درباره پروژه :
اطلاعات مسیر به طور قابل توجهی بهینه سازی پیشرانه خودروهای هیبریدی را با تعیین کارآمدترین منبع نیرو برای بخش های مختلف یک سفر بهبود بخشیده است. معمولاً با تأثیرگذاری بر رفتار رانندگی برای بهره وری بهتر سوخت، برای کوچینگ محیط زیستی استفاده می شود. با این حال، پتانسیل استفاده از داده های مسیر برای بهینه سازی مصرف انرژی در وسایل نقلیه الکتریکی باتری (BEV) کمتر مورد بررسی قرار گرفته است. این پروژه یک رویکرد نوآورانه را برای بهبود مدیریت حرارتی BEV با استفاده از داده‌های خاص مسیر، شامل عواملی مانند سرعت خودرو، V2X، ترافیک و جزئیات آب و هوا معرفی می‌کند.
هدف این پروژه رفع چالش های زیر است:
استفاده از اطلاعات مسیر و ادغام e-Horizon: بررسی روش‌هایی برای بهینه‌سازی سیستم مدیریت حرارتی (بهبود برد، کارایی و راحتی مسافران).
بکارگیری هوش مصنوعی و یادگیری ماشینی: بررسی استفاده از تکنیک‌های هوش مصنوعی و ML برای یادگیری و تطبیق تنظیمات بهینه برای سیستم‌های کنترل مدیریت حرارتی بر اساس شرایط مسیر متفاوت.
پیاده سازی کنترل سلسله مراتبی: توسعه و اجرای استراتژی های کنترل سلسله مراتبی برای سیستم های مدیریت حرارتی چند سطحی برای تنظیم موثر دما و مصرف انرژی