На 21 октомври Chalmers представи изследователска работа за координиране на големи паркове електрически автономни таксита. Темата е управлението на поръчки, свободни автомобили и зареждане, а не нова способност на автомобила да шофира. Университетът описва сътрудничество с Volvo Cars и симулации с исторически данни от Сан Франциско и Чикаго. Съобщението не обявява внедрен градски парк. Представянето на университета е ново; свързаните научни разработки имат собствена предходна история.

Различни решения за различни времеви мащаби

В резюмето на докторската работа на Sten Elling Tingstad Jacobsen се разграничават стратегическото преместване на свободни автомобили и оперативното разпределяне на пътувания. Вероятностното прогнозиране и управлението с предсказващ модел служат за първата задача. Обучавани политики помагат при по-дребни решения с кратък срок за реакция. Това е съчетаване на методи, а не твърдение, че една невронна мрежа управлява всичко. Резюме на дисертацията.

Публикацията за комбинирана стохастична и робастна оптимизация разглежда едновременно несигурни заявки, време за движение, енергия и достъпни зарядни устройства. Авторите описват разделяне на голямата задача чрез Nested Benders Decomposition и паралелно решаване. В симулациите спрямо разглежданите базови методи отчитат до 36% по-ниско медианно чакане. Това е резултат за конкретни модели и сравнения, без обещание за същото подобрение в друг град. Научна публикация и резюме.

Отделен препринт за Electric Dial-a-Ride използва графова невронна мрежа и обучение с подкрепление за маршрути, включващи качване, слизане и зареждане. Описаните големи задачи достигат 250 двойки заявки; резюмето посочва изчисление под десет секунди в този експеримент. Не пренасяме това число към всяка възможна големина на автопарк. Резюме на препринта.

Защо мястото на свободната кола има значение

Нашият редакционен пример е квартал, където търсенето скоро ще се увеличи. Изпращането на всички свободни коли там би могло да съкрати чакането на едни пътници, но да остави други без обслужване. Ако част от тези коли трябва да заредят, проблемът става и енергиен. Добрата прогноза сама по себе си не определя правилното действие: необходими са ограничения и избор между конкуриращи се цели.

Затова при евентуален пилот бихме отделили три оценки: обслужване на пътниците, празен пробег и разход на енергия. Подобрението на едната не доказва подобрение на останалите. Средната стойност също може да прикрие продължително чакане в определени квартали. Разпределението на резултатите е по-полезно за оценка на услугата от един общ процент за ефективност.

Симулацията позволява да се сравняват решения при контролирани условия. За практическа оценка обаче бихме поискали проверки при по-неточно търсене, недостъпна зарядна станция и променено време за движение. Това са предложени изпитвания, не допълнителни резултати от описаните разработки. Нужно е да се наблюдава и как се променя поведението на системата при различна цена на чакането спрямо енергията.

Изследването е интересно именно като работа върху координацията: полезността на отделното автономно превозно средство не решава организацията на цяла услуга. Между обещаващ симулационен резултат и градско внедряване остават проверките на местните условия, инфраструктурата и качеството на обслужване. Тези граници не намаляват стойността на разработките, а определят следващите въпроси към тях.

Корица: AI илюстрация на условна градска мрежа; не показва действителен автопарк.

Проверено по посочените източници: 2026-10-22T06:12:07.455721+00:00.