論文の概要: Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit
- arxiv url: http://arxiv.org/abs/2601.08753v1
- Date: Tue, 13 Jan 2026 17:30:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:19.310453
- Title: Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit
- Title（参考訳）: 混合燃料公共交通におけるグリッドアウェア充電と運転最適化
- Authors: Rishav Sen, Amutheezan Sivagnanam, Aron Laszka, Ayan Mukhopadhyay, Abhishek Dubey,
- Abstract要約: 電気とディーゼルの両方からなる混成輸送車両は、重要な運用上の課題である。
本稿では,これらの課題に対処する包括的混合整数線形プログラミング(MILP)モデルを提案する。
提案手法は, 混合輸送船の運用コストを大幅に削減できることを示す。
- 参考スコア（独自算出の注目度）: 11.618218411493478
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid growth of urban populations and the increasing need for sustainable transportation solutions have prompted a shift towards electric buses in public transit systems. However, the effective management of mixed fleets consisting of both electric and diesel buses poses significant operational challenges. One major challenge is coping with dynamic electricity pricing, where charging costs vary throughout the day. Transit agencies must optimize charging assignments in response to such dynamism while accounting for secondary considerations such as seating constraints. This paper presents a comprehensive mixed-integer linear programming (MILP) model to address these challenges by jointly optimizing charging schedules and trip assignments for mixed (electric and diesel bus) fleets while considering factors such as dynamic electricity pricing, vehicle capacity, and route constraints. We address the potential computational intractability of the MILP formulation, which can arise even with relatively small fleets, by employing a hierarchical approach tailored to the fleet composition. By using real-world data from the city of Chattanooga, Tennessee, USA, we show that our approach can result in significant savings in the operating costs of the mixed transit fleets.
- Abstract（参考訳）: 都市人口の急速な増加と持続可能な輸送ソリューションの必要性の高まりは、公共交通機関における電気バスへのシフトを引き起こしている。
しかし、電気とディーゼルの両方からなる混合車両の効果的管理は、重要な運用上の課題となっている。
1つの大きな課題は、充電コストが1日を通して変動する、ダイナミックな電気料金に対処することである。
交通機関は、座席制限などの二次的配慮を考慮しつつ、このようなダイナミズムに対応するため、料金の割り当てを最適化しなければならない。
本稿では,これらの課題に対処するための総合的混合整数線形プログラミング(MILP)モデルについて,動的電力価格,車両容量,経路制約などの要因を考慮しつつ,混合(電気自動車およびディーゼルバス)車両の充電スケジュールと走行割当を協調的に最適化する。
艦隊構成に合わせた階層的アプローチを用いることで,比較的小さな艦隊でも生じうるMILP定式化の潜在的な計算的難しさに対処する。
米国テネシー州チャタヌーガ市の実際のデータを用いて、当社のアプローチが混合輸送船の運用コストを大幅に削減できることを示した。
関連論文リスト
- Smart Routing for EV Charge Point Operators in Mega Cities: Case Study of Istanbul [2.179313476241343]
非効率な人事管理は、時間損失、高い運用コスト、資源の浪費につながる可能性がある。
本研究では,EV充電ネットワークの保守作業の計画を最適化する統合手法を提案する。
この方法はPythonで開発され、イスタンブールの100台のEV充電ステーションからなるデータセットに適用された。
論文 参考訳（メタデータ） (2025-09-22T16:40:28Z) - Reinforcement Learning for Hybrid Charging Stations Planning and Operation Considering Fixed and Mobile Chargers [16.831541035603557]
車両の電気化は、効率的で適応可能な充電インフラに依存している。
固定位置充電ステーションは需要変動による不使用や混雑に悩まされることが多いが、移動充電ステーションは必要に応じて移動することで柔軟性を提供する。
本稿では,都市道路網内の固定充電器と移動充電器を併用したハイブリッド充電インフラの最適計画と運用について検討する。
論文 参考訳（メタデータ） (2025-06-20T05:51:02Z) - Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。
MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。
我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
論文 参考訳（メタデータ） (2025-03-31T15:00:11Z) - Large Neighborhood Search and Bitmask Dynamic Programming for Wireless Mobile Charging Electric Vehicle Routing Problems in Medical Transportation [5.740535941960799]
ワイヤレス充電電気自動車問題(WMC-EVRP)を提案する。
この問題により、移動充電カート(MCT)を経由した走行中にMTEV(Medidic Transportation Electric Vehicles)を充電することができる。
我々はBit Mask Dynamic Programming (BDP)とLarge Neborhood Search (LNS)を組み合わせた数学的モデルとメタヒューリスティックアルゴリズムを開発した。
論文 参考訳（メタデータ） (2025-03-11T14:11:10Z) - COLA: Cross-city Mobility Transformer for Human Trajectory Simulation [44.157114416533915]
モデル非依存転送フレームワークを用いた都市間mObiLity trAnsformer (COLA) を開発した。
COLAはトランスフォーマーを、都市固有の特性のためのプライベートモジュールと、都市・ユニバーサルモビリティパターンのための共有モジュールに分割する。
実装された都市間ベースラインは,その優位性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-04T07:45:29Z) - Fair collaborative vehicle routing: A deep multi-agent reinforcement
learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。
従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。
我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文 参考訳（メタデータ） (2023-10-26T15:42:29Z) - 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) - Intelligent Electric Vehicle Charging Recommendation Based on
Multi-Agent Reinforcement Learning [42.31586065609373]
電気自動車(ev)はその環境とエネルギーの持続可能性のために現代の交通システムで選択されている。
多くの都市では、限られた充電インフラとほとんどバランスの取れない充電需要のために、EVドライバーは充電に適した場所を見つけることができません。
公共充電ステーションをインテリジェントに推奨する,マルチエージェント時空間時空間学習(MasterReinforce)というフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-15T06:23:59Z) - Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。
近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。
EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文 参考訳（メタデータ） (2020-08-07T18:45:26Z) - Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route
Service [7.2775693810940565]
本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。
チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
論文 参考訳（メタデータ） (2020-04-10T17:45:14Z)
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。