論文の概要: Estimation of Electric Vehicle Public Charging Demand using Cellphone Data and Points of Interest-based Segmentation

• arxiv url: http://arxiv.org/abs/2206.11065v1
• Date: Thu, 2 Jun 2022 09:54:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-27 03:11:14.504241
• Title: Estimation of Electric Vehicle Public Charging Demand using Cellphone Data and Points of Interest-based Segmentation
• Title（参考訳）: 携帯電話データと興味に基づくセグメンテーションを用いた電気自動車の公共料金需要の推定
• Authors: Victor Radermecker and Lieselot Vanhaverbeke
• Abstract要約: 道路の電気化競争が始まり、ドライバーが燃料駆動の車両から電気自動車に乗り換えるよう促すには、堅牢な電気自動車(EV)充電インフラが必要である。 本稿では,革新的なEV充電需要推定とセグメンテーション手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The race for road electrification has started, and convincing drivers to switch from fuel-powered vehicles to electric vehicles requires robust Electric Vehicle (EV) charging infrastructure. This article proposes an innovative EV charging demand estimation and segmentation method. First, we estimate the charging demand at a neighborhood granularity using cellular signaling data. Second, we propose a segmentation model to partition the total charging needs among different charging technology: normal, semi-rapid, and fast charging. The segmentation model, an approach based on the city's points of interest, is a state-of-the-art method that derives useful trends applicable to city planning. A case study for the city of Brussels is proposed.
• Abstract（参考訳）: 道路の電気化競争が始まり、ドライバーが燃料駆動の車両から電気自動車に乗り換えるよう促すには、堅牢な電気自動車(EV)充電インフラが必要である。 本稿では,革新的なEV充電需要推定とセグメンテーション手法を提案する。 まず,セルシグナリングデータを用いて,近傍の粒度の帯電需要を推定する。 第2に,全充電要求を,通常充電,半急速充電,高速充電といった異なる充電技術に分割するセグメンテーションモデルを提案する。 セグメンテーションモデルは、市の関心点に基づいたアプローチであり、都市計画に適用できる有用な傾向を導出する最先端の手法である。 ブリュッセル市の事例研究が提案されている。

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)
• Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge [0.0]
  Smarter Mobility Data Challengeは、EV充電ステーションの占有率を予測する予測モデルの開発に注力している。 この課題は、2020年から2021年の間に4つの地理的領域にわたる91の充電ステーションのデータセットを分析した。 その結果、EV充電ステーションの占有率を正確に予測するための階層的予測手法の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2023-06-09T07:22:18Z)
• Modeling 100% Electrified Transportation in NYC [0.0]
  本稿では,通勤交通のエネルギー需要を評価するために,社会経済的・人口統計学的・地理的データを用いた手法を提案する。 我々は、最先端のバッテリーと電気駆動技術の技術仕様を用いて、各シナリオの電力需要を定量化する。
  論文  参考訳（メタデータ） (2022-11-16T21:27:54Z)
• 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)
• 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)
• Optimal Placement of Public Electric Vehicle Charging Stations Using Deep Reinforcement Learning [0.0]
  Reinforcement Learning (RL) の新たな応用により、新しい充電ステーションの最適な場所を見つけることができる。 提案するRLフレームワークを世界中の都市に適用し,充電ステーション配置を最適化する。
  論文  参考訳（メタデータ） (2021-08-17T17:25:30Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Electric Vehicle Charging Infrastructure Planning: A Scalable Computational Framework [5.572792035859953]
  交通システムと送電網のネットワーク規模が増大しているため, 大規模空間における最適充電インフラ計画問題は困難である。 本稿では,密に統合された輸送網と電力網網を網羅する電気自動車充電インフラ計画のためのスケーラブルな計算フレームワークの実証に焦点をあてる。
  論文  参考訳（メタデータ） (2020-11-17T16:48:07Z)
• Bayesian model of electrical heating disaggregation [68.8204255655161]
  スマートメーターの採用は、ヨーロッパのスマートエネルギーへの移行における大きなマイルストーンである。 フランスの住宅セクターは電力消費の35%$approx$35%、電気暖房による世帯の40%$approx$40%(INSEE)である。 Linkyの展開するスマートメーターの数は2021年に3500万に達する見込みだ。
  論文  参考訳（メタデータ） (2020-11-11T10:05:15Z)
• State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks [68.8204255655161]
  リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。 本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
  論文  参考訳（メタデータ） (2020-09-20T23:47:11Z)

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。