Autoleverancier onderzoekt ongekende voorspelling van energieverbruik
De resultaten:
- Een robuust energievoorspellingsmodel, dat gebruikmaakt van echte autodata.
- Een beter beeld van de technische haalbaarheid van het creëren van een navigatiesysteem van de volgende generatie.
De context
Een wereldwijde leverancier van auto-onderdelen startte een onderzoeksproject om de haalbaarheid te onderzoeken van een navigatiesysteem van de volgende generatie in elektrische voertuigen (EV). Het doel: het energieverbruik voorspellen met ongekende nauwkeurigheid, terwijl het slimmer routeplanning en kosten mogelijk maakt.
De diagnose:
Huidige navigatiesystemen optimaliseren voor afstand of tijd, maar houden geen rekening met de energiedynamiek in de echte wereld. Voor EV-bestuurders betekent dit onzekerheid—laadstoppen, wachttijden en inefficiënte routes. Om een concurrentievoordeel te bieden, moet het systeem voorspellende energiemodellering combineren met intelligente routeringsalgoritmen, waarbij verkeer, terrein en laadinfrastructuren worden geïntegreerd.
De oplossing:
Het onderzoeksproject combineerde twee belangrijke verbeteringen:
Verbetering van de bestaande planningsmogelijkheden: Automatische routeoptimalisatie gecombineerd met weloverwogen keuzes—beschikbare laadstations, verwachte wachttijden en energiebehoefte.
Verbetering van de routeringsalgoritmen: het berekenen van de kortste paden terwijl het energieverbruik per segment wordt voorspeld.
Om dit mogelijk te maken, hebben we data-toegang veiliggesteld, datasets geconsolideerd en een codeeromgeving opgezet in de AWS-cloudomgeving. De implementatie omvatte modulaire ontwikkeling: dataverzameling, modeltraining, modelvergelijking en best-model analyse.
Er is een solide model voor het voorspellen van het energieverbruik vastgesteld. Het neemt meerdere invoeren aan, waaronder het snelheidsprofiel van de auto op een wegsegment. Dit snelheidsprofiel is berekend op basis van autodata. Het energievoorspellingsmodel kan nu worden verrijkt met wegkenmerken (bijvoorbeeld legale snelheid, verkeerslichten, hellingen, wegkrommingen, ...).
Volgende stappen in continue verbetering:
Het huidige model voorspelt het energieverbruik voor een wegsegment met behulp van meerdere invoer, inclusief snelheidsprofielen afgeleid van voertuiggegevens. De volgende stap is het voorspellen van snelheidsprofielen op basis van wegkenmerken—legale snelheid, verkeerslichten, hellingen en krommingen—waardoor het model volledig autonoom wordt. Dit laatste model maakt nauwkeurige energievoorspellingen mogelijk voor elk wegsegment, waardoor EV-navigatie transformeert van reactief naar voorspellend.