論文の概要: Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge

• arxiv url: http://arxiv.org/abs/2306.06142v1
• Date: Fri, 9 Jun 2023 07:22:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 21:00:05.442496
• Title: Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge
• Title（参考訳）: 電気自動車充電ステーションの稼働予測:スマートモビリティの課題
• Authors: Yvenn Amara-Ouali (EDF R&D), Yannig Goude (EDF R&D), Nathan Doum\`eche (SU, EDF R&D), Pascal Veyret (EDF R&D), Alexis Thomas, Daniel Hebenstreit (TU Graz), Thomas Wedenig (TU Graz), Arthur Satouf, Aymeric Jan, Yannick Deleuze (VeRI), Paul Berhaut, S\'ebastien Treguer, Tiphaine Phe-Neau
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The transport sector is a major contributor to greenhouse gas emissions in Europe. Shifting to electric vehicles (EVs) powered by a low-carbon energy mix would reduce carbon emissions. However, to support the development of electric mobility, a better understanding of EV charging behaviours and more accurate forecasting models are needed. To fill that gap, the Smarter Mobility Data Challenge has focused on the development of forecasting models to predict EV charging station occupancy. This challenge involved analysing a dataset of 91 charging stations across four geographical areas over seven months in 2020-2021. The forecasts were evaluated at three levels of aggregation (individual stations, areas and global) to capture the inherent hierarchical structure of the data. The results highlight the potential of hierarchical forecasting approaches to accurately predict EV charging station occupancy, providing valuable insights for energy providers and EV users alike. This open dataset addresses many real-world challenges associated with time series, such as missing values, non-stationarity and spatio-temporal correlations. Access to the dataset, code and benchmarks are available at https://gitlab.com/smarter-mobility-data-challenge/tutorials to foster future research.
• Abstract（参考訳）: 輸送部門はヨーロッパにおける温室効果ガス排出の主要な要因である。 低炭素エネルギー混合による電気自動車(EV)へのシフトは、二酸化炭素排出量を減らす。 しかし、電動モビリティの開発を支援するためには、EV充電行動のより深い理解とより正確な予測モデルが必要である。 このギャップを埋めるために、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、2020-2021年に4つの地理的領域にまたがる91の充電ステーションのデータセットを分析することだった。 予測は、データ固有の階層構造を捉えるために、3つのレベルの集約(個別のステーション、エリア、グローバル)で評価された。 この結果は、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な予測手法の可能性を強調し、エネルギー提供者やEVユーザーにも貴重な洞察を提供する。 このオープンデータセットは、値の欠如、非定常、時空間相関など、時系列に関連する多くの現実世界の課題に対処する。 データセット、コード、ベンチマークへのアクセスは、将来の研究を促進するためにhttps://gitlab.com/smarter-mobility-data-challenge/tutorialsで利用できる。

関連論文リスト

• Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network [1.49199020343864]
  本稿では,多成分時間畳み込みネットワーク(MQ-TCN)を用いたEV充電サイトの位置に基づく負荷予測について述べる。 多様なEVユーザタイプを持つ4つの充電所(Caltech, JPL, Office-1, NREL)のデータについて実験を行った。 提案した MQ-TCN モデルでは,JPL 充電現場での日頭負荷予測において,XGBoost モデルよりも28.93% 向上した。
  論文  参考訳（メタデータ） (2024-09-18T10:34:48Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• 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)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)
• Investigating the Spatiotemporal Charging Demand and Travel Behavior of Electric Vehicles Using GPS Data: A Machine Learning Approach [1.160208922584163]
  電気自動車(EV)は運転者の走行行動を変え、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。 電力需要はEVの走行行動に依存するため、日々の充電需要(CD)の予測は難しい課題となる。 本稿では,同市からのEVおよび従来のガソリン自動車のGPSデータを用いて,運転者の走行行動の変化について検討する。
  論文  参考訳（メタデータ） (2022-02-28T23:11:30Z)
• Defining a synthetic data generator for realistic electric vehicle charging sessions [6.37470346908743]
  電気自動車(EV)充電ステーションは、近年電力網で顕著になっている。 しかし、そのようなEVセッションデータの可用性の制限は、これらの分野でのさらなる発展を妨げる。 我々はEV充電セッションのための合成データ生成装置を開発した。
  論文  参考訳（メタデータ） (2022-02-28T11:18:40Z)
• 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)
• Predicting vehicles parking behaviour in shared premises for aggregated EV electricity demand response programs [3.448121798373834]
  本稿では,共有駐車場における駐車時間推定手法を提案する。 我々は、駐車イベントの期間を予測するために、予測問題を教師付き機械学習タスクとして定式化する。 この予測期間は、ピーク時の電力需要を減少させる期間にわたって電力を割り当てるエネルギー管理システムに供給される。
  論文  参考訳（メタデータ） (2021-09-20T16:33:17Z)
• 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)
• 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)

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。