Tesla introduit des prévisions de temps d'attente par IA pour ses Superchargeurs afin d'en améliorer la précision

Tesla a déployé un nouveau modèle d'apprentissage automatique pour améliorer la précision des temps d'attente aux Superchargeurs affichés dans ses véhicules. Dans une récente mise à jour partagée par le compte officiel Tesla Charging sur X, l'entreprise a expliqué comment elle améliore les prévisions du planificateur de trajet embarqué en prédisant plus précisément le comportement des conducteurs.

Le défi des sites à usage mixte

L'une des difficultés majeures réside dans la prévision des temps d'attente sur les sites à usage mixte. De nombreux Superchargeurs sont situés à proximité de commodités telles que des épiceries, des restaurants et des centres commerciaux.

En se rendant à un Superchargeur voisin, de nombreux conducteurs n'entrent pas la station dans le système de navigation du véhicule, ce qui complique les prévisions. Pour fournir de meilleures estimations, le système doit également prendre en compte la position actuelle du véhicule et déduire s'il est susceptible de se diriger vers un Superchargeur à proximité.

Cela crée une ambiguïté : le système peut avoir du mal à distinguer un véhicule arrivant pour charger d'un véhicule s'arrêtant uniquement pour faire des courses. Ce trafic à usage mixte a rendu difficile la prédiction de la file d'attente réelle et a contribué à des estimations de temps d'attente inexactes.

Entraîner l'IA sur les données de trajectoire

Pour remédier à cela, Tesla a créé un nouveau modèle d'apprentissage automatique afin de déduire l'intention réelle de recharge d'un conducteur. Le modèle a été entraîné sur 9 millions de miles de données de trajectoire agrégées et anonymisées, collectées exclusivement dans les zones géolocalisées entourant les Superchargeurs mondiaux.

En examinant comment les véhicules se déplacent, naviguent et se garent sur ces parkings, le système peut distinguer les clients en recharge des visiteurs de magasins classiques en se basant sur les modèles de trajectoire.

La référence des 20 %

Selon Tesla, le logiciel mis à jour réduit les erreurs d'estimation de la longueur des files d'attente à environ 20 pour cent.

En pratique, même pendant les périodes de vacances les plus chargées—lorsqu'un site peut connaître des files d'attente de 10 véhicules ou plus—l'estimation du planificateur de trajet ne se tromperait généralement que d'une ou deux voitures. Grâce à des prédictions plus précises, la navigation peut orienter les conducteurs vers des Superchargeurs légèrement plus éloignés mais plus rapides, afin de réduire le temps de trajet global.

Aucune mise à jour nécessaire

Comme les véhicules obtiennent les temps d'attente aux Superchargeurs via les API de Tesla, aucune mise à jour logicielle n'est requise pour que ces changements prennent effet. Tesla indique que le déploiement est en cours et commencera probablement par certains Superchargeurs sélectionnés, le temps d'évaluer les résultats avant une mise en œuvre plus large.

Préparer la file d'attente virtuelle

En parallèle, l'équipe de recharge de Tesla teste activement un nouveau système de file d'attente virtuelle conçu pour éliminer les files d'attente physiques sur les sites de Superchargeurs très fréquentés. Tesla a commencé à intégrer la fonctionnalité de file d'attente virtuelle dans la dernière version de l'application Tesla.

Les conducteurs pourront rejoindre une liste d'attente numérique via l'application ou l'écran du véhicule, recevoir des mises à jour en temps réel sur leur position et être dirigés vers une borne lorsqu'elle se libère.

Combinée à la prévision par IA basée sur les trajectoires, la file d'attente virtuelle vise à gérer efficacement la congestion, y compris pendant les pics de déplacements des vacances.