Исследователи из Технологического университета Чалмерса в Швеции разработали метод оптимизации для управления парками автономных электрических такси. Проект, реализованный совместно с Volvo Cars, сочетает машинное обучение и математическое моделирование для повышения эффективности городского трафика.
Система использует байесовские нейронные сети для прогнозирования спроса на поездки и доступности зарядных станций. Модели обучались на исторических данных такси из Сан-Франциско и Чикаго. Особенность метода заключается в оценке неопределенности прогнозов, что позволяет системе сохранять стабильность при резких изменениях условий, например, из-за погоды.
Алгоритм разделяет анализ данных и оперативное управление. ИИ формирует информационную базу, а математическая модель с фиксированными правилами планирует поездки и зарядку. Чтобы справляться с большим количеством переменных, система разбивает общую задачу на мелкие сегменты, что позволяет принимать решения за доли секунды даже при работе с крупными автопарками.
Команда также проанализировала три типа электромобилей с разными характеристиками батарей и эффективности. Исследование показало, что баланс между емкостью аккумулятора, планированием зарядки и прогнозированием спроса критически важен для надежности сервиса. По данным Стэнфордского университета, автономные электротакси могут снизить стоимость километра пути на 60 процентов по сравнению с обычными такси.
