基于Transformer的图神经网络用于AIoT电池换服中的电池续航预测
机器学习
2025-02-17 v2 人工智能
摘要
共享经济概念已广受欢迎，在此背景下，共享电动自行车电池（SEB）成为社会关注的焦点。尽管流行，但用户对 SEB 剩余电池续航的预期与现实之间存在显著差距，导致用户倾向于在紧急情况下寻找可用电池。针对这一挑战，将人工智能物联网（AIoT）与电池换服集成已成为可行解决方案。本文提出一种新型结构Transformer模型，称为 SEB-Transformer，专为预测 SEB 的电池续航而设计。将场景建模为动态异构图，封装用户与自行车之间的相互作用，为分析提供全面框架。进一步将图结构融入 SEB-Transformer，以结合均值结构相似性，提升预测精度。通过我们的模型预测，我们能够实时动态调整用户的最优骑行路线，同时考虑充电站的战略位置，从而优化用户体验。经实证分析，我们在真实数据集上的实验结果表明，我们的方法在九个竞争基准方法中均表现出优势。这些创新由 AIoT 提动，既弥合了用户期望与电池续航物理限制之间的鸿沟，又显著提高了 SEB 服务的运营效率和可持续性。通过这些进展，共享电动自行车生态系统正在向更可靠、用户友好和可持续的交通方式迈进。
引用
@article{arxiv.2407.16115,
title = {Transformer-based Graph Neural Networks for Battery Range Prediction in AIoT Battery-Swap Services},
author = {Zhao Li and Yang Liu and Chuan Zhou and Xuanwu Liu and Xuming Pan and Buqing Cao and Xindong Wu},
journal= {arXiv preprint arXiv:2407.16115},
year = {2025}
}
备注
9pages, 6figures, accepted by IEEE ICWS 2024 The International Conference on Web Services