【高質量能源內容，點選右上角加'關注'】
蓋世汽車訊 據外媒報道，瑞典查爾姆斯理工大學（Chalmers University of Technology）的研究人員與沃爾沃集團卡車技術部（Volvo Group Trucks Technology）合作開發出全新方法，不僅著眼於行駛距離，而是關注整體能源使用，幫助電動配送車進行戰略性導航，以儘可能減少能源使用，最高可節省20%的能源。
（圖片來源：查爾姆斯理工大學）
查爾姆斯理工大學電氣工程系教授Balázs Kulcsár表示：“我們開發出系統工具來了解最佳能源使用情況。此外，我們可以確保在複雜的交通網路中，電動汽車不會耗盡電量或進行非必要充電。”
此項研究主要探索如何使用電動汽車進行配送。研究所得演算法對於學習和規劃電動汽車最佳路徑非常有效，已被沃爾沃集團採納使用。
在這項研究中，研究人員調查了電動卡車車隊如何在複雜而擁擠的交通網路中配送貨物。配送日用品（如生活用品和傢俱）的挑戰在於配送至多個地址時，配送車輛如何規劃出最佳路線。
透過制定交付給客戶的最佳順序，電動車輛可以行駛更長時間，從而無需中斷工作以進行非必要充電。電動汽車的路線規劃通常傾向於假設最少里程是最有效的，因此會優先考慮尋找最短路線。但Balázs Kulcsár及其同事將整體電池使用情況作為關鍵目標，並尋找能耗最低的路線。
Balázs Kulcsár表示：“在實際交通情況下，若考慮影響能源消耗的所有其他引數，較長距離的旅程可能比較短旅程需要更少的能量。”
（圖片來源：查爾姆斯理工大學）
透過考慮諸多因素，如速度、載重、交通訊息、不同路線的起伏以及充電站，研究人員將城市中配送卡車的能源消耗進行了建模。然後將能源消耗模型輸入到數學公式中，從而生成一種計算路線的演算法，該演算法允許車輛使用盡可能少的能量進行交付。如果需要在路上充電，車輛可以透過最節能的路線到達快速充電站，且節約了時間成本。透過考慮這些額外因素，研究人員的新方法使車輛的能耗降低了5%到20%。
由於電動配送車會在複雜真實世界中執行，因此即使演算法起初就非常準確，但也經常會出現難以預料的問題。因此，能源使用預測會透過機器學習得到進一步最佳化，將從車輛收集的資料傳送回工具以進行進一步輸入和分析。
*凡本網註明來源為“中國能源報/中國能源網"”的所有文字、圖片和音影片資料,版權屬於中國能源報社所有,未經授權,不得轉載;凡本網註明來源非“中國能源報/中國能源網”的作品,版權歸原創者所有,並不代表本網立場和觀點,如有侵權,請聯絡刪除。
