[論文レビュー] Combined Eco-Routing and Power-Train Control of Plug-In Hybrid Electric Vehicles in Transportation Networks

Arian Houshmand, Christos G. Cassandras+4 more|arXiv (Cornell University)|Apr 9, 2020

Vehicle emissions and performance参考文献 35被引用数 6

ひとこと要約

本稿では、プラグインハイブリッドエレクトリックビークル（PHEVs）向けに、エコルートとパワートレイン制御戦略を同時に最適化してエネルギー消費を最小化する、統合ルーティングおよびパワートレイン制御（CRPTC）アルゴリズムを提案する。二段階最適化アプローチを用い、ボストンの110,000リンクネットワークを対象にSUMOおよびVESIMシミュレーションで検証した結果、最速ルートと比較して平均12.59％のエネルギー削減を達成し、ニアリアルタイム性能を有する。

ABSTRACT

We study the problem of eco-routing for Plug-In Hybrid Electric Vehicles (PHEVs) to minimize the overall energy consumption cost. We propose an algorithm which can simultaneously calculate an energy-optimal route (eco-route) for a PHEV and an optimal power-train control strategy over this route. In order to show the effectiveness of our method in practice, we use a HERE Maps API to apply our algorithms based on traffic data in the city of Boston with more than 110,000 links. Moreover, we validate the performance of our eco-routing algorithm using speed profiles collected from a traffic simulator (SUMO) as input to a high-fidelity energy model to calculate energy consumption costs. Our results show significant energy savings (around 12%) for PHEVs with a near real-time execution time for the algorithm.

研究の動機と目的

• PHEVのエコルーティング研究におけるギャップを埋めるために、ルート選択とパワートレイン制御戦略を統合的に最適化すること。
• 大都市ネットワーク向けにニアリアルタイム実行が可能な計算効率の高いアルゴリズムの開発。
• 実世界の交通データ（HERE Maps）と高精度シミュレーション（SUMO + VESIM）を用いたアルゴリズムの性能検証。
• エコルーティング意思決定におけるエネルギー削減と時間損失のトレードオフの定量的評価。
• 都市ルーティングアプリケーション向けにオープンソースの交通データプラットフォームを活用した実用的導入の実現。

提案手法

• エコルーティング問題を、ルートとパワートレイン制御の最適化を統合するための混合整数線形計画問題（MILP）として定式化する。
• 上段ではエコルートの選択、下段では線形計画法（LP）を用いて電動／ガソリンモードの切り替えを最適化する二段階最適化フレームワークを導入する。
• エネルギー最適ルーティング問題を解くために、修正版ダイクストラ法とハイブリッドLP緩和法を採用する。
• エネルギー消費を推定するために、リンクの交通密度（低／中／高）と平均速度プロファイルに基づく簡略化されたエネルギーモデルを用いる。
• 高精度なVESIMパワートレインモデルと、実世界の速度トレースを用いたSUMOの交通シミュレーションを用いて結果を検証する。
• 大規模都市ネットワークへの展開を目的に、HERE Maps APIを活用した公開型ウェブベースのツールを開発する。

実験結果

リサーチクエスチョン

• RQ1 PHEVにおけるエコルーティングとパワートレイン制御の統合最適化は、時間最適ルートと比較して顕著なエネルギー削減を達成できるか？
• RQ2 提案されたバイレベル最適化の性能は、完全なCRPTC MILP定式化と比較して、精度と計算効率の面でどの程度優れているか？
• RQ3 簡略化されたエネルギーモデルは、実際の交通状況下で実際のエネルギー消費をどの程度正確に予測できるか？
• RQ4 エコルートと最速ルートの比較において、エネルギー削減と時間損失のトレードオフはどの程度か？
• RQ5 交通の変動要因（信号、渋滞など）は、エコルーティング予測の正確性や誤検出（フェイクポジティブ）の可能性にどのように影響を与えるか？

主な発見

• VESIMおよびSUMOシミュレーションを用いた検証において、中程度の交通量のネットワーク上での平均エネルギー削減は、最速ルートと比較して12.59％を達成した。
• バイレベル最適化アプローチは、完全なCRPTC MILPの最適解に非常に近い結果を得るとともに、計算時間を顕著に短縮した。
• 80.38％のケースで、エネルギー最適ルートを正しく予測した。その際の平均エネルギー削減は18.46％であった。
• 残りの19.62％のケースでは、予測されたエコルートが最速ルートよりもエネルギー消費が高くなった（「フェイクポジティブ」と分類）が、その平均エネルギー損失は-11.46％であった。
• 高交通量条件下では、エネルギー削減率が5.35％に低下し、フェイクポジティブ率は31.00％に上昇し、誤った予測における平均エネルギー損失は-21.64％となった。
• エネルギーと時間の削減のトレードオフは、カーネル密度推定を用いて可視化され、O-D距離が長いほどエネルギー削減率が高く、時間損失も大きくなる傾向が示された。