Chalmersforskare har utvecklat ett ”så gott som optimalt sätt att styra en självkörande flotta”.
För att självkörande eldrivna taxiflottor ska fungera måste de ständigt fatta smarta beslut om vart de ska köra och när de ska ladda – även när verkligheten inte följer prognosen. Nu presenterar forskare på Chalmers en ny metod som ger ett ”så gott som optimalt sätt att styra en självkörande flotta”.
Nyckeln till lösningen uppges vara att ta hänsyn till reseplaneringens många osäkerheter.
Sten Elling Tingstad Jacobsen, doktor i reglerteknik vid institutionen för elektroteknik på Chalmers, har i sin doktorsavhandling utvecklat datadrivna metoder för att förbättra styrningen av självkörande elektriska taxiflottor. Forskningen kombinerar maskininlärning med avancerade optimeringsmodeller. Dessutom används så kallad djup förstärkningsinlärning, en form av artificiell intelligens som lär sig genom erfarenhet och återkoppling.
Maskininlärningen används enbart för att göra prognoser. Besluten om vart fordonen ska köra och när de ska laddas fattas i stället av en transparent optimeringsmodell med tydligt definierade mål och begränsningar. AI fungerar därmed som ett stöd för besluten, snarare än att fatta dem på egen hand.
– Eftersom efterfrågan, trafiksituationen och tillgången på fordon hela tiden förändras blir problemet snabbt alltför komplext för att lösa i sin helhet. Vår metod hanterar detta genom att dela upp problemet i mindre och mer hanterbara delar, som kan lösas effektivt och sedan kombineras för att beräkna hur fordonsflottan som helhet bäst ska fördelas i staden, säger Sten Elling Tingstad Jacobsen, i ett pressmeddelande.
Han tillägger:
– Det som är unikt med vårt arbete är att vi uttryckligen tar hänsyn till den osäkerhet som finns i en storstad och optimerar fordonsflottans drift utifrån den. Vi har också utvecklat och testat metoden för olika typer av fordon, vilket gör den både flexibel och robust. Det banar väg för att att självkörande fordonsflottor bättre kan anpassa sig till förändrade förhållanden och erbjuda effektiva och tillförlitliga transporttjänster.
