Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CARGO: A Co-Optimization Framework for EV Charging and Routing in Goods Delivery Logistics

Created by
  • Haebom

저자

Arindam Khanda, Anurag Satpathy, Amit Jha, Sajal K. Das

개요

본 논문은 지속 가능한 물류에 대한 관심 증가와 함께 전기차(EV) 기반 배송이 도시 물류의 유망한 대안으로 떠오르고 있지만, 제한된 배터리 용량으로 인해 충전 계획이 중요하다는 점을 지적합니다. 이에 따라 충전소(CP)의 가용성, 비용, 근접성 및 차량의 충전 상태(SoC)와 같은 요소를 고려하여 배송 경로 계획과 충전을 공동으로 최적화하는 프레임워크인 CARGO를 제안합니다. 문제의 NP-hardness를 증명한 후, MILP 기반의 정확한 해법과 계산적으로 효율적인 휴리스틱 방법을 제안하고, 실제 데이터 세트를 사용하여 휴리스틱 방법을 MILP 해법과 비교하고, 기준 전략인 EDF와 NDF와 비교 평가합니다. 결과적으로 EDF와 NDF에 비해 충전 비용을 최대 39%와 22%까지 절감하면서 유사한 배송 완료율을 달성함을 보여줍니다.

시사점, 한계점

•
시사점:
◦
전기차 기반 배송 경로 계획 문제에 대한 효율적인 해결책인 CARGO 프레임워크 제시.
◦
MILP 기반 정확한 해법과 효율적인 휴리스틱 방법을 통해 충전 비용을 상당히 절감할 수 있음을 실증.
◦
실제 데이터를 사용한 실험을 통해 알고리즘의 효과성 검증.
•
한계점:
◦
실제 적용 시 예측 불가능한 요소(교통 정체, 충전소 고장 등)에 대한 고려 부족.
◦
사용된 데이터셋의 지역적 한계 및 일반화 가능성에 대한 추가 연구 필요.
◦
알고리즘의 확장성 및 대규모 문제에 대한 적용 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage