Дослідники з Технологічного університету Чалмерса у Швеції розробили новий метод оптимізації для ефективнішого спрямування автономних електричних таксі через міський трафік. Підхід поєднує прогнози на основі штучного інтелекту з класичними математичними моделями та враховує непередбачувані фактори, такі як раптові зміни погоди.
Як зазначається у звіті Стенфордського університету, автономні електричні таксі здатні не лише зробити міський рух екологічнішим і ефективнішим, а й знизити витрати на кілометр пробігу до 60 відсотків порівняно зі звичайними таксі. Проте головним викликом залишається координація цілого автопарку під час годин пік, коли вранці пасажири масово їдуть до центру, а ввечері — повертаються назад. Через це безпілотники часто змушені їхати порожніми, а необхідність проміжної зарядки електромобілів додає складнощів у плануванні.
Щоб вирішити цю проблему, шведські вчені у співпраці з Volvo Cars залучили баєсівські нейромережі (BNN) для прогнозування попиту пасажирів і доступності станцій підзарядки. Для їхнього навчання використали історичні дані таксі з Сан-Франциско та Чикаго. Головна перевага BNN полягає в тому, що вони оцінюють власний рівень невизначеності, дозволяючи системі управління залишатися стабільною навіть при різкій зміні поведінки пасажирів через дощ чи інші чинники.
Штучний інтелект у цій системі не приймає автономних рішень, а слугує лише базою даних. Безпосереднє планування руху та заряджання виконує математична оптимізаційна модель із фіксованими правилами, яка розбиває складне завдання на дрібніші частини для прийняття рішень за частки секунди. Крім того, дослідники проаналізували три типи електромобілів із різними батареями, довівши важливість правильного балансу між ємністю акумуляторів та плануванням для надійності роботи сервісів майбутнього.
Джерела: electrive.com
