実世界条件における電気自動車のエネルギー消費予測とエネルギー効率的ルーティングのためのデータ駆動型手法

限られた走行距離は、電気自動車（EV）の普及における障壁の一つです。走行距離不安の問題に対処するため、本論文では、エネルギー効率的ルーティングのために設計されたEVのエネルギー消費予測手法を提案します。このデータ駆動型の方法論は、実世界で測定された走行データと地理的・気象データを組み合わせて、道路ネットワーク内の任意の道路における消費を予測します。走行データは、地理情報システムソフトウェアを使用して道路ネットワークにリンクされ、類似の道路特性を持つトリップをセグメントに分割することができます。道路セグメントにおけるエネルギー消費は、エネルギー消費を微視的な運転パラメータ（速度や加速度など）および外部パラメータ（温度など）と関連付ける多重線形回帰（MLR）モデルを使用して推定されます。神経ネットワーク（NN）は、出発前に道路セグメントの特性と気象条件を考慮して、セグメント内の未知の微視的運転パラメータを予測するために使用されます。提案された完全なモデルは、平均旅行消費の12〜14%の平均絶対誤差（MAE）を持つエネルギー消費を予測し、これらのうち7〜9%はMLRモデルのエネルギー消費推定によるものです。この方法により、出発前に道路ネットワーク内の任意のルートにわたってエネルギー消費を予測でき、コスト最適化アルゴリズムがエネルギー効率的なルートを計算することを可能にします。このデータ駆動型アプローチの利点は、モデルが時間の経過とともに変化する条件で簡単に更新できる点です。