En un esfuerzo por optimizar las operaciones de flotas eléctricas de robo-taxis, investigadores de la Universidad de Cornell y la Universidad de California en Berkeley han desarrollado un sofisticado algoritmo conocido como Optimización Proximal de Política Atómica (Atomic-PPO). Este método, basado en aprendizaje profundo, pretende mejorar la coordinación y eficiencia de los vehículos autónomos eléctricos en entornos urbanos complejos como Nueva York.
El diseño del Atomic-PPO aborda la creciente complejidad del despacho de flotas, que aumenta exponencialmente con el número de vehículos. Aprovechando la descomposición de acciones atómicas, el algoritmo simplifica la tarea al dividir el posicionamiento y las asignaciones de carga en pasos manejables para cada vehículo individual.
Utilizando datos reales de la ciudad de Nueva York, los investigadores han demostrado que el Atomic-PPO supera significativamente a otras estrategias estándar en términos de recompensas a largo plazo. Durante las pruebas de simulación, esta técnica alcanzó un 91% de la recompensa máxima teórica frente a los métodos de referencia que solo lograron el 71% y el 43% respectivamente.
Una parte crucial de la investigación exploró cómo la ubicación y cantidad de estaciones de carga afectan el rendimiento general del sistema. Descubrieron que una distribución estratégica de cargadores potentes en áreas clave de Manhattan optimiza significativamente la utilización de la flota, reduciendo el tiempo de carga y aumentando las oportunidades de servicio. Además, se constató que la velocidad de carga es crucial, ya que una carga más rápida disminuye el tiempo de inactividad de los vehículos, mientras que una mayor autonomía en las baterías no presenta un impacto considerable.
Como conclusión, el estudio revela que las políticas de asignación de flotas inteligentes, basadas en datos y tecnología de aprendizaje automático, pueden proporcionar soluciones eficientes para gestionar servicios de movilidad urbana, garantizando no solo la viabilidad económica, sino también el impacto positivo en la sostenibilidad y reducción de congestiones en las ciudades.