15:00 〜 15:20
[2J4-GS-10-05] 走行実績データの機械学習によるEVトラックの電費推定
キーワード：機械学習、電費推定、EV導入支援、脱炭素社会
高頻度物流時代の到来により運搬トラックの稼働頻度は増加しており，脱炭素社会への対応として運搬トラックのEV化が急務である．
そこで本研究ではEV車の稼働コストを抑制する方策として，車両の稼働状況を機械学習することで走行ルートに応じた電力消費量の推定を試みた．
日本全国で稼働している運搬車両の位置情報をGPSで取得し，各地点の外部状況（路面の勾配や凹凸具合，天気や気温など）や，
車両の内部状況（車型，貨物の種類や重量など）を収集し，機械学習に用いる説明変数を設計した．
結果としてXGBoost等のアンサンブル学習により，実用化を期待できる高精度な電費推定モデルを構築でき，SHAP分析等により得られた推定モデルの妥当性を確認した．
そこで本研究ではEV車の稼働コストを抑制する方策として，車両の稼働状況を機械学習することで走行ルートに応じた電力消費量の推定を試みた．
日本全国で稼働している運搬車両の位置情報をGPSで取得し，各地点の外部状況（路面の勾配や凹凸具合，天気や気温など）や，
車両の内部状況（車型，貨物の種類や重量など）を収集し，機械学習に用いる説明変数を設計した．
結果としてXGBoost等のアンサンブル学習により，実用化を期待できる高精度な電費推定モデルを構築でき，SHAP分析等により得られた推定モデルの妥当性を確認した．
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。