論文の概要: EVKG: An Interlinked and Interoperable Electric Vehicle Knowledge Graph
for Smart Transportation System
- arxiv url: http://arxiv.org/abs/2304.04893v1
- Date: Mon, 10 Apr 2023 23:01:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 16:46:27.328726
- Title: EVKG: An Interlinked and Interoperable Electric Vehicle Knowledge Graph
for Smart Transportation System
- Title（参考訳）: EVKG:スマートトランスポーテーションシステムのためのインターリンクおよび相互運用可能な電気自動車知識グラフ
- Authors: Yanlin Qi, Gengchen Mai, Rui Zhu, and Michael Zhang
- Abstract要約: 本稿では,EV中心の知識グラフ(EVKG)を包括的でクロスドメインかつオープンな地理空間知識管理システムとして提示する。
EVKGはEV導入、電気自動車の供給装置、送電網など、EV関連の重要な知識をカプセル化している。
6つの有能な質問を用いて、EVKGが様々な種類のEV関連質問にどのように答えられるかを実証する。
- 参考スコア（独自算出の注目度）: 5.600639345303369
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Over the past decade, the electric vehicle industry has experienced
unprecedented growth and diversification, resulting in a complex ecosystem. To
effectively manage this multifaceted field, we present an EV-centric knowledge
graph (EVKG) as a comprehensive, cross-domain, extensible, and open geospatial
knowledge management system. The EVKG encapsulates essential EV-related
knowledge, including EV adoption, electric vehicle supply equipment, and
electricity transmission network, to support decision-making related to EV
technology development, infrastructure planning, and policy-making by providing
timely and accurate information and analysis. To enrich and contextualize the
EVKG, we integrate the developed EV-relevant ontology modules from existing
well-known knowledge graphs and ontologies. This integration enables
interoperability with other knowledge graphs in the Linked Data Open Cloud,
enhancing the EVKG's value as a knowledge hub for EV decision-making. Using six
competency questions, we demonstrate how the EVKG can be used to answer various
types of EV-related questions, providing critical insights into the EV
ecosystem. Our EVKG provides an efficient and effective approach for managing
the complex and diverse EV industry. By consolidating critical EV-related
knowledge into a single, easily accessible resource, the EVKG supports
decision-makers in making informed choices about EV technology development,
infrastructure planning, and policy-making. As a flexible and extensible
platform, the EVKG is capable of accommodating a wide range of data sources,
enabling it to evolve alongside the rapidly changing EV landscape.
- Abstract（参考訳）: 過去10年間、電気自動車産業は前例のない成長と多様化を経験し、複雑なエコシステムを生み出してきた。
この多面体を効果的に管理するために,EVKG(EV-centric knowledge graph)を包括的かつクロスドメインかつ拡張可能かつオープンな地理空間知識管理システムとして提示する。
evkgはev導入、電気自動車供給装置、送電網などのev関連知識をカプセル化し、時間的かつ正確な情報と分析を提供することでev技術開発、インフラ計画、政策立案に関する意思決定を支援する。
EVKGを拡張・コンテキスト化するために,既存の知識グラフやオントロジーから,開発したEV関連オントロジーモジュールを統合する。
この統合により、Linked Data Open Cloud内の他のナレッジグラフとの相互運用性が可能になり、EV意思決定のナレッジハブとしてのEVKGの価値が向上する。
6つの能力的質問を用いて、EVKGが様々な種類のEV関連質問にどのように答えられるかを示し、EVエコシステムに重要な洞察を与えます。
私たちのEVKGは、複雑で多様なEV産業を管理するための効率的かつ効果的なアプローチを提供します。
EVKGは、重要なEV関連知識を単一のアクセスが容易なリソースに統合することで、EV技術開発、インフラ計画、政策決定に関する情報提供者を支援する。
フレキシブルで拡張可能なプラットフォームとして、EVKGは幅広いデータソースを収容できるため、急速に変化するEVのランドスケープと並行して進化することができる。
関連論文リスト
- The Roles of Generative Artificial Intelligence in Internet of Electric Vehicles [65.14115295214636]
我々は特に、電気自動車のインターネット(IoEV)について検討し、GenAI for IoEVを4つの異なる層に分類する。
IoEVアプリケーションの各レイヤで使用されるさまざまなGenAI技術を紹介します。
GenAIモデルのトレーニングに利用可能なパブリックデータセットを要約する。
論文 参考訳（メタデータ） (2024-09-24T05:12:10Z) - Foundation Models for the Electric Power Grid [53.02072064670517]
ファンデーションモデル(FM)がニュースの見出しを支配している。
多様なグリッドデータやトポロジからFMを学習することで、トランスフォーメーション能力が解放されるのではないか、と私たちは主張する。
本稿では,グラフニューラルネットワークに基づく電力グリッドFMの概念,すなわちGridFMについて論じる。
論文 参考訳（メタデータ） (2024-07-12T17:09:47Z) - Strategizing EV Charging and Renewable Integration in Texas [2.429429123532487]
本研究では,テキサス州における電気自動車(EV),再生可能エネルギー,スマートグリッド技術の収束について検討する。
グリッド安定性の懸念、非コーディネート充電パターン、EVと再生可能エネルギー源との複雑な関係に関する研究に焦点が当てられている。
論文 参考訳（メタデータ） (2023-10-25T23:34:25Z) - 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) - 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) - Delving into the Devils of Bird's-eye-view Perception: A Review,
Evaluation and Recipe [115.31507979199564]
鳥眼視(BEV)における知覚タスクの強力な表現の学習は、産業と学界の両方から注目されつつある。
センサーの構成が複雑化するにつれて、異なるセンサーからの複数のソース情報の統合と、統一されたビューにおける特徴の表現が重要になる。
BEV知覚の中核的な問題は、(a)視点からBEVへの視点変換を通して失われた3D情報を再構成する方法、(b)BEVグリッドにおける基底真理アノテーションの取得方法、(d)センサー構成が異なるシナリオでアルゴリズムを適応・一般化する方法にある。
論文 参考訳（メタデータ） (2022-09-12T15:29:13Z) - 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) - EVBattery: A Large-Scale Electric Vehicle Dataset for Battery Health and
Capacity Estimation [15.169440280225647]
電気自動車(EV)は二酸化炭素排出量を減らす上で重要な役割を果たしている。
EVの採用が加速するにつれ、EVバッテリーによる安全性の問題が重要な研究トピックとなっている。
この課題に対して,データ駆動方式のベンチマークと開発を行うため,EVバッテリの大規模かつ包括的なデータセットを導入する。
我々のデータセットは、実世界のバッテリーデータに関する最初の大規模な公開データセットであり、既存のデータには数台の車両しか含まれていないか、実験室で収集されている。
論文 参考訳（メタデータ） (2022-01-28T10:06:39Z) - 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) - Fed-BEV: A Federated Learning Framework for Modelling Energy Consumption
of Battery Electric Vehicles [5.817576247456001]
バッテリ電気自動車(BEV)は、バッテリパックに蓄えられた化学エネルギーのみを推進に使用する。
BEV(Fed-BEV)のエネルギー消費をモデル化するための新しい枠組みを提案する。
具体的には、Fed-BEVフレームワークに関わるBEVのグループが互いに学び、エネルギー消費モデルを共同で強化することができる。
論文 参考訳（メタデータ） (2021-08-05T01:56:09Z) - Deep Reinforcement Learning for Electric Vehicle Routing Problem with
Time Windows [2.1399409016552347]
EVRPTWを解くために,エンドツーエンドの深層強化学習フレームワークを提案する。
特に,ポインタネットワークとグラフ埋め込みを取り入れたアテンションモデルを構築し,EVRPTWの解法をパラメータ化する。
本研究では,既存の手法では解けない大規模のEVRPTWインスタンスを効率的に解けることを示す。
論文 参考訳（メタデータ） (2020-10-05T15:06:02Z)
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。