SAEVにおけるマルチエージェント深層強化学習を用いた交通運用とV2Gのスケジュール最適化

カテゴリ：部門大会

論文No：196

グループ名：【B】令和7年電気学会電力・エネルギー部門大会

発行日：2025/9/5

タイトル(英語)：Optimizing Traffic Operations and V2G Scheduling in SAEVs Using Multi-Agent Deep Reinforcement Learning

著者名：鈴江晃人（大阪大学），内田英明（大阪大学），山口容平（大阪大学），下田吉之（大阪大学）

著者名(英語)： Akito Suzue (The University of Osaka), hideaki Uchida (The University of Osaka), Yohei Yamaguchi (The University of Osaka), Yoshiyuki Shimoda (The University of Osaka)

キーワード：SAEV,V2G,深層強化学習,マルチエージェント学習,スケジューリング,SAEV,V2G,deep reinforcement learning,multi-agent learning,scheduling

要約(日本語)：カーシェアの拡大と自動運転・電動化により，SAEV（Shared Autonomous Electric Vehicle）の実用化が進みV2G（Vehicle-to-Grid）との統合による調整力提供が期待されている．一方で運用の複雑化や電力網への影響から，移動とV2Gのサービスを統合的に扱う最適化手法が求められている．本研究では，事業者の利益最大化を目的に，V2G統合型SAEVのスケジューリングをMADDPG（Multi-Agent Deep Deterministic Policy Gradient）を用いてモデル化し，数値実験により協調的運用と充放電戦略の課題を検証した．

PDFファイルサイズ：691Kバイト