[논문 리뷰] Efficient algorithms for autonomous electric vehicles' min-max routing problem.

Seyed Sajjad Fazeli, Saravanan Venkatachalam외 1명|arXiv (Cornell University)|2020. 08. 07.

Transportation and Mobility Innovations참고 문헌 29인용 수 5

한 줄 요약

이 논문은 제한된 배터리 용량과 흩어진 충전소를 고려하여, 모든 차량이 이동하는 최대 거리를 최소화하는 자율 전기차량(min-max 라우팅 문제, AEVRP)을 제안한다. 유전 알고리즘 기반 메타휴리스틱을 도입하여 ROS 기반 시뮬레이션과 계산 실험을 통해 검증하였으며, 실제 제약 조건 하에서 효율적인 라우팅 솔루션을 제공함을 입증하였다.

ABSTRACT

Increase in greenhouse gases emission from the transportation sector has led companies and government to elevate and support the production of electric vehicles. The natural synergy between increased support for electric and emergence of autonomous vehicles possibly can relieve the limitations regarding access to charging infrastructure, time management, and range anxiety. In this work, a fleet of Autonomous Electric Vehicles (AEV) is considered for transportation and logistic capabilities with limited battery capacity and scarce charging station availability are considered while planning to avoid inefficient routing strategies. We introduce a min-max autonomous electric vehicle routing problem (AEVRP) where the maximum distance traveled by any AEV is minimized while considering charging stations for recharging. We propose a genetic algorithm based meta-heuristic that can efficiently solve a variety of instances. Extensive computational results, sensitivity analysis, and data-driven simulation implemented with the robot operating system (ROS) middleware are performed to corroborate the efficiency of the proposed approach, both quantitatively and qualitatively.

연구 동기 및 목표

• 제한된 배터리 용량과 흩어진 충전 인프라로 인해 발생하는 자율 전기차량(AEV) 허브의 비효율적 라우팅 문제를 해결한다.
• 가용한 충전소에서 재충전을 통합하면서도 모든 AEV의 최대 이동 거리를 최소화하는 min-max 라우팅 문제 (AEVRP)를 수립한다.
• 실제 운영 제약 조건 하에서도 다양한 라우팅 인스턴스를 다룰 수 있는 확장성 있고 효율적인 해법 접근법을 개발한다.
• 데이터 기반 시뮬레이션과 실시간 미들웨어(Robot Operating System, ROS)를 활용한 정량적 및 정성적 분석을 통해 제안된 방법을 검증한다.

제안 방법

• AEVRP를 최대 이동 거리를 최소화하는 min-max 최적화 문제로 수식화하여, 팀 내 모든 AEV 중 가장 긴 경로를 최소화한다.
• 배터리 용량 제약과 충전소 가용성 제약을 통합한 유전 알고리즘 기반 메타휴리스틱을 설계하여 차량 라우팅 경로를 탐색하고 최적화한다.
• 로봇 운영 시스템(Robot Operating System, ROS) 미들웨어와 통합하여 AEV 행동 및 동적 환경 상호작용의 현실적인 시뮬레이션을 가능하게 한다.
• 핵심 매개변수(예: 충전소 밀도, 배터리 범위)의 영향을 평가하기 위해 민감도 분석을 수행한다.
• 다양한 문제 인스턴스(다양한 허브 크기 및 인프라 구성)에서 성능을 비교 평가하기 위해 계산 실험을 구현한다.
• 실제 운영 역학을 모델링하기 위해 데이터 기반 시뮬레이션을 적용하여 충전 시간과 에너지 소비 프로파일을 포함한다.

실험 결과

연구 질문

• RQ1 배터리 용량과 충전소 가용성 제약을 충족하면서도 모든 AEV의 최대 이동 거리를 어떻게 최소화할 수 있는가?
• RQ2 제안된 유전 알고리즘이 기존 라우팅 전략 대비 솔루션 품질과 계산 효율성 측면에서 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ3 충전소 밀도와 배터리 범위의 변동이 라우팅 솔루션의 최적성과 타당성에 어떤 영향을 미치는가?
• RQ4 ROS 미들웨어 통합을 통해 동적이고 제약 조건이 있는 환경에서 AEV 라우팅의 현실적인 시뮬레이션을 가능하게 할 수 있는가?

주요 결과

• 제안된 유전 알고리즘 기반 메타휴리스틱은 AEV 허브 전체의 최대 경로 거리를 효과적으로 줄이며, 계산 실험에서 전통적 라우팅 전략을 능가하는 성능을 보였다.
• 민감도 분석 결과, 충전소 밀도를 높일수록 최대 경로 길이가 크게 감소함을 확인하여, 인프라가 라우팅 효율성에 핵심적인 역할을 한다는 점을 입증하였다.
• ROS 기반 시뮬레이션은 동적이고 다중 차량 환경에서 제안된 라우팅 솔루션의 타당성과 실시간 적응 가능성 확인하였다.
• 다양한 문제 인스턴스(다양한 허브 크기 및 배터리 용량 포함)에서 뛰어난 성능을 유지하여 확장성을 입증하였다.
• 정량적 결과는 경로 최적화에서 일관된 향상을 보였으며, 대규모 테스트 케이스에서 min-max 목표 함수가 근사 최적 솔루션을 달성함을 보였다.
• 전략적 충전 정류장을 경로에 통합함으로써 범위 우려를 효과적으로 완화하고 에너지 활용도를 향상시켰다.