Estudio exploratorio para determinar el estilo de manejo y su efecto en el consumo de energía en vehículos eléctricos, aplicando algoritmos de inteligencia artificial

Este documento presenta la síntesis de una investigación sobre el estilo de manejo y cómo este influye en la autonomía de vehículos eléctricos, mostrando por medio de gráficos la relación existente entre el tipo de conducción y el consumo de energía. La primera parte consta de la definición de conceptos relacionados con el estilo de manejo y con algoritmos de inteligencia artificial, al igual que se presenta información acerca de los vehículos eléctricos y de la dinámica de estos. Posteriormente se presentan las generalidades que se tuvieron en cuenta para la ejecución de las pruebas con las que se entrenarían los algoritmos de inteligencia artificial, información acerca del vehículo que se usó, las características del circuito y la configuración de los participantes y las consignas de manejo usadas, conducción suave, normal y deportiva. Luego de recopilar la información de las pruebas, estas se procesan por medio de la librería Pandas del lenguaje Python, extrayendo valores estadísticos que caracterizan cada una de las corridas y se compilan en una tabla para el entrenamiento de los algoritmos de inteligencia artificial. Tras obtener la tabla que contiene los parámetros que definen a cada prueba, se entrenan los algoritmos con el 75% de estas pruebas, el 25% restante se empleó para la evaluación, comparando lo que se identifica con la etiqueta original, ya sea conducción suave, normal o deportiva. Son varios los algoritmos que se entrenan y se evalúan por medio de métricas como la exactitud en prueba o el tiempo de cómputo. La serie de métricas de evaluación permiten seleccionar el algoritmo con el mejor desempeño para proponerlo como método para la identificación de futuras pruebas. El algoritmo propuesto es la máquina de vectores de soporte con función polinómica de grado 2, que logra un desempeño del 100% de exactitud en prueba y 96,2% en datos de entrenamiento, presentando también el menor tiempo de cómputo de todos los algoritmos. Luego de seleccionar el algoritmo definitivo, se realiza un análisis estadístico de la relación entre el consumo de energía por kilómetro y el nivel o tipo de conductor, de tal forma que se genera un factor por cada nivel de manejo, para corregir el valor generado por la aplicación “Estimador energético y generador de ciclos WLTC para itinerarios considerando la información cartográfica disponible en la red” teniendo en cuenta la influencia del conductor. Finalmente se comprueba la relación entre el estilo de manejo y el consumo de energía en el vehículo, esto se logra al comparar las pruebas reales con los valores calculados teóricamente por la aplicación y se confirma con 120 pruebas teóricas, que tienen en cuenta el factor del conductor en el cálculo energético.

https://orcid.org/0000-0001-6621-2303