Planification efficace de la recharge grâce à la coordination des pelotons de véhicules électriques et des stations de recharge

Pourquoi une recharge plus intelligente compte pour les conducteurs quotidiens

À mesure que les véhicules électriques se généralisent, une recharge rapide et pratique aura autant d’importance que la recherche d’une station-service aujourd’hui. Cette étude examine ce qui se passe lorsque non seulement des voitures électriques individuelles, mais aussi des groupes serrés d’entre elles, appelés pelotons, partagent les mêmes bornes de recharge au bord de la route. En coordonnant la façon dont ces véhicules se déplacent et où ils s’arrêtent pour se recharger, les auteurs montrent que l’on peut réduire le temps perdu, éviter de longues files d’attente aux stations fréquentées et mieux exploiter l’infrastructure de recharge existante.

Trafic mixte sur les routes de demain

Le travail imagine des autoroutes du futur proche où deux types de trafic électrique coexistent. L’un se compose de voitures classiques conduites par des humains dont les propriétaires décident quand et où recharger. L’autre regroupe des convois organisés de véhicules automatisés — fourgons de livraison, robotaxis ou flottes d’entreprise — qui roulent ensemble à des vitesses coordonnées. Ces pelotons économisent de l’énergie et augmentent la capacité routière, mais lorsqu’ils se rendent dans une station, ils peuvent occuper plusieurs points de charge à la fois, saturant rapidement la capacité locale. Les méthodes de planification traditionnelles traitent chaque véhicule comme un client séparé et indépendant et considèrent rarement cet effet d’agglomération, qui peut transformer un réseau fluide en un système victime d’engorgements.

Un répartiteur numérique pour véhicules et bornes

Pour y remédier, les auteurs proposent un répartiteur intelligent qui s’insère dans le réseau et communique à la fois avec les véhicules et les stations de recharge. À l’aide de liaisons véhicule‑infrastructure semblables aux réseaux cellulaires actuels, les voitures et les pelotons partagent périodiquement des informations simples telles que l’énergie restante de la batterie, la quantité de charge souhaitée et la position actuelle. Le répartiteur connaît aussi la géométrie routière, l’encombrement de chaque tronçon et la puissance que chaque borne peut délivrer. Avec ces données combinées, il assigne chaque voiture ou peloton à une station spécifique et suggère des vitesses de déplacement adaptées, visant à minimiser le temps total passé à se rendre à une borne et à l’utiliser, tout en évitant la surcharge d’une station unique.

Comment fonctionne la planification intelligente

En coulisses, le système résout un casse‑tête complexe : qui doit aller à quelle station, et à quelle vitesse chaque véhicule ou peloton doit-il rouler pour atteindre cette station sans tomber en panne de batterie. Parce que les pelotons mobilisent plusieurs prises simultanément, leurs affectations influencent fortement les options des autres. Les auteurs décomposent ce problème en deux étapes alternées. D’abord, à l’aide d’une méthode de recherche inspirée de la planification par étapes, ou d’un raccourci glouton plus rapide, le répartiteur choisit les affectations de station sous la contrainte qu’aucune station ne dépasse son nombre de prises et que chaque véhicule doit choisir exactement un arrêt. Ensuite, en tenant ces affectations fixes, une routine d’optimisation inspirée des essaims ajuste les vitesses des véhicules et des pelotons à la hausse ou à la baisse dans les limites légales afin d’améliorer conjointement la consommation d’énergie, le temps de trajet et le temps de charge. Le processus se répète ensuite, affinant progressivement les deux choix jusqu’à ce que les gains deviennent négligeables.

Ce que révèlent les simulations sur une meilleure recharge

Des expériences informatiques explorent les performances de cette stratégie coordonnée dans une variété de conditions réalistes. Comparée à des règles simples comme « aller toujours à la station libre la plus proche » ou à des choix gloutons directes, la méthode proposée réduit systématiquement le temps total passé à conduire et à recharger. Les bénéfices se révèlent particulièrement nets lorsque de nombreux pelotons circulent ou lorsque les stations voisines ont une capacité limitée. Les résultats soulignent plusieurs enseignements de conception : répartir le même nombre total de prises sur davantage de stations réduit en général le temps global car plus de conducteurs peuvent trouver un arrêt raisonnablement proche ; augmenter la puissance de charge raccourcit prévisible­ment les sessions mais fonctionne mieux lorsqu’elle est combinée à une planification intelligente ; et des pelotons très importants, bien qu’efficaces sur la route, peuvent fortement accroître les délais aux stations à moins que leur recharge ne soit soigneusement coordonnée.

Ce que cela signifie pour les déplacements EV futurs

En termes concrets, l’étude montre qu’une coordination plus intelligente — et pas seulement plus de matériel — peut rendre les déplacements électriques plus rapides et plus fiables. En traitant les convois de véhicules comme des acteurs à part entière dans le plan de recharge et en ajustant à la fois leurs arrêts et leur vitesse, le cadre proposé réduit l’encombrement aux stations populaires et raccourcit l’expérience combinée de conduite et de recharge. À mesure que l’usage des VE augmente et que les flottes commerciales adoptent le pelotonnage, une telle planification conjointe pourrait aider les villes et les gestionnaires d’autoroutes à offrir des trajets plus fluides sans multiplier indéfiniment les bornes, ouvrant la voie à un réseau routier électrique plus efficace et plus convivial.

Citation: Qi, L., Wu, B., Li, S. et al. Efficient charging scheduling through coordination of electric vehicle platoons and charging stations. Sci Rep 16, 8773 (2026). https://doi.org/10.1038/s41598-026-39376-9

Mots-clés: recharge de véhicules électriques, pelotonnage de véhicules, transport intelligent, planification des stations de recharge, optimisation du trafic