Веб‑приложение на Flask для выбора станций зарядки и маршрутизации электромобилей с ACO и NSGA‑II с учётом ограничений фотогальванической энергии

Более разумные поездки для электромобилей

Когда всё больше водителей переходят на электромобили, простой вопрос становится удивительно сложным: где остановиться для подзарядки? Неправильный выбор станции может означать лишние объезды, долгие очереди, большие счета и больше загрязнения из‑за электроэнергии от ископаемого топлива. В этом исследовании рассматривается система интеллектуальной маршрутизации, которая помогает электромобилям в Марокко в реальном времени выбирать лучший путь и остановку для зарядки, одновременно используя бесплатную солнечную энергию по мере возможности.

Почему выбор зарядной станции так сложен

На современных дорогах водителю электромобиля приходится одновременно учитывать множество факторов. Уровень заряда батареи, скорость движения, расстояние до станции, длина очереди, цена электроэнергии и даже то, работает ли станция на солнечных панелях или от сети — всё это имеет значение. Большинство существующих инструментов фокусируются лишь на одном фрагменте этой задачи, например на минимальном расстоянии или наименьшей цене, и часто игнорируют загруженность станций или долю возобновляемой энергии. Авторы показывают, что такой узкий подход может привести к ожиданию в очереди, переплатам или упущенным возможностям зарядиться от чистой солнечной энергии.

Цифровой помощник, который заглядывает вперёд

Исследователи разработали онлайн‑помощника, который связывает автомобили и зарядные станции через лёгкое интернет‑соединение. Каждая станция передаёт своё местоположение, число свободных розеток, объём доступной солнечной энергии и текущую цену зарядки. Одновременно каждый автомобиль отслеживает свою позицию, уровень заряда батареи, пункт назначения и ожидаемую скорость на разных типах дорог. Используя эти потоки данных в реальном времени, система строит карту возможных маршрутов и отсеивает станции, до которых автомобиль не сможет добраться безопасно, сохранив резерв энергии.

Как умный поиск работает «под капотом»

Внутри помощника работают два натуроподобных метода поиска. Один исследует дорожную сеть в поисках перспективных путей, которые короткие и эффективные, учитывая городские улицы, пригородные дороги и автомагистрали, а также вероятные замедления из‑за светофоров и пробок. Другой одновременно взвешивает несколько целей: быстро добраться до пункта назначения, минимизировать время ожидания и зарядки, сократить расходы и максимально использовать солнечную электроэнергию. Вместо того чтобы гнаться за единственным «идеальным» ответом, система формирует меню хороших компромиссов и затем выбирает вариант, обеспечивающий наилучший общий баланс для конкретной поездки.

Тестирование на дорогах и в городах Марокко

Команда протестировала помощника на реалистичных маршрутах в окрестностях Маракеша и Касабланки, двух марокканских городов с растущими сетями зарядных станций и сильным солнечным ресурсом. Они составили пять типичных сценариев поездок — от городских поручений до междугородних поездок по шоссе — и сравнили их гибридный метод с тремя распространёнными подходами, применяемыми отдельно. Во всех случаях новая система сократила расстояние движения до одной десятой и уменьшила потребление энергии примерно до одной седьмой по сравнению с простым планировщиком кратчайшего пути. Она также находила маршруты, приходившие быстрее, чем методы, ориентированные только на энергию или цену, и направляла водителей на станции с большим количеством солнечной энергии, когда светило солнце.

Чище энергия, ниже счета, меньше ожиданий

Поскольку помощник преднамеренно отдаёт предпочтение станциям с питанием от солнца, когда это практично, многие поездки получали большую часть своей электроэнергии от солнечного света, а не от сети. В дневных городских поездках при хорошем солнечном обеспечении стоимость зарядки снижалась примерно на треть или более, а доля возобновляемой энергии часто достигала от семидесяти до почти ста процентов. Такая более чистая смесь привела к сокращению выбросов CO2 примерно на три‑четыре килограмма на поездку по сравнению с использованием только сетевой электроэнергии. Система также показала способность адаптироваться при небольших ошибках в прогнозах солнечной выработки или потребления энергии автомобилем и избегала планов зарядки, которые могли бы оставить транспортное средство на грани разряда.

Что это значит для будущих электроперевозок

Для повседневных водителей исследование указывает на будущее, где навигационное приложение делает больше, чем просто указывает ближайшую розетку. Вместо этого оно тихо взвесит время, стоимость, загруженность станции, запас безопасности и «зеленость» электроэнергии, прежде чем предложить остановку. Авторы утверждают, что их подход хорошо подходит для умных городов, которые хотят поддержать больше электромобилей, не перегружая линии электропередач, и описывают, как его можно масштабировать для управления целыми парками такси или фургонов доставки. Проще говоря, их главный вывод — что тщательное, основанное на данных планирование может сделать электроперевозки одновременно дешевле, быстрее и чище.

Цитирование: 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

Ключевые слова: электромобили, зарядные станции, солнечная энергия, планирование маршрута, умные города