論文の概要: Large Language Model-Assisted Planning of Electric Vehicle Charging Infrastructure with Real-World Case Study

• arxiv url: http://arxiv.org/abs/2511.19055v1
• Date: Mon, 24 Nov 2025 12:45:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.194855
• Title: Large Language Model-Assisted Planning of Electric Vehicle Charging Infrastructure with Real-World Case Study
• Title（参考訳）: 大規模言語モデルを用いた実世界事例研究による電気自動車充電インフラの計画
• Authors: Xinda Zheng, Canchen Jiang, Hao Wang,
• Abstract要約: 電気自動車(EV)の充電インフラの需要の増加は、大きな計画上の課題を呈している。 EV充電の潜在的な利点、特に充電需要の空間的・時間的パターンの変化に対する応答は、インフラ計画において未探索のままである。 本稿では、投資決定とチャージ代行を協調的に最適化する統合的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.7788865512077225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing demand for electric vehicle (EV) charging infrastructure presents significant planning challenges, requiring efficient strategies for investment and operation to deliver cost-effective charging services. However, the potential benefits of EV charging assignment, particularly in response to varying spatial-temporal patterns of charging demand, remain under-explored in infrastructure planning. This paper proposes an integrated approach that jointly optimizes investment decisions and charging assignments while accounting for spatial-temporal demand dynamics and their interdependencies. To support efficient model development, we leverage a large language model (LLM) to assist in generating and refining the mathematical formulation from structured natural-language descriptions, significantly reducing the modeling burden. The resulting optimization model enables optimal joint decision-making for investment and operation. Additionally, we propose a distributed optimization algorithm based on the Alternating Direction Method of Multipliers (ADMM) to address computational complexity in high-dimensional scenarios, which can be executed on standard computing platforms. We validate our approach through a case study using 1.5 million real-world travel records from Chengdu, China, demonstrating a 30% reduction in total cost compared to a baseline without EV assignment.
• Abstract（参考訳）: 電気自動車(EV)の充電インフラの需要の増加は、コスト効率のよい充電サービスを提供するために、投資と運用のための効率的な戦略を必要とする、重大な計画上の課題を提示している。 しかし、EV充電の潜在的な利点、特に充電需要の時空間パターンの変化に対する応答は、インフラ計画において未探索のままである。 本稿では,空間的時間的需要動態と相互依存性を考慮しつつ,投資決定と代入を共同で最適化する統合的アプローチを提案する。 効率的なモデル開発を支援するために,我々は大規模言語モデル(LLM)を活用し,構造化された自然言語記述から数学的定式化の生成と精製を支援し,モデリングの負担を大幅に軽減する。 結果として得られる最適化モデルは、投資と運用に最適な共同意思決定を可能にする。 さらに,標準的な計算プラットフォーム上で実行可能な高次元シナリオにおける計算複雑性に対処する分散最適化アルゴリズムを提案する。 本研究は,中国成都の実世界旅行記録150万件を事例として,EV割り当てのないベースラインと比較して,総コストの30%削減を実証した。

関連論文リスト

• Optimizing Electric Vehicle Charging Station Placement Using Reinforcement Learning and Agent-Based Simulations [5.6037668742884135]
  強化学習は、最適な充電ステーション位置を特定する革新的なアプローチを提供する。 本稿では,EVの動作をモデル化し,充電需要をリアルタイムで推定するために,ディープRLとエージェントベースシミュレーションを統合した新しいフレームワークを提案する。 提案手法では,2つのQ-networksを持つハイブリッドRLエージェントを用いて最適な位置を選択し,充電ポートを設定する。
  論文  参考訳（メタデータ） (2025-11-03T04:22:39Z)
• A Digital Twin Framework for Decision-Support and Optimization of EV Charging Infrastructure in Localized Urban Systems [0.6640968473398454]
  この研究は、デジタルツインフレームワークの提案により、静的モデルを超えて進んでいる。 エージェントベースの意思決定サポートと組込み最適化を統合し、EV充電動作を動的にシミュレートする。 モデルはベトナムのハノイの地方都市に適用される。
  論文  参考訳（メタデータ） (2025-10-21T12:26:35Z)
• HYPE: Hybrid Planning with Ego Proposal-Conditioned Predictions [45.689599596306614]
  Egoの提案条件付き予測を用いたハイブリッドプランニングを提案する。 学習された提案モデルからの多モード軌道提案を事前としてモンテカルロ木探索の改良に統合する。 提案手法を考慮し,コスト関数設計を大幅に単純化する。
  論文  参考訳（メタデータ） (2025-10-14T17:11:04Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Learning and Optimization for Price-based Demand Response of Electric Vehicle Charging [0.9124662097191375]
  PBDRモデリングのための新しい意思決定型エンドツーエンドフレームワークを提案する。 EV客のPBDRパターンを用いた充電ステーション運転シミュレーションにおける本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-16T06:39:30Z)
• 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)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。