Battery-Aware Finsler Geometry for Energy-Optimal Routing of Electric Vehicles

Jeder Fahrer eines Elektrofahrzeugs kennt die stille Angst vor der Reichweitenanzeige. Im Gegensatz zu einem Auto mit einem Benzintank, der sich einfach nur leert, ist die Batterie eines Elektroautos ein komplexes System, bei dem sich der für eine Meile benötigte Energieaufwand ständig ändert, bassten auf dem Weg, der vor einem liegt. Ein steiler Hügel verlangt nach einem Energieschub, während eine sanfte Abfahrt Energie zurück in die Batterie führen kann. Sogar die Art und Weise, wie ein Fahrer beschleunigt oder abbremst, spielt eine Rolle; ein sanftes, gleichmäßiges Tempo ist weitaus effizienter als ein Stop-and-Go-Rhythmus. Jahrelang haben Navigationssysteme versucht, dies zu lösen, indem sie den kürzesten Pfad zwischen zwei Punkten fanden und dabei nur die Distanz auf einer Karte maßen. Doch für ein Elektrofahrzeug ist der kürzeste Pfad oft der teuerste in Bezug auf die Batterielebensdauer, da er das Auto dazu zwingen kann, einen steilen, gewundenen Aufstieg zu bewältigen oder durch eine Serie von scharfen Kurven zu fahren, die die Stromversorgung erschöpfen.

Dies ist das Problem, das ein Team von Forschern an der Dr. Rammanohar Lohia Avadh University in Indien zu lösen versucht hat. Sie haben einen neuen mathematischen Weg zur Routenplanung entwickelt, der die Straße nicht nur als Linie auf einer Karte betrachtet, sondern als eine Landschaft mit spezifischen Energiekosten für jede Fahrtrichtung. Ihre Arbeit legt nahe, dass die beste Route für ein Elektroauto nicht unbedingt diejenige mit den wenigsten Meilen ist, sondern diejenige, welche die Physik der Reise respektiert: die Steigung der Straße, die Notwendigkeit zu beschleunigen oder abzubremsen und den aktuellen Zustand der Batterie. Indem sie die Straße als eine dynamische Umgebung behandeln, in der das Bergauffahren mehr kostet als das Bergabfahren, haben sie ein System geschaffen, das einen Pfad finden kann, der erheblich Energie spart, ohne die Reise unangemessen lang zu machen.

Die Forscher begannen mit der Anerkennung einer grundlegenden Wahrheit über Elektrofahrzeuge: Der Energieverbrauch ist richtungsabhängig. Wenn man mit einem Auto einen Hügel hinauffährt, verbraucht man viel Batterieleistung, um gegen die Schwerkraft anzukämpfen. Wenn man mit demselben Auto denselben Hügel hinunterfährt, hilft die Schwerkraft einem, und das Auto kann sogar etwas dieser Energie durch einen Prozess namens regeneratives Bremsen zurückgewinnen, bei dem der Motor als Generator fungiert, um die Batterie aufzuladen. Traditionelle Navigationswerkzeuge behandeln ein Straßensegment oft als einen Abschnitt mit einem einzigen, festen Kostenwert, unabhängig davon, in welche Richtung man fährt. Das ist so, als würde man sagen, dass ein Flug von New York nach London genauso viel Treibstoff kostet wie ein Flug von London nach New York, wobei man die starken Jetstreams ignoriert, die das eine Flugzeug vorantreiben und das andere bremsen könnten. In der realen Welt verändert die Fahrtrichtung die Energiefaktur.

Um diese Realität einzufangen, baute das Team eine neue Art von Karte. Anstatt einfache Zahlen zu verwenden, um die Kosten einer Straße darzustellen, nutzten sie einen mathematischen Rahmen, der es ermöglicht, dass sich die Kosten je nach Fahrtrichtung des Fahrzeugs ändern. Sie stellten sich das Straßennetz als eine glatte, kontinuierliche Oberfläche vor, bei der jeder Punkt einen spezifischen Energiepreis besitzt, der davon abhängt, ob man bergauf, bergab oder quer dazu fährt. Sie integrierten drei Hauptfaktoren in diesen Preistag. Erstens berechneten sie die rohe Energie, die benötigt wird, um das Auto zu bewegen, unter Berücksichtigung des Luftwiderstands und des Gewichts des Fahrzeugs. Zweitens fügten sie Kosten für die Beschleunigung hinzu, in der Erkenntnis, dass Beschleunigen einen Leistungsschub erfordert, während Abbremsen kostenlos sein oder sogar profitabel sein kann, wenn das Auto Energie zurückgewinnt. Drittens berücksichtigten sie die Steigung der Straße, indem sie Aufstiege bestraften und Bergabfahrten belohnten.

Die Forscher testeten ihr neues System in einer Computersimulation eines zehn Kilometer breiten und zehn Kilometer langen Gebiets, das mit Hindernissen wie Gebäuden und einem realistischen, hügeligen Gelände ausgestattet war, welches eine hügelige Stadt nachahmte. Sie verglichen drei verschiedene Methoden, um eine Route von einem Startpunkt zu einem Zielpunkt zu finden. Die erste Methode war der Standardansatz: Finde die kürzeste Distanz. Die zweite Methode war, den Pfad zu finden, der die wenigste Batterieenergie verbraucht, ungeachtet dessen, wie lang die Reise ist. Die dritte Methode war ihr neues System, das die Distanz, die Energie und die Fahrtrichtung gleichzeitig ausbalanciert.

Die Ergebnisse waren aufschlussreich. Die kürzeste Route, die von einem Standard-GPS gewählt worden wäre, war in der Tat die kürzeste mit 11,31 Kilometern. Sie war jedoch auch die teuerste und verbrauchte 17,76 Megajoule an Energie. Dieser Pfad zwang das Auto, steile Hügel zu erklimmen und häufig zu beschleunigen, was die Batterie viel schneller erschöpfte als nötig. Die energieorientierte Route war klüger; sie nahm einen längeren Weg von 14,01 Kilometern, sparte aber eine massive Menge an Energie und senkte den Verbrauch auf nur 6,80 Megajoule. Sie umging die steilen Aufstiege, indem sie eine etwas längere, flachere Straße wählte.

Das neue System produzierte eine Route, die in der Länge fast identisch mit der energieorientierten Route war, nämlich 14,13 Kilometer, und eine nahezu identische Energiemenge von 6,82 Megajoule verbrauchte. Der entscheidende Unterschied war, dass das neue System diese Effizienz erreichte und gleichzeitig die „Tendenz“ der Straße berücksichtigte, Beschleunigung zu erfordern. Es fand einen Pfad, der nicht nur energieeffizient, sondern auch geschmeidiger war, indem es die ruckartigen Geschwindigkeitsänderungen vermied, die Leistung verschwenden können. In der Simulation endete die Batterie des Autos, das der neuen Route folgte, die Fahrt mit einem Ladezustand von 96,84 Prozent, im Vergleich zu 91,78 Prozent bei der kürzesten Route. Dieser kleine Unterschied im endgültigen Batteriestand stellt eine signifikante Sicherheitsmarge für einen echten Fahrer dar und könnte eine Situation verhindern, in der das Auto, bevor es eine Ladestation erreicht, ohne Strom dasteht.

Die Forscher betonen, dass ihre Arbeit eine Simulation ist, ein kontrolliertes Experiment, um zu beweisen, dass ihre mathematische Idee funktioniert. Sie haben dies nicht an einem echten Auto auf einer echten Straße getestet, aber die Physik, die sie verwendeten, basiert auf der realen Fahrzeugdynamik, einschließlich des Gewichts eines typischen elektrischen Pkw, des Luftwiderstands und der Effizienz des Motors. Sie zeigten, dass sie, indem sie die Straße als einen Ort behandelten, an dem die Richtung eine Rolle spielt, einen Pfad finden konnten, der ein kluger Kompromiss ist. Es geht nicht nur darum, so viel Energie wie möglich zu sparen, was bedeuten könnte, eine sehr lange, gewundene Umleitung zu nehmen, und es geht auch nicht darum, den kürzesten Weg zu nehmen, der vielleicht die Batterie auslaugt. Es geht darum, den idealen Punkt zu finden, an dem die Reise effizient, reibungslos und sicher für die Batterie ist.

Dieser Ansatz hat Auswirkungen auf mehr als nur Privat-PKW. Die Forscher schlagen vor, dass dieselbe Logik auch auf Elektrobusse angewendet werden könnte, die schwer sind und häufig anhalten, was sie noch empfindlicher gegenüber Hügeln und Beschleunigung macht. Er könnte auch autonomen Fahrzeugen helfen, die Entscheidungen über die zu nehmende Route basierend auf ihrem aktuellen Batteriestatus in Millisekunden treffen müssen. Wenn ein selbstfahrendes Auto weiß, dass seine Batterie niedrig ist, könnte das System die Route automatisch so anpassen, dass flachere, glattere Straßen bevorzugt werden, selbst wenn dies bedeutet, einige zusätzliche Kilometer zu fahren.

Die Studie kommt zu dem Schluss, dass die Zukunft der Navigation für Elektrofahrzeuge im Verständnis der Fahrtrichtung liegt. Eine Straße ist nicht nur eine Linie; sie ist eine Landschaft mit einem spezifischen Energiekostenwert für jede Fahrtrichtung. Indem sie ein mathematisches Modell verwenden, das diese Richtungsabhängigkeit respektiert, können wir Elektrofahrzeuge entlang von Pfaden führen, die nicht nur die kürzesten, sondern auch die sinnvollsten sind. Die Forscher haben gezeigt, dass ein wenig zusätzliche Distanz viel Energie sparen kann und dass die beste Route diejenige ist, die mit der Straße arbeitet und nicht gegen sie. Da Elektrofahrzeuge immer häufiger werden, werden diese Arten von intelligenten Routing-Systemen essenziell sein, um sicherzustellen, dass sie weiter, schneller und mit weniger Sorge vor dem Stromausfall fahren können.