Algorithm for placing charging stations in urban agglomerations for electric vehicles using machine learning

The increasing number of electric vehicles necessitates effective planning of charging infrastructure that ensures even distribution of stations and prevents network overload. Traditional methods for placing charging stations often fail to account for dynamic changes in demand, leading to inefficient resource utilization. This paper explores the use of machine learning algorithms to optimize the placement of charging stations by considering electric vehicle density, traffic flows, grid availability, and seasonal demand fluctuations. Implementing machine learning algorithms not only enhances the economic efficiency of charging stations but also enables the creation of an adaptive management system for charging infrastructure capable of responding to real-time changes.

1. Симонова Л., Егорова Е., Ахмадиев А. / Нейронные сети в производстве (статья)// (2022) Российские инженерные исследования, 2022, Том 42, № 3, с. 278-281.

2. Л. А. Симонова, Д. Н. Демьянов, А. А. Капитонов/ Интеллектуальная информационная система для формирования проектных ограничений в автомобильной промышленности // Российские инженерные исследования, 2020, Том 40, № 12, с. 1034-1038.

3. Малыгин И., Селиверстов Ю., Селиверстов С., Фахми С., Сильников М., Муксимова Р., Гергель Г., Чигур В. Мобильные технологии в интеллектуальных транспортных системах // Коммуникации в информатике. 2020. Т. 1140. С. 384- 391.

4. Риск-ориентированное управление старением электрооборудования по техническому состоянию в системе нормальной эксплуатации АЭС, Назарычев А., Андреев Д., Мельникова О., Пугачев А., Материалы конференции AIP 2552, 050007 (2022), https://doi.org/10.1063/5.0114598

5. Селиверстов Я. А., Гергель Г. Ю., Селиверстов С. А., Никитин К. В., Развитие интеллектуальных транспортных систем на основе мобильных технологий и процедур анализа социальной активности городского населения // Научнотехнические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. – 2018, – Т.11 – С.47–64. DOI: 10.18721/JCSTCS.11105.

6. Сафиуллин Р.Н., Морозов Е.В. Методика обоснования технических требований и оценки характеристик измерительных средств автоматизированного контроля движения автомобильного транспорта. Транспорт: наука, техника, управление. Научный информационный сборник. 2020. № 5. С. 47-51.

7. Сафиуллин Р.Н., Пыркин О.П., Карпов С.Н., Демченко В.А. Системы автоматического управления технологическими процессами доставки грузов в транспортно-логистических структурах материально-технического обеспечения. Свое издательство. Санкт-Петербург, 2021 Lomazov V., Lomazov A., Petrosov D., Akupiyan O. Intelligent evaluation of implementation road infrastructure development program // Transportation Research Procedia. 2022, vol. 63, pp.1089-1094. DOI: 10.1016/j.trpro.2022.06.111

8. Tian, H., Safiullin, R. N., Safiullin, R. R. Integral Evaluation of Implementation Efficiency of Automated Hardware Complex for Vehicle Traffic Control. International Journal of Engineering, 2024; 37(8): 1534-1546. doi: 10.5829/ije.2024.37.08b.07

9. Safiullin, R. N., Safiullin, R. R., Sorokin, K. V., Kuzmin, K. A., Rudko, V. A. Integral Assessment of Influence Mechanism of Heavy Particle Generator on Hydrocarbon Composition of Vehicles Motor Fuel. International Journal of Engineering, 2024; 37(8): 1700-1706. doi: 10.5829/ije.2024.37.08b.20.