Jak efektivněji nabíjet samořiditelné elektrovozy? Řešením může být hluboké učení

Výzkum a věda | |

Jak efektivněji nabíjet samořiditelné elektrovozy? Řešením může být hluboké učení

Budoucnost přepravy spočívá v autonomních vozidel poháněných bateriemi, přinejmenším to tak zatím vypadá.


Pořád je ale velký problém s tím, jak prakticky, efektivně a úsporně automobily nabíjet a jak zajistit jejich provoz třeba na méně kvalitních silnicích, případně jak zajistit kompletní bezpečnost.

Přinejmenším na prvně zmíněném problému pracují odborníci dnes a denně, nicméně jednoduché to není a vyžaduje značné investice do infrastruktury.

Budoucnost mobility

Počítačoví vědci v Národní laboratoři Lawrence Livermora nyní pracují na praktické aplikaci zpětnovazebního hlubokého učení. To je technologie známá hlavně z esportů a deskových her typu šachů nebo Go, kde algoritmy vytvořené podobným principem poráží i ty nejlepší mistry her.

Algoritmus zpětnovazebního hlubokého učení by v tomto případě měl odhalit co nejefektivnější strategii pro rozmísťování nabíjecích stanic pro elektrovozidla. Cílem je co nejvíce omezit emise CO2 a dopad na už tak přetížené elektrické rozvodné sítě. Zároveň je ovšem kladen důraz na 24hodinovou dostupnost služeb, a to kdekoliv.

Ač je studie zaměřená na služby pro sdílení jízd (takže honosně nazvané taxislužby typu Uber nebo Bolt), aplikovat by šla celkově na trh se samořiditelnými a elektrickými vozidly.

Součástí projektů je také trénink autonomních agentů, kteří by se měli díky algoritmu naučit lépe (čti: úsporněji) automobily řídit. Simulace vědců zatím vykazují slibné výsledky.

Trénink algoritmu hlubokého zpětnovazebního učení byl poměrně jednoduchý: Pokaždé, kdy agent v simulaci úspěšně odvezl zákazníka, byl odměněn; po každé jízdě byl postaven před otázku, zda nabít vozidlo nebo svést dalšího zákazníka. Za produkci emisí vlivem nabíjení nebo pokus o svezení zákazníka i přes nedostatečnou míru nabití baterie byl naopak penalizován.

Systém se díky tomu naučil účinnou strategii, kdy vozit zákazníky a kdy se primárně nabíjet, založený hlavně na nabídce a poptávce – a cenách elektřiny. Po čase algoritmus minimalizoval čas a cenu nabíjení a maximalizoval počet převezených zákazníků.

Nyní chtějí vědci v praxi vyzvat ke spolupráci průmysl a zajistit, že infrastruktura bude schopná stabilně zajišťovat služby elektrická vozidla.


Úvodní foto: © metamorworks - Adobe Stock


Články z rubriky

Biometrické zabezpečení pro Safari, Apple přidává funkce do svého prohlížeče"

Face ID a Touch ID budou nově dostupné i pro prohlížeč Safari. Ten je značně minoritní, avšak v rámci platformy Applu stále populární.
více »


AI pomáhá předpovídat vedlejší účinky chemoterapie"

Rakovina je bohužel nedílnou součástí lidské existence a naneštěstí i života mnoha z nás. Umělá inteligence a strojové učení ale mohou obzvláště v této oblasti pomoci.
více »


Akrobacie s drony: Nové algoritmy vedou k obratnějším bezpilotním letounům"

Drony jsou užitečné nejen pro vojenské účely, ale také třeba pro logistiku nebo v případě humanitární katastrofy.
více »


Ericsson: Spotřebitelé kladou důraz na životní prostředí"

Stále více spotřebitelů se při rozhodování o koupi produktů nebo technologií zamýšlí nad tím, zda mohou pomoci zlepšit životní prostředí a přemýšlí nad udržitelným způsobem života.
více »


Rukavice pro VR dokáže přenést reálné objekty do virtuálního světa"

AR a VR společnosti hledají inteligentní řešení, jak přenést reálné věci (třeba tužku) do virtuálního světa, už roky. Nyní přišli vědci z MIT s úctyhodným pokrokem.
více »


Související články


Tagy

strategie umělá inteligence hluboké učení zpětnovazební učení strojové učení AI CO2 elektřina cena náklady emise elek

Komentáře