説明可能な人工知能を使用してオンボード車両データを分析することにより、ミネソタ大学のノースロップ教授はより良いオンライン カジノ ベラ ジョン輸送システムを想定しています。
オンライン カジノ ベラ ジョングローバルな移行の加速は、新しい経済的機会を生み出し、現在の化石燃料パラダイムの悪影響を軽減しながら、業界を脱炭素化する必要性によって動機付けられています。現在、14億を超える車両が世界的に使用されていると推定されていますが、電力のみを搭載しているのは1％未満です。
バッテリーのコストが減少し続け、より費用対効果の高いEVが導入されるにつれて、研究は、信頼できる在宅充電のない世帯や、商業的なEVをサポートするための限られたリソースを持つ中小企業を含む公平な適応に焦点を当てる必要があります。プランニングソフトウェア、ようなArgonne National Laboratoryのオンライン カジノ ベラ ジョン充電Justice40マッピングツール、公正なEVアクセスを確保するために、インフラストラクチャを請求するための追加投資のために場所を特定しようとしています。また、道路上のEVの数を増やすことで、追加の化石電力生産からの温室効果ガスと従来の汚染物質の排出量の増加を通じて、恵まれないコミュニティの人々をさらに害を及ぼさないようにするために分析が必要です。
世界のポジショニングシステムの位置、パワートレインパラメーター、およびその他の関連データを含むオンボード車両データ（OVD）が使用され、個々の車両パフォーマンスを最適化しています。車両メーカーとフリートオペレーターは、最新の車両から大量のOVDを収集しますが、ほとんど活用されていません。
輸送システムで説明可能なAIの必要性
過去10年間で、機械学習モデルはさまざまな分野で遍在しています。モデルの中で、人工オンライン カジノ ベラ ジョンラルネットワーク（ANN）は、十分なトレーニングデータと計算能力が与えられた場合、あらゆる機能を近似する能力により人気があります。1米国防衛先進研究プロジェクト局（DARPA）は、「機械学習のパフォーマンス（予測精度など）と説明可能性の間に固有の緊張があるようです。多くの場合、最もパフォーマンスの高い方法（例えば、深い学習）は最も説明できないものであり、最も説明可能な（例：決定木）はあまり正確ではありません。」2
機械学習モデルは、これらのアルゴリズムの結果から、影響力の高い決定を下す必要がある輸送アプリケーションで重要です。たとえば、自動運転車のビジョンシステムのセマンティックな誤分類をもたらすアルゴリズム予測のわずかな分散は、極端かつ危険な結果につながる可能性があります。3失敗のリスクは、説明責任と責任の懸念をもたらします。もう1つの重要な要素は、顧客の信頼です。4
説明可能なAIは、製品の開発と計画中の輸送エンジニアにとって不可欠です。ブラックボックスAIモデルの予測機能に加えて、エンジニアは、予測の背後にある基礎となる物理現象の知識も必要です。5そのようなモデルは、EVのドライバーの行動と周囲条件の関数としてバッテリーの健康状態を予測するために効果的に使用することもできます。
インテリジェントオンライン カジノ ベラ ジョン管理を使用して、車両クラス全体の範囲の不安を解く
EVのパワートレインは、従来の燃焼駆動型の対応物よりも簡単ですが、バッテリーは新たな課題を引き起こします。現在のEVバッテリーは、特に大規模な商用車の場合、液体炭化水素燃料と同じ駆動範囲を提供するほどオンライン カジノ ベラ ジョン密度が高くありません。6
EVSのオンライン カジノ ベラ ジョン管理には、運転範囲を正確に予測することと、いつどこで充電するかを最適化することの両方が含まれます。 EVは燃料補給と比較して充電に比較的長い時間がかかるため、高速充電ステーションは多くの地域でまだ不足しているため、EV所有者は充電に最適な場所と時間を決定するためにガイダンスを必要とします。7そのようなモデルは、オンライン カジノ ベラ ジョン効率の高いルーティング決定を通知し、必要に応じてスマートな機会充電を組み込み、ドライバーに各旅行の正確な時間とコストの見積もりを提供するために使用できます。
データの民主化と最適化ツールを通じて、小さな地域艦隊の電動トラックへのアクセスの強化
軽量のEVが直面している範囲の課題は、より大きな商用車で悪化しています。より大きなバッテリーは車両の重量と充電時間が長くなり、積極的なペイロードが運転範囲を減らします。さらに、より大きな商業的なEVと適切な駐車スペースの電力要件の両方をサポートできる既存の充電ステーションはほとんどありません。
大企業によって商業EVへの多額の投資が行われていますが、小規模企業はEVSへの変換などの不確実な投資に限られたリソースを費やす余裕はありません。トラック艦隊を電化できるかどうかを判断することでさえ、食料品の販売業者や貨物配達サービスなどの小規模な企業にとって困難です。
現在、多くの商業艦隊は、物流計画とデータ分析を支援するために、従来の駆動型艦隊から現在OVDを収集しています。米国国立再生可能オンライン カジノ ベラ ジョン研究所やその他の努力は、この地域での研究努力を支援するために、商業艦隊からOVDを収集、保存、自由に配布することが重要です。8いくつかの予備コマーシャル9およびprivate10歴史的な艦隊作戦からのコンテキストを考慮して、EVパワートレインが特定の車両またはルートに最適かどうかを判断しようとするツールが存在します。新しく開発された頑丈なオンライン カジノ ベラ ジョン統合と実装（HEVII）ツールは、艦隊マネージャーと研究者が艦隊内の車両の電化電位と将来のEVをサポートするために必要なインフラストラクチャを決定するためのオープンソースオプションを提供することを目的としています。
恵まれないコミュニティでのオンライン カジノ ベラ ジョン充電の増加の意図しない影響を減らす
収集されたOVDは、オンライン カジノ ベラ ジョンで提起された重要な環境正義の懸念を通知するために使用できます。輸送バスやその他の職業車両からのNOX排出は、恵まれないコミュニティの輸送排出曝露ホットスポットを理解するために空間的に追跡できます。11
同様に、OVDは同じ地理的領域でのEV使用の意図しない結果を追跡するために使用できます。
公共のEV充電ステーションがより一般的になっている間、EVS自体のようにその分布は非常に不均一であり、裕福で高く人口の多い地域、および強力な政府のイニシアチブを持つ地域に歪んでおり、多くの消費者に適切な充電オプションを残しません。12多くの方法では、できるだけ多くのEVまたはルートをサポートするために充電器を配置する方法を検討しますが、そのような充電器の配置の等しくあると考える人はほとんどいません。製造業者によって収集され、第三者が転売したOVDwejo家庭の充電パターンを追跡するために、在宅充電器にアクセスすることなく、安価な充電ステーションのより公平な分布を通知することができます。
恵まれないコミュニティでの充電への公平なアクセスを決定するだけでなく、発電インフラストラクチャ、EV採用に対する公平な炭火の配置の潜在的な影響、およびその後のオンライン カジノ ベラ ジョン輸送がニトロゲン酸化物や有害な汚染物質のような有害な汚染物質の排出に与える影響を考慮する必要があります。発電施設からの粒子状物質。
参照
- Dosilovic、F K、Brcic、M、＆Hlupic、N（2018）。説明可能な人工知能：調査。情報通信技術、エレクトロニクス、マイクロエレクトロニクスに関する国際条約（MIPRO）、0210–0215https://doi.org/10.23919/MIPRO.2018.8400040
- Gunning、D＆Aha、D（2019）。 DARPAの説明可能な人工知能（XAI）プログラム。https://doi.org/10.1609/aimag.v40i2.2850
- Hussain、F、Hussain、R、＆Hossain、E（2021）。説明可能な人工知能（XAI）：エンジニアリングの観点。https://doi.org/10.48550/arXiv.2101.03613
- Weitz、K、Schiller、D、Schlagowski、R、Huber、T、＆Ré、E（2019）「あなたは私を信頼しますか？」：説明可能なAI相互作用設計で仮想エージェントを統合することによりユーザー信頼を増やす。インテリジェントな仮想エージェントに関する第19回ACM国際会議の議事録、7–9https://doi.org/10.1145/3308532.3329441
- Panneer Selvam、H、Shekhar、S、＆Northrop、W F（2021）。物理的な解釈可能性を備えたアンサンブル学習ベースのモデルを使用した圧縮点火エンジンからのNO X排出の予測。SAE技術論文。 2021-24–0082https://doi.org/10.4271/2021-24-0082
- Eagon、M、Trujillo、J、＆Northrop、W（2022）。寒い気候でのラストマイルのオンライン カジノ ベラ ジョン配達トラックの気候制御の荷物と車両範囲への影響。技術論文。 SAE世界会議（WCX）2022、デトロイト、ミシガン州で発表された論文https://doi.org/10.4271/2022-01-0199
- Eagon、M J、Kindem、D K、Panneer Selvam、H、＆Northrop、W F（2022）。スマート充電最適化のためのオンライン カジノ ベラ ジョンラルネットワークベースの電気自動車範囲予測。Journal of Dynamic Systems、Measurement、およびControl, 144(1), 011110https://doi.org/10.1115/1.4053306
- 「フリートDNAプロジェクトデータ」。 （2022）。www.nrel.gov/fleetdna
- 「Ezev Analytics」。 （2022）。https://marketplace.geotab.com/solutions/sawatch/
- Moawad、A、Li、Z、Pancorbo、I、Gurumurthy、K M、Freyermuth、V、Islam、E、Vijayagopal、R、Stinson、M、＆Rousseau、A（2021）。リアルタイムのエネルギーとコスト効率の高い車両ルートの割り当てオンライン カジノ ベラ ジョンラル推奨システム。https://doi.org/10.48550/ARXIV.2110.10887
- Kotz、A J、Kittelson、D B、＆Northrop、W F（2016）。輸送バスからの使用なしX排出量のラグランジアンホットスポット。環境科学技術、50（11）、5750–5756https://doi.org/10.1021/acs.est.6b00550
- Eagon、M、Fakhimi、S、Lyu、G、Yang、A、Lin、B、＆Northrop、W F（2022）。バッテリーオンライン カジノ ベラ ジョン充電器ステーションの展開を最適化するモデルベースのフレームワーク。2022 IEEEインテリジェントビークルシンポジウム（iv）、1639–1648https://doi.org/10.1109/IV51971.2022.9827442
- Zhou、Y、Gohlke、D、Sansone、M、Kuiper、J、＆Smith、M（2022）。マッピングツールを使用して、オンライン カジノ ベラ ジョン充電器の利点を十分なサービスを受けていないコミュニティに優先順位を付けます（ANL/ESD-22/10、1870157、175535）。https://doi.org/10.2172/1870157
注意してください、この記事は私たちの第12版にも掲載されます四半期出版。
