論文の概要: DOVA-PATBM: An Intelligent, Adaptive, and Scalable Framework for Optimizing Large-Scale EV Charging Infrastructure

• arxiv url: http://arxiv.org/abs/2506.15289v1
• Date: Wed, 18 Jun 2025 09:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.611885
• Title: DOVA-PATBM: An Intelligent, Adaptive, and Scalable Framework for Optimizing Large-Scale EV Charging Infrastructure
• Title（参考訳）: DOVA-PATBM:大規模EV充電インフラを最適化するためのインテリジェントで適応的でスケーラブルなフレームワーク
• Authors: Chuan Li, Shunyu Zhao, Vincent Gauthier, Hassine Moungla,
• Abstract要約: 本稿では,単一パイプラインでコンテキストを統一するジオコンピューティングフレームワークであるDOVA-PATBM(Voronoi-oriented, Adaptive, POI-Aware Temporal Behaviour Model)を提案する。 ヘテロジニアスなデータ(中心性、人口、夜間光、POI、フィードライン)を階層的なH3グリッドに方法論する。 ゾーン正規化グラフニューラルネットワークモデルとの交差の重要性を推測し、30kmの半径で少なくとも1つの5ポートのDC高速充電器を保証するボロノイ・テッセルレーションをオーバーレイする。
• 参考スコア（独自算出の注目度）: 3.74242093516574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The accelerating uptake of battery-electric vehicles demands infrastructure planning tools that are both data-rich and geographically scalable. Whereas most prior studies optimise charging locations for single cities, state-wide and national networks must reconcile the conflicting requirements of dense metropolitan cores, car-dependent exurbs, and power-constrained rural corridors. We present DOVA-PATBM (Deployment Optimisation with Voronoi-oriented, Adaptive, POI-Aware Temporal Behaviour Model), a geo-computational framework that unifies these contexts in a single pipeline. The method rasterises heterogeneous data (roads, population, night lights, POIs, and feeder lines) onto a hierarchical H3 grid, infers intersection importance with a zone-normalised graph neural network centrality model, and overlays a Voronoi tessellation that guarantees at least one five-port DC fast charger within every 30 km radius. Hourly arrival profiles, learned from loop-detector and floating-car traces, feed a finite M/M/c queue to size ports under feeder-capacity and outage-risk constraints. A greedy maximal-coverage heuristic with income-weighted penalties then selects the minimum number of sites that satisfy coverage and equity targets. Applied to the State of Georgia, USA, DOVA-PATBM (i) increases 30 km tile coverage by 12 percentage points, (ii) halves the mean distance that low-income residents travel to the nearest charger, and (iii) meets sub-transmission headroom everywhere -- all while remaining computationally tractable for national-scale roll-outs. These results demonstrate that a tightly integrated, GNN-driven, multi-resolution approach can bridge the gap between academic optimisation and deployable infrastructure policy.
• Abstract（参考訳）: バッテリー駆動車の利用が加速する中で、データ豊かで地理的にスケーラブルなインフラ計画ツールが求められている。 これまでのほとんどの研究では、単一都市の充電場所を最適化するが、州全体と全国のネットワークは、高密度の大都市コア、自動車に依存したアウトアーブ、電力制約のある田園部回廊の競合する要求を調整しなければならない。 本稿では、これらのコンテキストを単一のパイプラインで統一するジオコンピューティングフレームワークであるDOVA-PATBM(Voronoi-oriented, Adaptive, POI-Aware Temporal Behaviour Model)を提案する。 この方法は、ヘテロジニアスなデータ(道路、人口、夜光、POI、フィードライン)を階層的なH3グリッドにラスタライズし、ゾーン正規化グラフニューラルネットワーク中心性モデルとの交差性を推定し、30km間隔で少なくとも1つの5ポートDC高速充電器を保証するボロノイ・テッセルレーションをオーバーレイする。 ループ検出器と浮動車のトレースから学んだ数時間の到着プロファイルは、有限のM/M/cキューをフィード容量と停止リスク制約の下でサイズポートに供給する。 所得重み付けの罰則を持つ強欲な最大被覆ヒューリスティックは、カバー範囲と株式目標を満たす最小限のサイトを選択する。 米国ジョージア州におけるDOVA-PATBMの適用 (i) タイル被覆率30kmを12ポイント増加させる。 (二)低所得者が最寄りの充電器に旅行する平均距離を半減すること 第三に、全国規模のロールアウトのために計算的に計算可能なまま、至る所でサブ・トランスミッション・ヘッドルームと出会うこと。 これらの結果から,GNN駆動型マルチレゾリューションアプローチは,学術的最適化とデプロイ可能なインフラストラクチャポリシのギャップを埋めることが可能であることが示唆された。

関連論文リスト

• Multi-Dimensional AGV Path Planning in 3D Warehouses Using Ant Colony Optimization and Advanced Neural Networks [4.517879416915767]
  本稿では,ACOとディープラーニングモデルを組み合わせたハイブリッドフレームワークを活用した3次元倉庫環境のための新しいAGV経路計画手法を提案する。 NAHACOは経路計画の効率を大幅に向上させ、より高速な計算時間とバニラおよび最先端の手法よりも優れた性能を得る。 倉庫試験では、NAHACOはコストを41.5%まで削減し、渋滞を56.1%まで削減した。
  論文  参考訳（メタデータ） (2025-03-30T14:09:21Z)
• Data-Driven Optimization of EV Charging Station Placement Using Causal Discovery [6.061650526072546]
  本研究では,Palo Alto と Boulder の充電データを分析し,駅特性と利用率の関係を明らかにする。 このデータに構造学習アルゴリズムを適用することで、充電需要は、アメニティへの近さ、EV登録密度、高軌道への隣接性の3つの要因によって決定されることが明らかになった。 我々は、これらの洞察を実行可能な配置レコメンデーションに変換する最適化フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-21T11:15:02Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• DClEVerNet: Deep Combinatorial Learning for Efficient EV Charging Scheduling in Large-scale Networked Facilities [5.78463306498655]
  電気自動車(EV)は配電ネットワークを著しくストレスし、性能を劣化させ、安定性を損なう可能性がある。 現代の電力網は、EV充電スケジューリングをスケーラブルで効率的な方法で最適化できる、コーディネートまたはスマートな充電戦略を必要とする。 ネットワークの利用可能な電力容量とステーションの占有限度を考慮しつつ、EV利用者の総福祉利益を最大化する時間結合二元最適化問題を定式化する。
  論文  参考訳（メタデータ） (2023-05-18T14:03:47Z)
• Adaptive Federated Pruning in Hierarchical Wireless Networks [69.6417645730093]
  Federated Learning(FL)は、サーバがプライベートデータセットにアクセスすることなく、複数のデバイスによって更新されたモデルを集約する、プライバシ保護の分散学習フレームワークである。 本稿では,無線ネットワークにおけるHFLのモデルプルーニングを導入し,ニューラルネットワークの規模を小さくする。 提案するHFLは,モデルプルーニングを伴わないHFLと比較して学習精度が良く,通信コストが約50%削減できることを示す。
  論文  参考訳（メタデータ） (2023-05-15T22:04:49Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• SPAP: Simultaneous Demand Prediction and Planning for Electric Vehicle Chargers in a New City [19.95343057352923]
  運用データ不足に対するEV充電器の実際の展開前に充電要求を予測することは困難である。 本稿では,この問題を解決するために,同時需要予測・計画(SPAP)を提案する。 SPAPは、現実世界の充電器の展開と比較して、最低でも72.5%の収益を上げている。
  論文  参考訳（メタデータ） (2021-10-18T16:42:42Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。