查尔姆斯理工大学与沃尔沃集团卡车技术部开发出新方法 帮助电动商用车减少能耗

据外媒报道，瑞典查尔姆斯理工大学（Chalmers University of Technology）的研究人员与沃尔沃集团卡车技术部（Volvo Group Trucks Technology）合作开发出全新方法，不仅着眼于行驶距离，而是关注整体能源使用，帮助电动配送车进行战略性导航，以尽可能减少能源使用，最高可节省20%的能源。

（图片来源：查尔姆斯理工大学）

查尔姆斯理工大学电气工程系教授Balázs Kulcsár表示：“我们开发出系统工具来了解最佳能源使用情况。此外，我们可以确保在复杂的交通网络中，电动汽车不会耗尽电量或进行非必要充电。”

此项研究主要探索如何使用电动汽车进行配送。研究所得算法对于学习和规划电动汽车最佳路径非常有效，已被沃尔沃集团采纳使用。

在这项研究中，研究人员调查了电动卡车车队如何在复杂而拥挤的交通网络中配送货物。配送日用品（如生活用品和家具）的挑战在于配送至多个地址时，配送车辆如何规划出最佳路线。

通过制定交付给客户的最佳顺序，电动车辆可以行驶更长时间，从而无需中断工作以进行非必要充电。电动汽车的路线规划通常倾向于假设最少里程是最有效的，因此会优先考虑寻找最短路线。但Balázs Kulcsár及其同事将整体电池使用情况作为关键目标，并寻找能耗最低的路线。

Balázs Kulcsár表示：“在实际交通情况下，若考虑影响能源消耗的所有其他参数，较长距离的旅程可能比较短旅程需要更少的能量。”

（图片来源：查尔姆斯理工大学）

通过考虑诸多因素，如速度、载重、交通信息、不同路线的起伏以及充电站，研究人员将城市中配送卡车的能源消耗进行了建模。然后将能源消耗模型输入到数学公式中，从而生成一种计算路线的算法，该算法允许车辆使用尽可能少的能量进行交付。如果需要在路上充电，车辆可以通过最节能的路线到达快速充电站，且节约了时间成本。通过考虑这些额外因素，研究人员的新方法使车辆的能耗降低了5%到20%。

由于电动配送车会在复杂真实世界中运行，因此即使算法起初就非常准确，但也经常会出现难以预料的问题。因此，能源使用预测会通过机器学习得到进一步优化，将从车辆收集的数据发送回工具以进行进一步输入和分析。