[논문 리뷰] Combined Eco-Routing and Power-Train Control of Plug-In Hybrid Electric Vehicles in Transportation Networks

Arian Houshmand, Christos G. Cassandras외 4명|arXiv (Cornell University)|2020. 04. 09.

Vehicle emissions and performance참고 문헌 35인용 수 6

한 줄 요약

이 논문은 플러그인 하이브리드 전기자동차(PHEVs)를 위한 병합된 루트 및 파wr트레인 제어(CRPTC) 알고리즘을 제안하며, 에너지 소비를 최소화하기 위해 에코루트와 파워트레인 제어 전략을 동시에 최적화한다. 이중 최적화 접근법을 사용하고 보스턴의 110,000개 링크 네트워크에서 SUMO와 VESIM 시뮬레이션을 통해 검증한 결과, 최적의 루트 대비 평균 12.59%의 에너지 절감을 달성했으며, 거의 실시간 성능을 확보했다.

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.

연구 동기 및 목표

• PHEV의 에코루팅 연구에서의 격차를 해소하기 위해 루트 선택과 파워트레인 제어 전략을 공동으로 최적화한다.
• 대규모 도시 네트워크에서 거의 실시간 실행이 가능한 계산 효율성이 높은 알고리즘을 개발한다.
• 실세계 교통 데이터(HERE Maps)와 고정밀 시뮬레이션(SUMO + VESIM)을 사용하여 알고리즘 성능을 검증한다.
• 에코루팅 결정에서 에너지 절감과 시간 손실 간의 상호 상충 관계를 정량화한다.
• 도시 루팅 응용 프로그램을 위한 오픈소스 트래픽 데이터 플랫폼을 통해 실용적 구현을 가능하게 한다.

제안 방법

• 에코루팅 문제를 혼합정수선형계획문제(MILP)로 수식화하여 루트 및 파워트레인 제어 최적화를 동시에 수행한다.
• 상위 수준에서 에코루트를 선택하고 하위 수준에서 선형계획법(LP)을 통해 전기/가솔린 모드 전환을 최적화하는 이중 최적화 프레임워크를 도입한다.
• 에너지 최적화 루팅 문제를 해결하기 위해 수정된 다익스트라 알고리즘과 하이브리드-LP 리라크스 방법을 사용한다.
• 에너지 소비를 추정하기 위해 링크의 교통 집중도(저/중/고)와 평균 속도 프로파일을 기반으로 단순화된 에너지 모델을 활용한다.
• 고정밀도 VESIM 파워트레인 모델과 실세계 속도 트레이스를 활용한 SUMO의 교통 시뮬레이션을 통해 결과를 검증한다.
• 대규모 도시 네트워크 구현을 위해 HERE Maps API를 활용한 웹 기반 공개 도구를 개발한다.

실험 결과

연구 질문

• RQ1 PHEV에서 에코루팅과 파워트레인 제어를 공동 최적화하면 시간 최적화 루트 대비 상당한 에너지 절감을 이룰 수 있는가?
• RQ2 제안된 이중 최적화 접근법은 전체 CRPTC MILP 수식에 비해 정확성과 계산 효율성 측면에서 어떻게 비교되는가?
• RQ3 단순화된 에너지 모델이 실세계 교통 조건에서 실제 에너지 소비를 얼마나 정확하게 예측하는가?
• RQ4 에코루트와 최적의 루트를 비교할 때 에너지 절감과 시간 손실 간의 상호 상충 관계는 어떠한가?
• RQ5 교통 변동성(예: 신호등, 정체)은 에코루팅 예측 정확도와 잘못된 예측(거짓 양성)의 가능성에 어떤 영향을 미치는가?

주요 결과

• 검증 결과, VESIM과 SUMO 시뮬레이션을 통해 중간 교통 조건 네트워크에서 최적의 루트 대비 평균 12.59%의 에너지 절감을 달성한 제안된 CRPTC 알고리즘이 확인되었다.
• 이중 최적화 접근법은 전체 CRPTC MILP의 최적 해에 매우 가까운 결과를 도출했으며, 계산 시간을 크게 단축시켰다.
• 80.38%의 경우에서 알고리즘이 에너지 최적 루트를 정확히 예측했으며, 이 경우 평균 18.46%의 에너지 절감을 달성했다.
• 19.62%의 경우에서 예측된 에코루트가 최적의 루트보다 더 많은 에너지를 소비했으며, 이는 '거짓 양성'으로 분류되었고, 평균 에너지 손실은 -11.46%였다.
• 고밀도 교통 조건에서는 에너지 절감률이 5.35%로 감소했으며, 거짓 양성 비율은 31.00%로 상승했고, 잘못된 예측의 평균 에너지 손실은 -21.64%였다.
• 에너지 절감과 시간 손실 간의 상호 상충 관계는 커널 밀도 추정을 통해 시각화되었으며, 이는 O-D 거리가 길수록 더 높은 에너지 절감과 더 큰 시간 손실을 동반한다는 것을 보여주었다.