論文の概要: Planning, Scheduling, and Behavior in EV Charging Systems: A Critical Survey and Trilemma Framework

• arxiv url: http://arxiv.org/abs/2605.21665v1
• Date: Wed, 20 May 2026 19:16:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.971185
• Title: Planning, Scheduling, and Behavior in EV Charging Systems: A Critical Survey and Trilemma Framework
• Title（参考訳）: EV充電システムの計画・スケジューリング・動作:臨界調査とトレンマフレームワーク
• Authors: Peiyan Xiao, Yuheng Li, Ayan Mukhopadhyay, Sai Krishna Ghanta, Sabur Baidya, Yanhai Xiong,
• Abstract要約: 電気自動車の急速な成長は、輸送電化の主な制約を、車両の採用から充電インフラの展開と運用へとシフトしつつある。 本調査では, EV充電研究を意思決定地平線, アクター目標, 結合構造に応じて整理する3層計画・スケジュール・行動枠組みを策定した。 我々は、新しい充電技術、行動インセンティブ、エクイティメトリクス、およびフィデリティ、解釈可能性、政策関連性のバランスをとる都市規模学習ベースの手法の課題を特定する。
• 参考スコア（独自算出の注目度）: 16.809952751329863
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid growth of electric vehicles is shifting the main constraint on transport electrification from vehicle adoption to the deployment and operation of charging infrastructure. Charging-network design requires decisions across three interdependent layers: Planning, which determines where and how much infrastructure to build; Scheduling, which governs charging dispatch, pricing, and grid interaction; and Behavior, which captures how users choose stations, charging times, and charging durations. Existing studies have advanced each layer substantially, but the literature remains fragmented, and cross-layer interactions are often treated through simplifying assumptions. This survey develops a three-layer Planning-Scheduling-Behavior (PSB) framework to organize EV charging research according to decision horizon, actor objective, and coupling structure. We further identify a fidelity-tractability tradeoff, termed the PSB trilemma: each layer is computationally difficult in isolation, and realistic integration across layers generally requires reducing the fidelity of at least one layer. Reviewing the three pairwise-coupling literatures - Planning-Scheduling, Scheduling-Behavior, and Planning-Behavior - we show that the omitted third layer is typically fixed exogenously or represented by a static aggregate surrogate. These simplifications enable tractability but impose distinct costs: they can obscure long-term investment feedback, temporal grid and emissions dynamics, or heterogeneous user response and equity outcomes. Building on this diagnosis, we identify open challenges in emerging charging technologies, behavioral incentives, equity metrics, and city-scale learning-based methods that balance fidelity, interpretability, and policy relevance.
• Abstract（参考訳）: 電気自動車の急速な成長は、輸送電化の主な制約を、車両の採用から充電インフラの展開と運用へとシフトしつつある。 充電-ネットワーク設計には、3つの相互依存層にまたがる決定が必要である: 構築するインフラストラクチャの場所と数を決定するプランニング、課金のディスパッチ、価格設定、グリッドのインタラクションを管理するスケジューリング、ユーザがステーションを選択する方法、充電時間、充電時間をキャプチャする振舞い。 既存の研究は各層を著しく前進させてきたが、文献は断片化され続けており、層間相互作用は仮定を単純化することでしばしば扱われる。 本調査では, EV充電研究を意思決定地平線, アクタ目標, 結合構造に従って組織する3層計画・スケジュール・行動(PSB)フレームワークを開発した。 各層は独立に計算的に困難であり、層間の現実的な統合は通常、少なくとも1つの層の忠実さを減らす必要がある。 計画・スケジューリング・スケジューリング・ビヘイビア・プランニング・ビヘイビアという3つのペアワイズ・カップリングの文献をレビューし、省略された第3の層が典型的に不均一に固定されているか、静的な集合サロゲートによって表現されていることを示す。 これらの単純化は、トラクタビリティを可能にするが、異なるコストを課す。長期投資のフィードバック、時間的グリッドとエミッションのダイナミクス、不均一なユーザ応答とエクイティの成果を曖昧にすることができる。 この診断に基づいて、我々は、新しい充電技術、行動インセンティブ、エクイティメトリクス、およびフィデリティ、解釈可能性、および政策関連性のバランスをとる都市規模学習ベースの手法におけるオープンな課題を特定する。

関連論文リスト

• Latent World Models for Automated Driving: A Unified Taxonomy, Evaluation Framework, and Open Challenges [2.76240219662896]
  本稿では,自動走行のための世界モデルの最近の進歩を生かした,一貫したラテント空間フレームワークを提案する。 このフレームワークは、ラテント表現(ラテント・ワールド、ラテント・アクション、ラテント・ジェネレータ、連続状態、離散トークン、ハイブリッド)と幾何学、トポロジー、セマンティクスの構造的先行によって設計空間を整理する。
  論文  参考訳（メタデータ） (2026-03-10T01:56:17Z)
• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
  TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。 PlanFactoryは異種計画パターンの共通インターフェースを提供する。 TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-08T06:37:01Z)
• ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving [44.008287454538596]
  視覚言語モデル(VLM)は、クロスモーダルな先行とコモンセンス推論を導入することで、このパラダイムを豊かにする。 現在のVLMベースのプランナは、(i) 個別のテキスト推論と継続的制御のミスマッチ、(ii) 自己回帰的連鎖のデコーディングからの高い遅延、(iii) リアルタイムデプロイメントを制限する非効率または非因果的なプランナである。 テキストから潜在空間へ推論を転送し,それを階層的並列軌道デコーダで結合する統合視覚言語アクションフレームワークColaVLAを提案する。
  論文  参考訳（メタデータ） (2025-12-28T14:06:37Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
  DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。 タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。 シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-07T11:41:18Z)

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。