Aunque los vehículos eléctricos que reducen las emisiones de gases de efecto invernadero atraen a muchos conductores, la falta de confianza en los servicios de carga disuade a otros. Construir una red confiable de estaciones de carga es difícil en parte porque es un desafío agregar datos de operadores de estaciones independientes. Pero ahora, los investigadoresreportando el 22 de enero en la revista patrones he desarrollado una IA que puede analizar las opiniones de los usuarios de estas estaciones, lo que le permite identificar con precisión los lugares donde hay estaciones insuficientes o fuera de servicio.
"Estamos gastando miles de millones de dólares públicos y privados en infraestructura de vehículos eléctricos", dice Omar Asensio @AsensioResearch, investigador principal y profesor asistente en la Escuela de Políticas Públicas del Instituto de Tecnología de Georgia. "Pero realmenteno entiendo bien qué tan bien estas inversiones están sirviendo al público y al interés público ".
Los conductores de vehículos eléctricos han comenzado a resolver el problema de la infraestructura de carga incierta formando comunidades en las aplicaciones de localización de estaciones de carga, dejando reseñas. Los investigadores buscaron analizar estas reseñas para comprender mejor los problemas que enfrentan los usuarios.
Con la ayuda de su IA, Asensio y sus colegas pudieron predecir si una estación específica era funcional en un día en particular. También encontraron que las áreas micropolitanas, donde la población está entre 10,000 y 50,000 personas, pueden estar desatendidas, con másinformes frecuentes de problemas de disponibilidad de estaciones. Estas comunidades se encuentran principalmente en estados del oeste y el medio oeste, como Oregón, Utah, Dakota del Sur y Nebraska, junto con Hawái.
"Cuando los usuarios interactúan y comparten información sobre experiencias de carga, a menudo se involucran en un comportamiento prosocial o proambiental, lo que nos brinda información de comportamiento rica para el aprendizaje automático", dice Asensio. Pero en comparación con el análisis de tablas de datos, los textos pueden serdifícil de procesar para las computadoras. "Una revisión puede ser tan corta como tres palabras. También puede ser tan larga como 25 o 30 palabras con errores ortográficos y varios temas", dice el coautor Sameer Dharur del Instituto de Tecnología de Georgia. Los usuarios a veces inclusoarroja caras sonrientes o emojis en los textos.
Para abordar el problema, Asensio y su equipo adaptaron su algoritmo a la jerga del transporte de vehículos eléctricos. Lo capacitaron con revisiones de 12,720 estaciones de carga de EE. UU. Para clasificar las revisiones en ocho categorías diferentes: funcionalidad, disponibilidad, costo, ubicación, concesionario, interacción del usuario., el tiempo de servicio y la ansiedad de alcance. La IA logró una precisión del 91% y una alta eficiencia de aprendizaje al analizar las revisiones en minutos. "Ese es un hito en la transición para que implementemos estas herramientas de IA porque ya no es posible que la IA haga lo mismobueno como humano? '", dice Asensio." En algunos casos, la IA superó el rendimiento de los expertos humanos ".
A diferencia de los estudios previos de evaluación del rendimiento de la infraestructura de carga que se basan en encuestas autoinformadas costosas y poco frecuentes, la IA puede reducir los costos de investigación al tiempo que proporciona datos estandarizados en tiempo real. Se espera que el mercado de carga de vehículos eléctricos crezca a $ 27.6 mil millones para 2027.El nuevo método puede brindar información sobre el comportamiento de los consumidores, lo que permite un análisis rápido de políticas y facilita la gestión de la infraestructura para el gobierno y las empresas. Por ejemplo, los hallazgos del equipo sugieren que puede ser más efectivo subsidiar el desarrollo de la infraestructura en lugar de la venta decoche eléctrico.
Si bien la tecnología aún enfrenta algunas limitaciones, como la necesidad de reducir los requisitos de potencia de procesamiento de la computadora, antes de implementar una implementación a gran escala en el mercado de carga de vehículos eléctricos, Asensio y su equipo esperan que a medida que avanza la ciencia, su investigaciónpuede abrir las puertas a estudios más profundos sobre la equidad social además de satisfacer las necesidades de los consumidores.
"Esta es una llamada de atención para nosotros porque, dada la enorme inversión en infraestructura de vehículos eléctricos, lo estamos haciendo de una manera que no está necesariamente atenta a los problemas de equidad social y distribución del acceso a esta infraestructura habilitadora,", dice Asensio." Ese es un tema de discusión que no va a desaparecer y apenas estamos empezando a entender ".
Fuente de la historia :
Materiales proporcionados por Prensa de celda . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :