Electric automobile route scheduling with time setting using machine learning methods

Vijay Raviprabhakaran

doi:10.1080/15568318.2025.2586217

Electric automobile route scheduling with time setting using machine learning methods

2025-11-01

0

PRE

AI

V

Vijay Raviprabhakaran *

DOI：10.1080/15568318.2025.2586217

原文链接

原文求助

摘要

En 中文

电动汽车通过提供清洁、环保的选择，改变了城市出行方式。规划和优化电动汽车（EA）行驶路线需要考虑能耗、电池续航里程以及充电站的可及性。通过优化考虑交货时限和充电口可用性的路线，电动汽车带时间框架路径规划（EAPPTF）旨在减少行驶时间和能耗。决策树模型用于预测和优化能耗及充电停站，而路径规划则采用Dijkstra算法识别最短路径。本文利用印度城市实时数据，通过提供交通流量和充电站可用性的见解，提升了电动汽车路线规划，从而实现高效出行和能源管理。班加罗尔和海得拉巴的数据表明，所提出的方法有效解决了电动汽车的路线挑战，实现了更短的行程和更低的能耗，从而促进了可持续的城市出行。通过改进自动驾驶技术和充电基础设施，这些算法还能提升城市出行和可持续性。该策略在优化车辆运行的同时，也应对了新兴国家面临的紧迫问题。

Keyword:

Electric vehicle route transportation

time-constrained route scheduling

machine learning for EV routing

Dijkstra algorithm

optimal charging station placement

Electric automobile route scheduling with time setting using machine learning methods

摘要

期刊

机构