Planification d'itinéraires pour véhicule électrique avec disponibilité incertaine des bornes de recharge
Bibliographic record
Abstract
Un planificateur automatique étant capable de donner aisément et rapidement des itinéraires pour véhicule électrique s'avère nécessaire considérant le nombre croissant de ces véhicules en circulation et le peu de bornes de recharge disponibles. Ce planificateur devrait être en mesure de tenir compte de plusieurs facteurs, tels que l'emplacement des bornes de recharge et leur probabilité d'occupation, le modèle stochastique de charge-décharge de la batterie ou encore, la topographie ou même la température. En plus de considérer les facteurs précédents, la rapidité de calcul et la simplicité d'utilisation sont primordiales pour un planificateur digne de ce nom. Ce mémoire vise dans un premier temps à présenter les caractéristiques du problème et les difficultés reliées à ce problème. Dans un second temps, il vise à présenter les forces et les faiblesses des planificateurs existants pour véhicule électrique et à présenter en détail les algorithmes utilisés par ceux-ci. Dans un troisième temps, il présente deux contributions nouvelles. La première est une technique de regroupement de bornes permettant de diminuer le temps de calcul de chaque requête par le planificateur. Cette technique a permis de diviser par 8 le nombre de nœuds considérés dans le graphe des bornes et de diviser par 35 le temps de calcul de la recherche de chemins dans ce graphe. La seconde technique permet de considérer le temps espéré d'attente à chaque borne dans le planificateur, alors que les planificateurs existants ne prenaient en compte que le temps de déplacement et le temps de recharge. La considération du temps d'attente par le planificateur a permis de diminuer de 17,3 minutes en moyenne le temps total d'exécution des itinéraires retournés. Cette technique utilise un modèle probabiliste permettant d'estimer l'occupation des bornes et le temps espéré d'attente, qui a été généré à partir de données réelles du circuit électrique, le réseau public de bornes de recharges au Québec. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : planification, itinéraires, véhicule électrique, ressources, incertitude, recharge, regroupement, attente, modèle probabiliste, chemins alternatifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".