2209.02921},
year = {2022}
}