Tesla arbeitet nach eigenen Angaben daran, die Ladeerfahrung an den unternehmenseigenen „Supercharger“-Säulen zu verbessern. Ziel ist demnach ein Netzwerk, in dem Fahrer eines Elektroautos fast nie auf einen Ladevorgang warten müssen. Für die seltenen Fälle, in denen es doch zu Wartezeiten kommt, sollen möglichst genaue Schätzungen bereitgestellt werden, damit Reisen verlässlicher geplant werden können.
Der „Trip Planner“ wählt Supercharger-Standorte laut Tesla so aus, dass die gesamte Reisezeit minimiert wird. Grundlage ist ein Modell, das Echtzeitverkehr in einer Geofence-Zone – also innerhalb eines virtuellen Zauns – rund um Supercharger überwacht und vorhersagt, wie viele Elektroautos laden wollen. Diese Prognosen zu Auslastung und Warteschlangen fließen in die Routenoptimierung ein und sollen die Erwartungen für die Fahrt präzisieren.
Supercharger-Standorte liegen häufig zusammen mit anderen Angeboten an einem Ort. Dadurch gibt es dort auch Verkehr, der nicht mit dem Laden zusammenhängt. Diese gemischte Nutzung erschwert Vorhersagen zu Warteschlangen. Tesla führt nun ein aktualisiertes Machine-Learning-Modell ein, um mithilfe künstlicher Intelligenz Fahrzeuge mit Ladeabsicht besser zu erkennen.
„Das Modell wurde anhand von 9 Millionen Meilen aggregierter und anonymisierter Fahrzeugbewegungsdaten innerhalb der Geofence-Bereiche von Superchargern weltweit trainiert“, so die Entwickler. „Dadurch wird der Fehler bei der Schätzung der Warteschlangenlänge auf 20 Prozent reduziert. Das bedeutet, dass wir in dem sehr seltenen Fall, dass mehr als zehn Fahrzeuge warten, die voraussichtliche Warteschlangenlänge nun mit einer Abweichung von nur 1 bis 2 Fahrzeugen vorhersagen können.“
Tesla verweist dabei auf die eigene vertikale Integration und sieht sich dadurch in der Lage, dieses Niveau an Ladeintelligenz bereitzustellen. Zugleich heißt es, es sei noch mehr Arbeit erforderlich, um die Prognosen weiter zu verbessern. An der nächsten Version werde bereits gearbeitet.
Automobile Magazine – Germany
