Key points are not available for this paper at this time.
Transformer vers un avenir à faible émission de carbone nécessite des efforts massifs tant du côté des systèmes de transport que des systèmes d'énergie. Les véhicules électriques (VE) peuvent réduire les émissions de CO2 dans le transport routier grâce à l'éco-routage tout en fournissant une intensité carbone pour les systèmes d'énergie via la planification véhicule-réseau (V2G). Cet article étudie l'effet coordonné des problèmes de routage et de planification des VE via une nouvelle méthode d'apprentissage par renforcement multi-agent sans modèle (MARL). Dans ce contexte, les VE ne s'appuient sur aucune connaissance de l'environnement simulé et sont capables de gérer le système avec diverses incertitudes et dynamiques pendant le processus d'apprentissage, ce qui peut conduire à des décisions opportunes et à une meilleure protection de la vie privée. D'amples études de cas basées sur un réseau de transport virtuel à 7 nœuds et 10 arêtes sont développées pour démontrer l'efficacité de la méthode MARL proposée pour réduire les émissions de carbone dans le système de transport et fournir un service d'intensité carbone dans le système énergétique.
Wang et al. (Sat,) ont étudié cette question.