通过预测性利用空闲时间提升电动汽车拼车车队运营效率
机器学习
2024-09-21 v1 人工智能
计算机与社会
系统与控制
系统与控制
摘要
在采用电动 fleet 的拼车系统中，充电是一个复杂的决策过程。多数电动汽车（EV）出租车服务要求驾驶员做出利己决策，导致分散式的临时充电策略。移动系统当前状态常缺失或在车辆间不共享，使得系统最优决策无法实现。现有方法大多未将时间、位置和时长结合为综合控制算法，或不适于实时运行。因此我们提出一种面向单一运营商拼车服务的实时预测性充电方法，称为空闲时间利用（ITX），其预测车辆空闲时段并利用这些时段获取能量。它依赖图卷积网络与线性分配算法来制定车辆与充电站的最优配对，以最大化被利用的空闲时间。我们通过在纽约市真实数据集上的大量仿真研究评估了该方法。结果表明，ITX在模拟真实拼车系统盈利性的货币奖励函数上，每周至少优于所有基线方法5%（相当于6000辆车运营中的$70,000）。此外，与基线相比ITX至少减少4.68%的延误，并通过促进乘客在车队中更好分布来普遍提升舒适度。结果还显示ITX使车辆能在白天获取能量，稳定电池电量并增强对意外需求激增的韧性。最后，与表现最佳的基线策略相比，峰值负载降低17.39%，惠及电网运营商并为更可持续用电铺路。
引用
@article{arxiv.2208.14852,
title = {Improving Operational Efficiency In EV Ridepooling Fleets By Predictive Exploitation of Idle Times},
author = {Jesper C. Provoost and Andreas Kamilaris and Gyözö Gidófalvi and Geert J. Heijenk and Luc J. J. Wismans},
journal= {arXiv preprint arXiv:2208.14852},
year = {2024}
}