利用深度强化学习提升网约车服务中电动汽车的性能
系统与控制
2019-12-10 v1 系统与控制
摘要
网约车和联网自动驾驶汽车等新型按需交通形式正在迅速普及，但对电动汽车（EV）而言却是具有挑战性的应用场景。本文探讨使用深度强化学习（DRL）来优化网约车电动汽车智能体的驾驶与充电策略的可行性，旨在降低成本与排放的同时增加所提供的交通服务。我们引入一个数据驱动的网约车电动汽车智能体仿真，该智能体提供交通服务并在拥堵的充电基础设施处补充能量。随后，我们针对该智能体的序贯驾驶与充电决策问题建立测试用例，并应用 DRL 优化其决策策略。我们针对手写策略评估其性能，结果表明我们的智能体无需任何先验知识即可学习到具有竞争力的行为。
引用
@article{arxiv.1912.03408,
title = {Increasing performance of electric vehicles in ride-hailing services using deep reinforcement learning},
author = {Jacob F. Pettit and Ruben Glatt and Jonathan R. Donadee and Brenden K. Petersen},
journal= {arXiv preprint arXiv:1912.03408},
year = {2019}
}
备注
Accepted at Workshop on Tackling Climate Change with Machine Learning @ 33rd NeurIPS 2019