AI dilatih untuk membaca ulasan stasiun pengisian kendaraan listrik untuk menemukan celah infrastruktur
Ai

AI dilatih untuk membaca ulasan stasiun pengisian kendaraan listrik untuk menemukan celah infrastruktur


Abstrak grafis ini menunjukkan bagaimana AI dapat digunakan untuk meningkatkan infrastruktur stasiun pengisian kendaraan listrik. Kredit: Ha et al./Patterns

Meskipun kendaraan listrik yang mengurangi emisi gas rumah kaca menarik banyak pengemudi, kurangnya kepercayaan dalam layanan pengisian menghalangi orang lain. Membangun jaringan stasiun pengisian yang andal sebagian sulit karena sulit untuk mengumpulkan data dari operator stasiun independen. Namun kini, peneliti melaporkan 22 Januari di jurnal tersebut Pola telah mengembangkan AI yang dapat menganalisis ulasan pengguna dari stasiun-stasiun ini, memungkinkannya untuk secara akurat mengidentifikasi tempat-tempat di mana terdapat stasiun yang tidak mencukupi atau di luar layanan.

“Kami menghabiskan miliaran dolar publik dan swasta untuk infrastruktur kendaraan listrik,” kata Omar Asensio, peneliti utama dan asisten profesor di School of Public Policy di Georgia Institute of Technology. “Tapi kami benar-benar tidak memiliki pemahaman yang baik tentang seberapa baik investasi ini melayani kepentingan publik dan publik.”

Pengemudi kendaraan listrik telah mulai memecahkan masalah infrastruktur pengisian daya yang tidak pasti dengan membentuk komunitas di aplikasi pencari stasiun pengisian daya, meninggalkan ulasan. Para peneliti berusaha menganalisis ulasan ini untuk lebih memahami masalah yang dihadapi pengguna.

Dengan bantuan AI mereka, Asensio dan rekannya dapat memprediksi apakah stasiun tertentu berfungsi pada hari tertentu. Mereka juga menemukan bahwa kawasan mikropolitan, dengan populasi antara 10.000 dan 50.000 orang, mungkin kurang terlayani, dengan lebih seringnya laporan tentang masalah ketersediaan stasiun. Komunitas-komunitas ini sebagian besar berada di negara bagian di Barat dan Barat Tengah, seperti Oregon, Utah, Dakota Selatan, dan Nebraska, bersama dengan Hawaii.

“Saat pengguna terlibat dan berbagi informasi tentang menagih pengalaman, mereka sering kali terlibat dalam perilaku prososial atau pro-lingkungan, yang memberi kami informasi perilaku yang kaya untuk pembelajaran mesin,” kata Asensio. Tetapi dibandingkan dengan menganalisis tabel data, teks dapat menjadi tantangan bagi komputer untuk diproses. “Sebuah review bisa sesingkat tiga kata. Bisa juga sepanjang 25 atau 30 kata dengan salah eja dan berbagai topik,” kata rekan penulis Sameer Dharur dari Georgia Institute of Technology. Pengguna terkadang bahkan melempar wajah tersenyum atau emoji ke dalam teks.

Untuk mengatasi masalah tersebut, Asensio dan timnya menyesuaikan algoritme mereka dengan istilah transportasi kendaraan listrik. Mereka melatihnya dengan ulasan dari 12.720 stasiun pengisian daya AS untuk mengklasifikasikan ulasan ke dalam delapan kategori berbeda: fungsionalitas, ketersediaan, biaya, lokasi, dealer, interaksi pengguna, waktu layanan, dan kecemasan jangkauan. AI mencapai akurasi 91% dan efisiensi pembelajaran yang tinggi dalam mengurai ulasan dalam hitungan menit. “Itu adalah tonggak penting dalam transisi bagi kami untuk menerapkan alat AI ini karena tidak lagi ‘dapatkah AI melakukan sebaik manusia?’,” Kata Asensio. “Dalam beberapa kasus, AI melebihi kinerja ahli manusia.”

Berbeda dengan studi evaluasi kinerja infrastruktur pengisian daya sebelumnya yang mengandalkan survei yang dilaporkan sendiri mahal dan jarang, AI dapat mengurangi biaya penelitian sambil menyediakan data standar waktu nyata. Pasar pengisian kendaraan listrik diperkirakan akan tumbuh menjadi $ 27,6 miliar pada tahun 2027. Metode baru ini dapat memberikan wawasan tentang perilaku konsumen, memungkinkan analisis kebijakan yang cepat dan mempermudah pengelolaan infrastruktur bagi pemerintah dan perusahaan. Misalnya, temuan tim menunjukkan bahwa mungkin lebih efektif untuk mensubsidi pembangunan infrastruktur dibandingkan dengan penjualan mobil listrik.

Meskipun teknologinya masih menghadapi beberapa keterbatasan — seperti kebutuhan untuk mengurangi kebutuhan daya pemrosesan komputer — sebelum meluncurkan implementasi skala besar ke pasar pengisian kendaraan listrik, Asensio dan timnya berharap bahwa seiring kemajuan ilmu pengetahuan, penelitian mereka dapat membuka pintu untuk studi yang lebih mendalam tentang keadilan sosial selain memenuhi kebutuhan konsumen.

“Ini adalah peringatan bagi kami karena, dengan investasi besar-besaran dalam infrastruktur kendaraan listrik, kami melakukannya dengan cara yang tidak selalu memperhatikan kesetaraan sosial dan masalah distribusi akses ke infrastruktur yang memungkinkan ini,” kata Asensio. “Itu adalah topik diskusi yang tidak akan hilang dan kami baru mulai mengerti.”


Apa pendapat pengemudi kendaraan listrik tentang jaringan pengisian daya yang mereka gunakan?


Informasi lebih lanjut:
Pola, Ha et al .: “Klasifikasi Topik Pengalaman Konsumen Kendaraan Listrik dengan Pembelajaran Mendalam Berbasis Transformator”

www.cell.com/patterns/fulltext… 2666-3899 (20) 30265-8, DOI: 10.1016 / j.patter.2020.100195

Kutipan: AI dilatih untuk membaca ulasan stasiun pengisian kendaraan listrik untuk menemukan celah infrastruktur (2021, 22 Januari), diakses pada 24 Januari 2021 dari https://techxplore.com/news/2021-01-ai-electric-vehicle-station-infrastructure.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Toto SGP