RI-PIENO -- 修订并改进的加油行程估计与优化

高效能源供应是现代交通系统的基本要求，使加油路径优化成为一个关键挑战。现有解决方案通常要么关注车间通信，要么侧重车内监控，借助智能交通系统、数字孪生体以及基于云/雾/边缘基础设施的软件定义物联网车队系统。然而，能够动态适应驾驶员行驶模式的集成框架仍不成熟。基于我们的前期PIENO框架，本文提出RI-PIENO（Revised and Improved Petrol-filling Itinerary Estimation aNd Optimization），该系统将车内传感器数据与外部地理空间及燃油价格信息相结合，通过物联网-enabled的云/雾服务进行处理。RI-PIENO将加油建模为一个动态演化的有向无环图，既反映常规日常行程，也融入实时车辆输入，将系统从静态推荐工具转变为持续自适应的决策引擎。我们通过真实的多司机、多周模拟验证了RI-PIENO在日常通勤场景中的有效性，结果表明其在成本节省和路由效率方面显著优于先前方法。该框架旨在利用新兴路边基础设施和V2X通信，支持在下一代物联网和车联网生态系统中的可扩展部署。