基于稳定匹配的订阅模式下电动车充电分配：SMEVCA
计算与语言
2024-12-16 v1 人工智能
摘要
从内燃机车辆向电动车（EV）的快速转变带来诸多挑战，如充电点（CP）有限、等待时间不可预测以及难以选择合适的充电点。为此，我们提出一种名为Stable Matching EV Charging Assignment（SMEVCA）的新型端到端框架，通过路边单元（RSU）辅助，高效地将充电需求的EV分配给CP。该框架 operates within a subscription-based model，确保订阅EV在服务水平协议（SLA）规定的时限内完成充电。SMEVCA框架采用稳定、快速且高效的EV-CP分配， formulation as a one-to-many matching game with preferences。匹配过程通过两种策略识别首选联合（一组分配给CP的EV子集）：（1）首选联合贪婪（PCG），提供高效的局部最优启发式解；（2）首选联合动态（PCD），计算更为密集但提供全局最优联合。大量仿真结果表明，PCG和PCD分别比随机消除法在网络内充电量提升14.6%和20.8%，仅有3%和0.1%的EV在RSU范围内未被服务。
引用
@article{arxiv.2412.09946,
title = {Enhancing Nursing and Elderly Care with Large Language Models: An AI-Driven Framework},
author = {Qiao Sun and Jiexin Xie and Nanyang Ye and Qinying Gu and Shijie Guo},
journal= {arXiv preprint arXiv:2412.09946},
year = {2024}
}