Un nouveau modèle prédictif pour les systèmes de navigation automobiles
Les résultats :
- Un modèle de prévision énergétique robuste, s'appuyant sur des données automobiles réelles.
- Une meilleure vision sur la faisabilité technique d'un système de navigation de nouvelle génération.
Le contexte
Un fournisseur mondial de composants automobiles a lancé un projet de recherche pour explorer la faisabilité d'un système de navigation de nouvelle génération dans les véhicules électriques (VE). L'objectif : prédire la consommation d'énergie avec une précision sans précédent tout en permettant une planification d'itinéraire améliorée et des décisions de recharge mieux fondées.
Le diagnostic :
Les systèmes de navigation actuels optimisent les itinéraires en fonction de la distance ou du temps mais ne tiennent pas compte de la dynamique énergétique réelle. Pour les conducteurs de véhicules électriques, cela crée de l’incertitude : temps de recharge et d'attente mal anticipés et itinéraires plus longs que prévu au final. Pour offrir un réel avantage concurrentiel, un système de navigation de nouvelle génération doit combiner la modélisation énergétique prédictive avec des algorithmes de routage intelligents, intégrant les données de trafic, de terrain et d'infrastructures de recharge.
La solution :
Le projet de recherche s’est focalisé sur deux améliorations clés :
Renforcer les capacités de planification existantes : Optimisation automatique des itinéraires et informations pour guider l’automobiliste : stations de recharge disponibles, délais d'attente attendus et besoins énergétiques.
Amélioration des algorithmes de routage : calculer les chemins les plus courts tout en prédisant la consommation d'énergie par segment de route.
Pour cela, nous avons sécurisé l'accès aux données, consolidé les ensembles de données et mis en place un environnement de programmation dans l’environnement cloud AWS. La mise en œuvre impliquait un développement modulaire : collecte de données, test des modèles, comparaison et analyse des meilleurs modèles.
Un modèle solide de prédiction de la consommation d'énergie a été déterminé. Il nécessite plusieurs entrées, dont le profil de vitesse de la voiture sur un segment de route défini. Ce profil de vitesse a été calculé à partir des données automobiles existantes. Le modèle de prévision énergétique peut désormais être enrichi par des caractéristiques routières (par exemple, vitesse légale, feux de circulation, pentes, courbure de la route, ...).
Prochaines étapes dans l’amélioration continue :
Le modèle actuel prédit la consommation d'énergie d'un segment de route en utilisant plusieurs entrées, y compris des profils de vitesse dérivés des données du véhicule. L'étape suivante consiste à prédire les profils de vitesse à partir des caractéristiques de la route — vitesse légale, feux de circulation, pentes et courbure — rendant le modèle totalement autonome. Ce modèle final permettra une prévision énergétique précise pour chaque segment routier, transformant la navigation des véhicules électriques de réactive à prédictive.