Modèles prédictifs de la consommation et des temps de recharge des véhicules électriques reposant sur l'analyse des données

点击翻译按钮获取中文摘要

Taxelco offre un service de taxi haut de gamme entièrement électrique. La plus faible autonomie des véhicules**électriques (par rapport à un véhicule thermique) impose de faire une gestion serrée de la charge. Or, l'énergie**nécessaire est fortement influencée par différents facteurs tels que la vitesse du véhicule, le style de conduite, la**température, le dénivelé de la route, etc. Au moment de choisir quel véhicule affecter à la course, il est**nécessaire de prévoir le plus précisément possible la consommation associée au déplacement. Il est également**nécessaire de prévoir le temps de recharge le plus précisément possible, car c'est un intrant du processus**d'affectation des véhicules.**Dans le cadre de ce projet, nous allons développer deux modèles prédictifs. Le premier (1) permet de prédire**la consommation (énergie) nécessaire pour aller d'un point A à un point B. Il tient notamment compte de la**vitesse, de l'itinéraire emprunté (dénivelé), de l'état de santé de la batterie et des conditions météo. Le second**modèle (2) permet de prédire le temps de recharge nécessaire pour faire passer la batterie d'un pourcentage X à**un pourcentage Y.**Ces deux modèles seront "entraînés" à partir des données empiriques cumulées dans les entrepôts de données**de l'entreprise depuis sa mise en service. En utilisant une approche de validation croisée, nous serons à même**d'évaluer la capacité prédictive de ces modèles. Nous les comparerons également aux heuristiques**présentement utilisées par l'entreprise.**L'entreprise pourra intégrer ces modèles au sein de ses processus. Une meilleure prévision permettra de**réduire la marge de sécurité utilisée dans le processus d'affectation des véhicules, et donc d'augmenter le taux**d'utilisation des véhicule et leur rentabilité.