論文の概要: Energy Estimation of Last Mile Electric Vehicle Routes

• arxiv url: http://arxiv.org/abs/2408.12006v1
• Date: Wed, 21 Aug 2024 21:38:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-23 17:44:43.099775
• Title: Energy Estimation of Last Mile Electric Vehicle Routes
• Title（参考訳）: ラストマイル電気自動車路線のエネルギー推定
• Authors: André Snoeck, Aniruddha Bhargava, Daniel Merchan, Josiah Davis, Julian Pachon,
• Abstract要約: ラストマイルのキャリアは、サステナビリティの目標を達成するために、電気自動車(EV)を配達船に組み入れている。 本稿では,ディープラーニングを用いた最終マイル配送経路におけるEVのエネルギー消費予測の問題に対処する。 私たちは、フィードフォワードニューラルネットワーク(NN)とリカレントニューラルネットワーク(RNN)から始まる、さまざまなディープラーニングソリューションを共有しています。
• 参考スコア（独自算出の注目度）: 0.62914438169038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Last-mile carriers increasingly incorporate electric vehicles (EVs) into their delivery fleet to achieve sustainability goals. This goal presents many challenges across multiple planning spaces including but not limited to how to plan EV routes. In this paper, we address the problem of predicting energy consumption of EVs for Last-Mile delivery routes using deep learning. We demonstrate the need to move away from thinking about range and we propose using energy as the basic unit of analysis. We share a range of deep learning solutions, beginning with a Feed Forward Neural Network (NN) and Recurrent Neural Network (RNN) and demonstrate significant accuracy improvements relative to pure physics-based and distance-based approaches. Finally, we present Route Energy Transformer (RET) a decoder-only Transformer model sized according to Chinchilla scaling laws. RET yields a +217 Basis Points (bps) improvement in Mean Absolute Percentage Error (MAPE) relative to the Feed Forward NN and a +105 bps improvement relative to the RNN.
• Abstract（参考訳）: ラストマイルのキャリアは、サステナビリティの目標を達成するために、電気自動車(EV)を配達船に組み入れている。 このゴールは、EVルートの計画方法を含む、複数の計画領域にまたがる多くの課題を提示する。 本稿では,ディープラーニングを用いた最終マイル配送経路におけるEVのエネルギー消費予測の問題に対処する。 我々は、範囲についての考えから離れる必要性を実証し、分析の基本単位としてエネルギーを用いることを提案する。 我々は、フィードフォワードニューラルネットワーク(NN)とリカレントニューラルネットワーク(RNN)から始まる、さまざまなディープラーニングソリューションを共有し、純粋な物理ベースのアプローチや距離ベースのアプローチと比較して、大幅な精度の向上を示す。 最後に, チェンチラスケーリング法に準じたデコーダのみの変圧器モデルとして, Route Energy Transformer (RET) を提案する。 RETは、フィードフォワードNNに対する平均絶対パーセンテージエラー(MAPE)における+217ベーシポイント(bps)の改善と、RNNに対する+105bpsの改善をもたらす。

関連論文リスト

• Electric Vehicle Routing Problem for Emergency Power Supply: Towards Telecom Base Station Relief [1.3716669765394296]
  電気自動車(EV)が基地局に電力を直接供給するソリューションについて検討する。 目標は、すべてのEVの総走行距離と、ダウンした基地局の数の両方を最小化するEVルートを見つけることである。 本稿ではルールベースの車両セレクタと強化学習(RL)ベースのノードセレクタを組み合わせた問題解決手法を提案する。
  論文  参考訳（メタデータ） (2024-04-03T04:27:07Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• Energy-Efficient On-Board Radio Resource Management for Satellite Communications via Neuromorphic Computing [59.40731173370976]
  本研究は,エネルギー効率のよい脳誘発機械学習モデルのオンボード無線リソース管理への応用について検討する。 関連するワークロードでは、Loihi 2に実装されたスパイクニューラルネットワーク(SNN)の方が精度が高く、CNNベースのリファレンスプラットフォームと比較して消費電力が100ドル以上削減される。
  論文  参考訳（メタデータ） (2023-08-22T03:13:57Z)
• Forecasting Battery Electric Vehicle Charging Behavior: A Deep Learning Approach Equipped with Micro-Clustering and SMOTE Techniques [0.0]
  排出削減のため、世界中の交通電化が推進されている。 多くの自動車メーカーが近くバッテリー電気自動車(BEV)の生産を開始する 本研究では,BEVの走行と充電データの学習に極めて有効な,ニューラルネットワークアルゴリズムであるMicro Clustering Deep Neural Network (MCDNN)を開発した。
  論文  参考訳（メタデータ） (2023-07-20T05:03:25Z)
• 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 new Hyper-heuristic based on Adaptive Simulated Annealing and Reinforcement Learning for the Capacitated Electric Vehicle Routing Problem [9.655068751758952]
  都市部では環境汚染と地球温暖化を減らすために電気自動車(EV)が採用されている。 社会と経済の持続可能性に影響を与え続けているラストマイルロジスティクスの軌道をルーティングするのにはまだ不足がある。 本稿では,高ヒューリスティック適応アニーリングと強化学習というハイパーヒューリスティックなアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-07T11:10:38Z)
• E^2VTS: Energy-Efficient Video Text Spotting from Unmanned Aerial Vehicles [78.50123964690094]
  無人航空機(UAV)ベースのビデオテキストスポッティングは、民間や軍事領域で広く使われている。 提案手法は,エネルギ効率と性能の競合的なトレードオフを達成し,従来の方法よりも優れていた。
  論文  参考訳（メタデータ） (2022-06-05T22:43:17Z)
• 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 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)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。