論文の概要: Toward Efficient Transportation Electrification of Heavy-Duty Trucks:
Joint Scheduling of Truck Routing and Charging
- arxiv url: http://arxiv.org/abs/2302.00240v4
- Date: Mon, 13 Nov 2023 22:57:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 19:30:34.847193
- Title: Toward Efficient Transportation Electrification of Heavy-Duty Trucks:
Joint Scheduling of Truck Routing and Charging
- Title（参考訳）: 大型トラックの効率的な輸送電化に向けて--トラックルーティングと充電のジョイントスケジューリング
- Authors: Mikhail A. Bragin, Zuzhao Ye, Nanpeng Yu
- Abstract要約: 本稿では,電気トラックの連系計画と充電スケジューリングを提案する。
関連する最適化問題の目的は、輸送、充電、重荷のコストを最小限に抑えることである。
サーロゲートレベルに基づくラグランジアン緩和法 (SLBLR) を用いて, 問題をより複雑なトラックサブプロブレムに分解する。
- 参考スコア（独自算出の注目度）: 3.0794207344325693
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The timely transportation of goods to customers is an essential component of
economic activities. However, heavy-duty diesel trucks used for goods delivery
significantly contribute to greenhouse gas emissions within many large
metropolitan areas, including Los Angeles, New York, and San Francisco. To
reduce GHG emissions by facilitating freight electrification, this paper
proposes Joint Routing and Charging scheduling for electric trucks. The
objective of the associated optimization problem is to minimize the cost of
transportation, charging, and tardiness. A large number of possible
combinations of road segments as well as a large number of combinations of
charging decisions and charging durations leads to a combinatorial explosion in
the possible decisions electric trucks can make. The resulting mixed-integer
linear programming problem is thus extremely challenging because of the
combinatorial complexity even in the deterministic case. Therefore, a Surrogate
Level-Based Lagrangian Relaxation (SLBLR) method is employed to decompose the
overall problem into significantly less complex truck subproblems. In the
coordination aspect, each truck subproblem is solved independently of other
subproblems based on the values of Lagrangian multipliers. In addition to
serving as a means of guiding and coordinating trucks, multipliers can also
serve as a basis for transparent and explanatory decision-making by trucks.
Testing results demonstrate that even small instances cannot be solved using
the off-the-shelf solver CPLEX after several days of solving. The SLBLR method,
on the other hand, can obtain near-optimal solutions within a few minutes for
small cases, and within 30 minutes for large ones. Furthermore, it has been
demonstrated that as battery capacity increases, the total cost decreases
significantly; moreover, as the charging power increases, the number of trucks
required decreases as well.
- Abstract（参考訳）: 顧客への商品のタイムリーな輸送は経済活動の重要な要素である。
しかし、貨物輸送に使われる大型ディーゼルトラックはロサンゼルス、ニューヨーク、サンフランシスコなど多くの大都市で温室効果ガスの排出に大きく寄与している。
貨物の電化を容易にすることでGHG排出を低減するため,電気トラックの連系ルーティングと充電スケジューリングを提案する。
関連する最適化問題の目的は、輸送、充電、重荷のコストを最小限に抑えることである。
多数の道路セグメントの組み合わせと、多数の充電決定と充電期間の組み合わせは、電気トラックができることの可能な決定において、組合せ的な爆発を引き起こす。
結果として生じる混合整数線形プログラミング問題は、決定論の場合でさえ組合せ複雑性のため、非常に難しい。
そこで,Surrogate Level-Based Lagrangian Relaxation (SLBLR)法を用いて,問題全体をより複雑なトラックサブプロブレムに分解する。
コーディネーション面では、ラグランジアン乗算器の値に基づいて、各トラックサブプロイムを他のサブプロイムとは独立に解く。
トラックの誘導と調整の手段としての役割に加えて、乗算器はトラックによる透明で説明的な意思決定の基盤としても機能する。
実験の結果,数日間の解決の後,市販のCPLEXを用いて小さなインスタンスでも解決できないことがわかった。
一方,SLBLR法は小症例では数分以内,大症例では30分以内の最適解が得られる。
さらに、バッテリ容量が増加するにつれて、総コストが大幅に減少し、さらに充電電力が増加するにつれて、必要なトラックの数が減少することが示されている。
関連論文リスト
- Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Assessing the Effects of Container Handling Strategies on Enhancing Freight Throughput [1.3499500088995464]
世界のサプライチェーンや貨物量の増加に伴い、米国は交通需要の増大に直面している。
サンペドロ港複合施設(SPPC、San Pedro Port Complex)は、これらの課題のかなりの部分を占めている。
我々はエージェント・ベース・シミュレーションを用いて実世界のシナリオを再現する。
コンテナの分類は、ポートエリアのみではなく、カリフォルニア、ユタ、アリゾナ、ネバダの潜在的な倉庫に移される。
論文 参考訳（メタデータ） (2024-08-05T18:38:27Z) - Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - Coalitional Bargaining via Reinforcement Learning: An Application to
Collaborative Vehicle Routing [49.00137468773683]
コラボレーティブ・ビークル・ルーティング(Collaborative Vehicle Routing)とは、デリバリ情報を共有し、互いに代理してデリバリ要求を実行することで、デリバリ企業が協力する場所である。
これによりスケールの経済が達成され、コスト、温室効果ガスの排出、道路渋滞が減少する。
しかし、どの会社が誰とパートナーし、それぞれの会社がどれだけの報酬を支払うべきか?
シャプリー値(英語版)やヌクレオルス(英語版)のような伝統的なゲーム理論解の概念は、協調車両ルーティング(英語版)の現実問題に対して計算することが困難である。
論文 参考訳（メタデータ） (2023-10-26T15:04:23Z) - A Multi-Objective approach to the Electric Vehicle Routing Problem [0.0]
電気自動車ルーティング問題(EVRP)は、燃料ベースの車からより健康的で効率的な電気自動車(EV)に移行するために、研究者や工業者から大きな関心を集めている。
以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが最初のポイントに戻らなければならない。
我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
論文 参考訳（メタデータ） (2022-08-26T05:09:59Z) - A Reinforcement Learning Approach for Electric Vehicle Routing Problem
with Vehicle-to-Grid Supply [2.6066825041242367]
EVルーティングに強化学習(RL)を用いたQuikRouteFinderを提案する。
RLの結果は混合整数線形プログラム(MILP)と遺伝的アルゴリズム(GA)のメタヒューリスティックスに基づく正確な定式化と比較される。
論文 参考訳（メタデータ） (2022-04-12T06:13:06Z) - An SMT Based Compositional Model to Solve a Conflict-Free Electric
Vehicle Routing Problem [2.64699517152535]
CF-EVRP(Electric Conflict-Free Vehicle Routing Problem)は、車両の運転範囲の制限、顧客への配送時間帯の制限、道路セグメントが許容できる車両数に対する制限といった制約を含む。
我々は、問題をより小さく、より単純なサブプロブレムに分解し、準最適で実現可能なソリューションを提供する構成モデルを開発する。
論文 参考訳（メタデータ） (2021-06-10T20:37:46Z) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。
近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。
EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文 参考訳（メタデータ） (2020-08-07T18:45:26Z) - Equitable and Optimal Transport with Multiple Agents [48.17429789586127]
複数のコストがかかる場合に最適輸送問題を拡張します。
1つのディストリビューションを別のディストリビューションに転送する作業は、エージェント間で均等に共有することを目的としています。
別の視点では、目的がエージェント間で均等な商品を均質な選好に従って分配することである。
論文 参考訳（メタデータ） (2020-06-12T15:15:41Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
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。