論文の概要: Consumer's Behavior Analysis of Electric Vehicle using Cloud Computing
in the State of New York
- arxiv url: http://arxiv.org/abs/2306.01888v1
- Date: Fri, 2 Jun 2023 19:49:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 23:33:29.596851
- Title: Consumer's Behavior Analysis of Electric Vehicle using Cloud Computing
in the State of New York
- Title（参考訳）: クラウドコンピューティングを用いたニューヨーク州における電気自動車の消費者行動分析
- Authors: Jairo Juarez, Wendy Flores, Zhenfei Lu, Mako Hattori, Melissa
Hernandez, Safir Larios-Ramirez, Jongwook Woo
- Abstract要約: 我々はニューヨーク州エネルギー研究開発局のEVドライブクリーンリベートデータを解析した。
このデータセットは、消費者が購入したEVのメイクとモデル、EV消費者の地理的位置、トランザクションタイプ、および税制インセンティブを特徴としている。
SAP Analytics Cloud(SAC)を使用して、まずデータをインポートしてクリーンにし、いくつかのプライマリ属性の統計スナップショットを生成します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sales of Electric Vehicles (EVs) in the United States have grown fast in the
past decade. We analyze the Electric Vehicle Drive Clean Rebate data from the
New York State Energy Research and Development Authority (NYSERDA) to
understand consumer behavior in EV purchasing and their potential environmental
impact. Based on completed rebate applications since 2017, this dataset
features the make and model of the EV that consumers purchased, the geographic
location of EV consumers, transaction type to obtain the EV, projected
environmental impact, and tax incentive issued. This analysis consists of a
mapped and calculated statistical data analysis over an established period.
Using the SAP Analytics Cloud (SAC), we first import and clean the data to
generate statistical snapshots for some primary attributes. Next, different EV
options were evaluated based on environmental carbon footprints and rebate
amounts. Finally, visualization, geo, and time-series analysis presented
further insights and recommendations. This analysis helps the reader to
understand consumers' EV buying behavior, such as the change of most popular
maker and model over time, acceptance of EVs in different regions in New York
State, and funds required to support clean air initiatives. Conclusions from
the current study will facilitate the use of renewable energy, reduce reliance
on fossil fuels, and accelerate economic growth sustainably, in addition to
analyzing the trend of rebate funding size over the years and predicting future
funding.
- Abstract（参考訳）: 米国における電気自動車(ev)の販売は過去10年間で急速に伸びている。
new york state energy research and development authority(nyserda)による電気自動車のクリーンリベートデータを解析し、ev購入における消費者行動とその環境影響について検討した。
2017年以降の完全なリベートアプリケーションに基づいて、このデータセットは、消費者が購入したEVの作成とモデル、EV消費者の地理的位置、EV取得のためのトランザクションタイプ、環境影響予測、税制インセンティブが特徴である。
この分析は、確立した期間にマッピングされ、計算された統計データ分析からなる。
SAP Analytics Cloud(SAC)を使用して、まずデータをインポートしてクリーンにし、いくつかのプライマリ属性の統計スナップショットを生成する。
次に,環境炭素量とリベート量に基づいて異なるevオプションを評価した。
最後に、可視化、地理、時系列分析がさらなる洞察と推奨を提示した。
この分析は、最も人気のあるメーカーやモデルの変更、ニューヨーク州の異なる地域でのEVの受け入れ、クリーンエアイニシアチブを支援するために必要な資金など、消費者のEV購入行動を理解するのに役立つ。
本研究の結論は, 再生可能エネルギーの利用を促進するとともに, 化石燃料への依存度を低減し, 経済成長を持続的に加速させるとともに, 年々資金規模を縮小する傾向を分析し, 今後の資金調達予測を行う。
関連論文リスト
- Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。
比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。
予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
論文 参考訳（メタデータ） (2023-12-05T11:32:31Z) - 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) - Data-Driven Probabilistic Energy Consumption Estimation for Battery
Electric Vehicles with Model Uncertainty [1.0787390511207684]
本稿では,モデル不確実性を伴う確率的ニューラルネットワークを用いた運転行動中心のEVエネルギー消費推定モデルを提案する。
モデル不確実性をニューラルネットワークに組み込むことで、モンテカルロを用いたニューラルネットワークのアンサンブルを作成しました。
提案手法は, 平均絶対誤差9.3%を達成し, 既存のEVエネルギー消費モデルよりも精度が高い。
論文 参考訳（メタデータ） (2023-07-02T04:30:20Z) - 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) - Comparison and Evaluation of Methods for a Predict+Optimize Problem in
Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。
コンペティションにおける上位7つのソリューションの比較と評価を行う。
勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文 参考訳（メタデータ） (2022-12-21T02:34:12Z) - 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) - 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) - Analyzing the Travel and Charging Behavior of Electric Vehicles -- A
Data-driven Approach [1.7403133838762446]
電気自動車(EV)は電力システムにかなりの電力需要をもたらす可能性がある。
本プロジェクトでは,全国住宅ホルドサーベイ(NHTS)データを用いて旅行の順序を定めている。
我々は、旅行開始時間、終了時間、距離など、ドライバーの次の旅行のパラメータを予測する機械学習モデルを開発する。
論文 参考訳（メタデータ） (2021-06-11T15:53:59Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳（メタデータ） (2021-02-16T16:56:27Z) - A Case Study to Identify the Hindrances to Widespread Adoption of
Electric Vehicles in Qatar [0.0]
電気自動車(EV)の採用は、温室効果ガス(GHG)の大気への排出を減少させる重要な要因であることが証明されている。
本稿では,統計分析によるEV-adoptionの一般認識を報告し,カタールにおけるEV-adoptionを改善するための推奨事項を提案する。
論文 参考訳（メタデータ） (2020-06-27T18:56:46Z)
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。