原文传递
基于逆强化学习的电动汽车出行规划方法研究
| 论文题名： | 基于逆强化学习的电动汽车出行规划方法研究 |
| 关键词： | 电动汽车;出行规划;逆强化学习;充电策略 |
| 摘要： | 随着社会经济的快速发展和生活水平的不断提高，人们对于汽车的需求大幅上升，环境污染问题接踵而至。面对日益严峻的环境问题，我国大力推动碳达峰、碳中和等各项工作，促进了电动汽车产业的蓬勃发展。随着电动汽车的普及，对于电动汽车出行规划问题的研究显得尤为重要，这有利于缓解“里程焦虑”并促进电动汽车的进一步推广。 与路径规划问题不同，电动汽车的出行规划在考虑路径问题的基础上还需要考虑充电问题。传统路径规划算法受限于路网结构，若应用在未经训练的路网中需要花费很长的时间进行数据预处理且无法同时考虑路径与充电问题，因而难以直接应用在电动汽车出行规划问题中。强化学习算法可以解决上述问题，然而面对复杂问题，我们往往难以指定强化学习算法中的奖励函数。为解决强化学习算法难以获得电动汽车出行规划场景下的最优奖励问题，本文引入了逆强化学习算法。 本文提出了一种基于逆强化学习的电动汽车出行规划方法，有效地为电动汽车用户规划出一条兼顾行驶路径短以及充电时间短的可达路径。本文将迪杰斯特拉算法进行改进，得到考虑充电行为的最短可达路径作为专家示例输入到逆强化学习算法中。在对逆强化学习几种经典算法进行分析后，本文利用引导损失函数学习得到兼顾行走与充电的奖励。在学习策略时，本文利用Dueling DQN算法高效调整Q值，提升学习性能。此外本文模型引入部分充电策略以及分段充电策略，在提升充电效率的同时使研究更接近真实情况。本文使用北京市部分路网作为数据集，对模型的性能与结果进行详细分析，并结合基准方法进行对比，实验结果表明，基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有更好的性能，且具备高效性以及很好的迁移性。 |
| 作者： | 李繁菀 |
| 专业： | 工学；计算机科学与技术 |
| 导师： | 张莹 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华北电力大学(北京) |
| 学位年度： | 2022 |
检索历史
应用推荐
