基于深度学习的共享自动驾驶电动汽车系统空闲车辆调度策略优化
机器学习
2022-10-04 v1
摘要
在共享自动驾驶电动汽车（SAEV）系统的优化中，空闲车辆调度策略对降低运营成本与乘客等待时间十分重要。然而，对于按需服务，空闲车辆调度的连续优化计算代价高昂，因而效率不高。本研究提出一种基于深度学习的算法，可即时预测各种交通条件下空闲车辆调度问题的最优解。所提出的调度过程包含三步。首先，构建基于深度学习的、利用出租车大数据的乘客需求预测模型。其次，基于预测需求求解空闲车辆调度问题，并收集最优解数据。最后，利用最优解数据构建深度学习模型，以在不求解调度问题的情况下估计最优策略。此外，通过将所提空闲车辆调度模型应用于 SAEV 系统优化而予以验证。我们给出了一个包含 SAEV 车辆与充电站设计的最优服务系统。进一步，我们证明了所提策略可大幅降低按需服务的运营成本与等待时间。
引用
@article{arxiv.2010.09847,
title = {Idle Vehicle Relocation Strategy through Deep Learning for Shared Autonomous Electric Vehicle System Optimization},
author = {Seongsin Kim and Ungki Lee and Ikjin Lee and Namwoo Kang},
journal= {arXiv preprint arXiv:2010.09847},
year = {2022}
}