Electric Vehicle Routing Problem for Emergency Power Supply: Towards Telecom Base Station Relief

作为一家电信服务提供商，我们公司有一个至关重要的使命，即在停电期间维护电信服务。为了实现这个使命，维护电信基站的电力至关重要。在这里，我们考虑一种解决方案，即通过电动汽车（EV）直接向基站提供电力，通过前往基站位置。我们的目标是找到最小化所有EV的总行驶距离和下降的基站数量的EV路线。在本文中，我们将这个路由问题形式化为Electric Vehicle Routing Problem（EVRP）的一个新变体，并提出了一个求解器，该求解器结合了基于规则的车辆选择器和基于强化学习（RL）的节点选择器。车辆选择器的规则确保所选EV开始移动时的确切环境状态。此外，RL模型的节点选择使得快速路线生成成为可能，这在紧急情况下非常重要。我们在合成数据集和真实数据集上评估了我们的求解器。结果表明，我们的求解器在目标值和计算时间方面优于基线。此外，我们分析了我们的求解器的泛化和可扩展性，证明了其在看不见的环境和大规模问题中的能力。还请查看我们的项目页面：https://ntt-dkiku.github.io/rl-evrpeps。

本论文旨在解决在停电情况下维持电信基站供电的问题，提出了一种通过电动汽车直接向基站供电的解决方案。作者将这个问题形式化为电动汽车路径规划问题的一个新变体，并提出了一种结合基于规则的车辆选择器和基于强化学习的节点选择器的求解器。

该论文的关键思路是将电动汽车路径规划问题应用于电信基站供电问题，并提出了一种结合规则和强化学习的求解器。

论文在合成数据集和真实数据集上进行了评估，并表明该求解器在目标值和计算时间方面优于基线。此外，论文还分析了求解器的泛化能力和可扩展性，展示了其在未知设置和大规模问题上的能力。作者还提供了项目页面和开源代码。

在最近的相关研究中，也有一些关于电动汽车路径规划问题的研究，如“Electric Vehicle Routing Problem with Time Windows and Recharging Stations”。