Estamos entrando en una nueva era de vehículos eléctricos para el mercado masivo. En 2019, las ventas de coches eléctricos alcanzaron los 2,1 millones en todo el mundo y el parque mundial de coches eléctricos registró un aumento interanual del 40 %. En la actualidad hay más de 7,2 millones de coches eléctricos en el mundo, muy lejos de los 17 000 que circulaban en 2010.
Este crecimiento se ha visto impulsado por la expansión de la infraestructura de recarga y los programas de subvenciones gubernamentales, especialmente en Europa y China. Sin embargo, la evolución de la tecnología de los vehículos eléctricos ha desempeñado un papel importante en la creciente popularidad de estos vehículos.
Los primeros usuarios tecnófilos quizá hayan aceptado apretujarse en un diminuto vehículo de dos plazas con una autonomía mínima, pero no los consumidores del mercado masivo. Estos conductores esperan poder elegir entre varios modelos, disponer de una autonomía cómoda y contar con baterías de carga rápida.
Del mismo modo, los conductores de vehículos eléctricos actuales exigen una experiencia de navegación fluida que les lleve de forma fiable a un punto de recarga adecuado cuando lo necesiten. Y ahí es donde empiezan los problemas. Lamentablemente, el nivel de los datos de los puntos de recarga no ha seguido el ritmo de la calidad de los vehículos eléctricos, lo que provoca frustración e inconvenientes a los conductores.
Entonces, ¿cuál es el problema con los datos de los puntos de recarga y cómo lo solucionamos?
Dos cuestiones clave relacionadas con los datos actuales sobre puntos de recarga de vehículos eléctricos
Los sistemas de navegación para vehículos eléctricos suelen basarse en datos procedentes de redes CPO individuales. Estos datos no siempre tienen un formato coherente, contienen errores y dejan campos de datos importantes vacíos. Cuando estas imprecisiones se reflejan en los sistemas de navegación, los conductores de vehículos eléctricos sufren una experiencia de usuario realmente deficiente.
Veamos dos tipos de datos clave que son importantes para los conductores de vehículos eléctricos que se dirigen a un punto de recarga:
1. Ubicación
No hay nada peor para un conductor de vehículo eléctrico que se está quedando sin batería que llegar a un punto de recarga y descubrir que... bueno, que no está allí. Los problemas con los datos de ubicación pueden deberse a una dirección o ubicación GPS inexactas, lo que hace que el conductor llegue al lugar equivocado.
Puede que solo se trate de una diferencia de 200 metros, como descubrió recientemente el director ejecutivo de Volkswagen, Herbert Diess, durante unas vacaciones, pero sigue siendo un inconveniente para un conductor cansado en un lugar desconocido.
En el peor de los casos, los datos de ubicación inexactos o incompletos pueden llevar al conductor a buscar un punto de recarga «fantasma» que no existe en absoluto. Esto puede ocurrir, por ejemplo, cuando un sistema de navegación recibe datos obsoletos que contienen puntos de recarga que han sido trasladados a otro lugar o eliminados por completo.
2. Accesibilidad
Otro problema habitual con los datos es la falta de claridad sobre la accesibilidad de los puntos de recarga. ¿Cómo puedo saber si realmente podré utilizar ese punto de recarga concreto que aparece en el mapa una vez que llegue allí?
Los datos suelen distinguir correctamente entre un punto de recarga público en una estación de servicio de autopista y uno privado en el garaje de un propietario (advertencia importante: incluso esto supone un problema en algunas zonas), pero la información puede ser a menudo ambigua cuando se trata de puntos de recarga «semi-públicos».
Si no están claramente señalizadas, el conductor del vehículo eléctrico puede llegar con la intención de recargar su vehículo, solo para descubrir que el acceso a las instalaciones está restringido a los empleados de un edificio de oficinas o al horario de apertura de un restaurante.
Cuando conduces solo por la noche y te quedas sin batería, lo último que necesitas es llegar a un punto de recarga que está cerrado con una verja. Tampoco quieres llegar sin avisar a la casa de un desconocido. Por desgracia, estas situaciones siguen siendo sorprendentemente habituales para los conductores de vehículos eléctricos. Por ejemplo, en los Países Bajos, casi la mitad de los puntos de recarga que están marcados como disponibles para terceros son en realidad privados o tienen limitaciones de acceso.
Estas dos cuestiones —la ubicación y la accesibilidad— son solo dos ejemplos de los inconvenientes a los que se enfrentan los conductores de vehículos eléctricos en lo que respecta a los puntos de recarga. Aunque puedan parecer triviales cuando se analiza el panorama general, estas cuestiones resultan extremadamente frustrantes cuando alguien las experimenta.
Problemas como estos se agravarán con el tiempo y generarán una mala reputación, obstaculizarán la aceptación masiva del mercado y darán a los escépticos una razón para dudar del potencial de la industria.
Hacia un nuevo estándar para los datos de los puntos de recarga
Eco-Movement resolviendo activamente el problema de la mala calidad, la inexactitud y la incompletitud de los datos sobre los puntos de recarga. Recopilamos datos de más de 100 redes CPO diferentes y los refinamos, filtramos el ruido, los enriquecemos y los dejamos en un formato estandarizado y fácil de usar. Los proveedores de navegación y los MSP pueden entonces emplear estos datos para ofrecer una nueva experiencia de alto nivel a sus clientes conductores de vehículos eléctricos.
¿Cómo lo hacemos? Con una gran cantidad de datos sobre puntos de recarga que analizar, utilizamos el aprendizaje automático para comparar varios campos diferentes a la vez e identificar los datos incorrectos. El aprendizaje automático nos permite mejorar la precisión hasta un nivel que sería imposible con el análisis manual, y el algoritmo se vuelve cada vez más inteligente con el tiempo.
Por ejemplo, podemos utilizar el aprendizaje automático para detectar cuándo un punto de recarga aparece con una potencia de cargador incorrecta. Al comparar los campos de potencia y ubicación, el aprendizaje automático puede señalar un problema cuando un punto de recarga en una autopista se clasifica como de «baja» potencia, mientras que otros en ese tipo de ubicación suelen ser cargadores «rápidos» o «ultrarrápidos».
Además de corregir los datos, también podemos mejorarlos para ofrecer una experiencia de navegación superior. Por ejemplo, al planificar un viaje, es útil que el conductor de un vehículo eléctrico sepa cuán concurrido estará un punto de recarga en un momento determinado. Mediante el uso de nuestros algoritmos, basados en años de datos en tiempo real sobre el estado de los puntos de recarga, podemos predecir con precisión la disponibilidad de un punto de recarga.
Mediante la mejora de los datos y la incorporación de información de forma inteligente, permitimos a los actores del sector ofrecer la experiencia de navegación de alta calidad que demandan los conductores de vehículos eléctricos del mercado masivo.
Resumen: Las exigencias del mercado masivo de vehículos eléctricos
Los primeros usuarios de coches eléctricos soportaron todo tipo de inconvenientes para poder disponer de la última tecnología que les ayudaba a vivir de una forma más respetuosa con el medio ambiente. Sin embargo, los conductores de vehículos eléctricos del mercado masivo exigen más consistencia, comodidad y valor añadido. Y, sencillamente, quieren recargar su vehículo con la misma facilidad con la que se repostan los coches de gasolina.
Sin embargo, esto solo es posible si los sistemas de navegación de los vehículos eléctricos pueden basarse en un nuevo estándar de datos sobre puntos de recarga: completos, precisos, coherentes y enriquecidos.
Eco-Movement el aprendizaje automático para producir datos de alta calidad sobre puntos de recarga, lo que ayuda a todos los proveedores de servicios del sector de los vehículos eléctricos a prepararse para la década del mercado masivo de los vehículos eléctricos.