Wybór stacji ładowania EV i trasowanie w aplikacji Flask z ACO i NSGA-II z ograniczeniami energii fotowoltaicznej

Inteligentniejsze podróże drogowe dla samochodów elektrycznych

W miarę jak coraz więcej kierowców przechodzi na samochody elektryczne, proste pytanie staje się zaskakująco trudne: gdzie warto się zatrzymać, by naładować? Wybór niewłaściwej stacji może oznaczać dodatkowe objazdy, długie kolejki, wyższe rachunki i większe zanieczyszczenie wynikające z energii z paliw kopalnych. W tym badaniu opisano inteligentny system trasowania, który w czasie rzeczywistym pomaga samochodom elektrycznym w Maroku wybrać najlepszą trasę i przystanek do ładowania, wykorzystując za każdym razem darmową energię słoneczną, gdy jest to możliwe.

Dlaczego wybór punktu ładowania jest trudny

Na współczesnych drogach kierowca samochodu elektrycznego musi jednocześnie uwzględnić wiele zmiennych. Poziom naładowania baterii, prędkość jazdy, odległość do stacji, długość kolejki, cena energii, a nawet to, czy stacja korzysta z paneli słonecznych, czy z sieci energetycznej — wszystko to ma znaczenie. Większość istniejących narzędzi koncentruje się na tylko jednym aspekcie tej układanki, takim jak najkrótsza odległość czy najniższa cena, często pomijając zajętość stacji lub udział energii odnawialnej. Autorzy pokazują, że takie zawężone podejście może prowadzić do oczekiwania, płacenia więcej niż potrzeba lub utraconych okazji na ładowanie z czystego źródła.

Cyfrowy asystent, który patrzy w przyszłość

Badacze zaprojektowali asystenta online, który łączy samochody i stacje ładowania za pomocą lekkiego łącza internetowego. Każda stacja nadaje swoją lokalizację, liczbę wolnych gniazd, dostępną ilość energii słonecznej oraz aktualną cenę ładowania. Równocześnie każdy samochód śledzi swoją pozycję, poziom baterii, cel podróży i przewidywaną prędkość na różnych typach dróg. Wykorzystując te strumienie danych na żywo, system tworzy mapę możliwych tras i odrzuca stacje, do których pojazd nie może bezpiecznie dojechać, zachowując jednocześnie rezerwę energii.

Jak działa inteligentne wyszukiwanie

W wnętrzu asystenta współpracują dwa inspirowane naturą algorytmy wyszukiwania. Jeden przeszukuje sieć dróg w poszukiwaniu obiecujących tras, które są krótkie i wydajne, uwzględniając ulice miejskie, drogi podmiejskie i autostrady oraz prawdopodobne spowolnienia wynikające ze świateł i korków. Drugi równoważy jednocześnie kilka celów: szybkie dotarcie, krótkie oczekiwanie i czas ładowania, niskie koszty oraz maksymalne wykorzystanie energii słonecznej. Zamiast dążyć do pojedynczej „idealnej” odpowiedzi, system buduje zestaw dobrych kompromisów, a następnie wybiera opcję oferującą najlepszą równowagę dla konkretnej podróży.

Testy w marokańskich miastach i na autostradach

Zespół przetestował swojego asystenta na realistycznych trasach w obrębie Marrakeszu i Casablanki, dwóch marokańskich miast z rozwijającą się siecią ładowania i dużym nasłonecznieniem. Opracowali pięć typowych scenariuszy podróży, od miejskich sprawunków po przejazdy autostradą między miastami, i porównali swoją hybrydową metodę z trzema powszechnie stosowanymi podejściami używanymi samodzielnie. W tych przypadkach nowy system skrócił dystans jazdy nawet do jednej dziesiątej i zmniejszył zużycie energii nawet o około jedną siódmą w porównaniu z prostym planowaniem po najkrótszej trasie. Znajdował też trasy, które prowadziły do wcześniejszego przybycia niż metody skupione wyłącznie na energii lub cenie, a gdy świeciło słońce, kierował kierowców do stacji z obfitym zasilaniem słonecznym.

Czystsza energia, niższe rachunki, krótsze oczekiwanie

Ponieważ asystent świadomie faworyzuje stacje zasilane energią słoneczną, gdy jest to praktyczne, wiele podróży pobierało większość energii z promieniowania słonecznego zamiast z sieci. W dziennych przejazdach miejskich przy dobrej dostępności słońca koszty ładowania spadały o około jedną trzecią lub więcej, a udział energii odnawialnej często sięgał od siedemdziesięciu do niemal stu procent. Ta czystsza mieszanka przekładała się na około trzy do czterech kilogramów mniej dwutlenku węgla na podróż w porównaniu z zasilaniem wyłącznie z sieci. System wykazał też zdolność do adaptacji, gdy prognozy produkcji słonecznej lub zużycia energii przez samochód były nieco niedokładne, i unikał planów ładowania, które mogłyby pozostawić pojazd blisko wyczerpania baterii.

Co to oznacza dla przyszłych podróży elektrycznych

Dla codziennych kierowców badanie wskazuje na przyszłość, w której aplikacja nawigacyjna robi więcej niż tylko wskazuje najbliższe gniazdko. Mogłaby dyskretnie ważyć czas, koszt, zatłoczenie stacji, marginesy bezpieczeństwa i ekologiczność energii, zanim zasugeruje postój. Autorzy twierdzą, że ich podejście dobrze pasuje do inteligentnych miast, które chcą wspierać więcej pojazdów elektrycznych bez przeciążania linii przesyłowych, i opisują, jak można je rozszerzyć, aby zarządzać całymi flotami taksówek czy samochodów dostawczych. W prostych słowach — ich główny przekaz jest taki, że staranne, oparte na danych planowanie może jednocześnie uczynić podróż elektryczną tańszą, szybszą i czystszą.

Cytowanie: Belaid, M., Beid, S.E., Habib, S. et al. EV charging station selection and routing flask application with ACO and NSGA-II including photovoltaic energy constraints. Sci Rep 16, 14754 (2026). https://doi.org/10.1038/s41598-026-50734-5

Słowa kluczowe: pojazdy elektryczne, stacje ładowania, energia słoneczna, planowanie trasy, inteligentne miasta