Optimizing Energy Efficiency in Metro Systems Under Uncertainty Disturbances Using Reinforcement Learning

要約

タイトル：強化学習を用いた不確実な外乱下でのメトロシステムのエネルギー効率の最適化

要約：
– メトロシステムは公共交通手段として重要だが、エネルギー消費量が大きく、持続可能性の目標に向けた課題となっている。
– 遅延や乗客流量の変化などの外乱があると、メトロシステムのエネルギー効率を悪化させることがある。
– この問題に対処するため、列車の滞在時間や巡航速度を調整してメトロのタイムテーブルを再スケジュールする方策ベースの強化学習アプローチを提案する。
– シミュレーション環境での実験により、従来の方法に比べて最大で牽引エネルギー消費量が10.9%削減、再生ブレーキングエネルギー利用が最大で47.9%増加することを示した。
– この研究は都市鉄道交通の省エネ問題に有効な解決策を提供する。

要約(オリジナル)

In the realm of urban transportation, metro systems serve as crucial and sustainable means of public transit. However, their substantial energy consumption poses a challenge to the goal of sustainability. Disturbances such as delays and passenger flow changes can further exacerbate this issue by negatively affecting energy efficiency in metro systems. To tackle this problem, we propose a policy-based reinforcement learning approach that reschedules the metro timetable and optimizes energy efficiency in metro systems under disturbances by adjusting the dwell time and cruise speed of trains. Our experiments conducted in a simulation environment demonstrate the superiority of our method over baseline methods, achieving a traction energy consumption reduction of up to 10.9% and an increase in regenerative braking energy utilization of up to 47.9%. This study provides an effective solution to the energy-saving problem of urban rail transit.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI