論文の概要: Come back when you are charged! Self-Organized Charging for Electric
Vehicles
- arxiv url: http://arxiv.org/abs/2106.11025v1
- Date: Tue, 8 Jun 2021 08:36:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 06:20:26.708055
- Title: Come back when you are charged! Self-Organized Charging for Electric
Vehicles
- Title（参考訳）: 告訴されたら 戻ってこい!
電気自動車の自己組織化充電
- Authors: Benjamin Leiding
- Abstract要約: 我々は、夜間の「自由」な時間を利用して、公共および民間の充電インフラにアクセスし、バッテリーを充電し、所有者が再び車を必要とする前に家に帰ることができる、半自律電気自動車(EV)のためのエコシステムを提案する。
我々は、M2Xエコノミー(Machine-to-Everything Economy)の概念を活用し、ブロックチェーンベースのスマートコントラクトを通じてトランザクション、インタラクション、コラボレーションを行うスマートマシンのための分散エコシステムを概説する。
- 参考スコア（独自算出の注目度）: 1.0660480034605242
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dwindling nonrenewable fuel reserves, progressing severe environmental
pollution, and accelerating climate change require society to reevaluate
existing transportation concepts. While electric vehicles (EVs) have become
more popular and slowly gain widespread adoption, the corresponding battery
charging infrastructures still limits EVs' use in our everyday life. This is
especially true for EV owners that do not have the option to operate charging
hardware, such as wall boxes, at their premises. Charging an EV without an
at-home wall box is time-consuming since the owner has to drive to the charger,
charge the vehicle while waiting nearby, and finally drive back home. Thus, a
convenient and easy-to-use solution is required to overcome the issue and
incentivize EVs for daily commuters. Therefore, we propose an ecosystem and a
service platform for (semi-)autonomous electric vehicles that allow them to
utilize their "free"-time, e.g., at night, to access public and private
charging infrastructure, charge their batteries, and get back home before the
owner needs the car again. To do so, we utilize the concept of the
Machine-to-Everything Economy (M2X Economy) and outline a decentralized
ecosystem for smart machines that transact, interact and collaborate via
blockchain-based smart contracts to enable a convenient battery charging
marketplace for (semi-)autonomous EVs.
- Abstract（参考訳）: 再生不能な燃料埋蔵量の減少、深刻な環境汚染の進行、気候変動の加速は、既存の輸送概念を再評価する必要がある。
電気自動車(EV)が普及し、徐々に普及しているが、それに対応するバッテリー充電インフラは、私たちの日常生活におけるEVの使用を制限する。
これは特に、壁箱などの充電ハードウェアをオンプレミスで運用するオプションのないev所有者には当てはまります。
自宅の壁の箱なしでEVを充電するのは時間がかかり、オーナーは充電器に運転し、近くで待っている間に充電し、最終的に家に帰らなければならない。
したがって、この問題を克服し、日々の通勤者に対してEVにインセンティブを与えるため、便利で使いやすいソリューションが必要である。
そこで我々は,夜間などの「自由」な時間を利用して,公共および民間の充電インフラにアクセスし,電池を充電し,所有者が再び車を必要とする前に家に帰ることができる,半自律電気自動車のためのエコシステムとサービスプラットフォームを提案する。
そのために、機械からあらゆるものへの経済(m2xエコノミー)の概念を活用し、ブロックチェーンベースのスマートコントラクトを通じて取引、相互作用、コラボレーションを行うスマートマシンのための分散エコシステムを概説し、(セミ)自律evのための便利なバッテリー充電市場を実現する。
関連論文リスト
- Maximum flow-based formulation for the optimal location of electric
vehicle charging stations [2.340830801548167]
本稿では,EV充電需要を最大フロー問題として駅に割り当てるモデルを提案する。
実世界のシナリオを扱うための我々のアプローチのスケーラビリティを実証し、モントリオール市の方法論を紹介します。
論文 参考訳（メタデータ） (2023-12-10T19:49:09Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - HoneyEVSE: An Honeypot to emulate Electric Vehicle Supply Equipments [14.413675592484926]
HoneyEVSEは、電気自動車の充電ステーションをシミュレートする最初のハニーポットである。
HoneyEVSEは、EV充電プロセスの忠実度の高さをシミュレートすると同時に、ユーザがダッシュボードを通じてそれを操作できるようにする。
結果から,HoneyEVSEは露呈したサービス上で多数のインタラクションを惹きつけながら,Shodan honeyscoreメトリックを回避できることが示唆された。
論文 参考訳（メタデータ） (2023-09-12T09:15:07Z) - Forecasting Battery Electric Vehicle Charging Behavior: A Deep Learning
Approach Equipped with Micro-Clustering and SMOTE Techniques [0.0]
排出削減のため、世界中の交通電化が推進されている。
多くの自動車メーカーが近くバッテリー電気自動車(BEV)の生産を開始する
本研究では,BEVの走行と充電データの学習に極めて有効な,ニューラルネットワークアルゴリズムであるMicro Clustering Deep Neural Network (MCDNN)を開発した。
論文 参考訳（メタデータ） (2023-07-20T05:03:25Z) - The Growth of E-Bike Use: A Machine Learning Approach [57.506876852412034]
アメリカでのEバイクの使用は2022年に15,737.82キログラムのCO2排出量を削減した。
同年、電動自転車利用者は活動を通じて約716,630.727キロカロリーを燃やした。
論文 参考訳（メタデータ） (2023-07-15T03:34:10Z) - Federated Reinforcement Learning for Real-Time Electric Vehicle Charging
and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。
多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。
シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文 参考訳（メタデータ） (2022-10-04T08:22:46Z) - Driving and charging an EV in Australia: A real-world analysis [0.0]
本研究は,オーストラリア全土の239台のEVの実走行および充電パターンのデータ収集を目的とする。
2021年11月にアプリケーションプログラミングインターフェースプラットフォームを通じて、現在のEV所有者からのデータ収集が開始され、現在公開されている。
論文 参考訳（メタデータ） (2022-06-03T11:01:23Z) - WEcharge: democratizing EV charging infrastructure [0.0]
WEchargeは、個人所有の充電インフラを、ビジネスモデルを使って公共のEVオーナーと共有できるようにする。
ケーススタディは、消費者の嗜好がリソースマッチングを支配することを示している。
論文 参考訳（メタデータ） (2022-03-25T16:43:31Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳（メタデータ） (2021-11-13T15:03:44Z) - Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning [69.68068088508505]
バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-09-10T10:59:14Z) - Risk Adversarial Learning System for Connected and Autonomous Vehicle
Charging [43.42105971560163]
我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。
検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。
人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。
我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
論文 参考訳（メタデータ） (2021-08-02T02:38:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。