Yamamoto Silva, Mme Tatiana Naomi (2023) Reinforcement learning for on-demand transportation dispatch PRE - Projet de recherche, ENSTA.

Fichier(s) associé(s) à ce document :

[img]
Prévisualisation
zip
518Kb

Résumé

L’avènement de la technologie des véhicules électriques autonomes (EAV) est en train de remodeler le paysage des transports, les systèmes de transport de passagers équipés de EAV devenant une partie intégrante de la mobilité future. Ce projet explore le domaine complexe du covoiturage, un concept transformateur qui révolutionne la fa¸con dont les individus accèdent au transport par le biais d’applications sur smartphone. L’un des principaux défis consiste `a optimiser l’allocation des AEV en fonction des besoins des passagers, la distance n’étant pas le seul critère. L’anticipation de la demande future devient essentielle, afin d’éviter que les EAV ne négligent des zones potentielles de forte demande. Ce projet utilise l’apprentissage par renforcement pour résoudre le problème du transport de passagers. L’intégration du réseau électrique améliore les EAV non seulement en tant que moyen de transport efficace, mais aussi en tant que source d’énergie adaptative pendant les périodes de forte demande. Une exploration complète se déroule en trois phases distinctes : le contexte théorique, la compréhension et la poursuite du code, et une nouvelle approche pour résoudre le problème.

Type de document:Rapport ou mémoire (PRE - Projet de recherche)
Mots-clés libres:V´ehicules ´electriques autonomes (EAV), covoiturage, apprentissage par renforcement, r´eseau ´electrique, transport, optimisation, mobilit´e durable.
Sujets:Mathématiques et leurs applications
Code ID :9472
Déposé par :Tatiana naomi YAMAMOTO SILVA
Déposé le :24 août 2023 17:13
Dernière modification:24 août 2023 17:13

Modifier les métadonnées de ce document.