안전 강화 학습을 통한 동적 확률 전기차 경로 설정

전기 상업용 차량의 동적 경로 설정은 에너지 소비의 불확실성과 무작위 고객 요청이 존재하기 때문에 도전적인 문제일 수 있습니다. 본 논문에서는 동적 확률 전기차 경로 설정 문제(DS-EVRP)를 소개합니다. 이 문제를 해결하기 위해 안전 강화 학습 방법이 제안되었습니다. 목표는 안전한 방식으로 예상 에너지 소비를 최소화하는 것이며, 이는 필요할 때마다 충전을 계획하여 도중의 배터리 고갈 위험을 최소화하는 것을 의미합니다. 핵심 아이디어는 몬테카를로 시뮬레이션을 사용하여 무작위 고객 요청과 에너지 소비에 대해 오프라인으로 학습하여 경로를 예측 가능하고 안전하게 온라인으로 계획할 수 있게 하는 것입니다. 이 방법은 룩셈부르크 도시의 현실적인 교통 모델을 기반으로 한 에너지 소비 데이터를 사용한 시뮬레이션을 통해 평가되었습니다. 결과는 경로와 충전을 예상하는 방식으로 계획하여 신뢰성을 유지하면서 에너지를 절약할 수 있음을 나타냅니다. 제안된 방법은 전기 상업용 차량의 환경적 이점을 활용하여 운송 작업을 개선할 잠재력이 있습니다.