Estamos entrando em uma nova era dos veículos elétricos para o mercado de massa. Em 2019, as vendas de carros elétricos chegaram a 2,1 milhões em todo o mundo, e o parque global de carros elétricos registrou um aumento de 40% em relação ao ano anterior. Atualmente, há mais de 7,2 milhões de carros elétricos no mundo — um número muito distante dos 17 mil que circulavam em 2010.
Esse crescimento foi impulsionado pela expansão da infraestrutura de recarga e pelos programas de subsídios governamentais — especialmente na Europa e na China. No entanto, a própria evolução da tecnologia dos veículos elétricos teve um papel importante na crescente popularidade desses veículos.
Os primeiros entusiastas da tecnologia talvez tenham se contentado em se espremer em um minúsculo carro de dois lugares com autonomia mínima — mas não os consumidores do mercado de massa. Esses motoristas esperam ter opções de modelos, uma autonomia confortável e baterias de recarga rápida.
Da mesma forma, os motoristas de veículos elétricos de hoje exigem uma experiência de navegação tranquila que os leve, de forma confiável, a um ponto de recarga adequado quando precisarem. E é aí que as coisas começam a dar errado. Infelizmente, o padrão dos dados sobre pontos de recarga não acompanhou a evolução da qualidade dos veículos elétricos, o que está causando frustração e transtornos aos motoristas.
Então, qual é o problema com os dados dos pontos de recarga e como podemos resolvê-lo?
Duas questões fundamentais relacionadas aos dados de pontos de recarga de veículos elétricos atualmente
Os sistemas de navegação de veículos elétricos (VE) costumam se basear em dados provenientes de redes individuais de pontos de recarga (CPO). Esses dados nem sempre estão em um formato consistente, contêm erros e deixam campos importantes em branco. Quando essas imprecisões se refletem nos sistemas de navegação, os motoristas de veículos elétricos passam por uma experiência de usuário realmente insatisfatória.
Então, vamos examinar dois tipos principais de dados que são importantes para os motoristas de veículos elétricos que estão se dirigindo a um ponto de recarga:
1. Localização
Não há nada pior para um motorista de veículo elétrico que está com pouca bateria do que chegar a um ponto de recarga e descobrir que… bem, ele não está lá. Problemas com os dados de localização podem ser causados por um endereço impreciso ou por uma localização incorreta do GPS, fazendo com que o motorista chegue ao lugar errado.
Pode ser apenas uma diferença de 200 metros, como o CEO da Volkswagen, Herbert Diess, descobriu em férias recentes, mas ainda assim é um incômodo para um motorista cansado em um local desconhecido.
Na pior das hipóteses, dados de localização imprecisos ou incompletos podem levar o motorista a procurar um ponto de recarga “fantasma” que, na verdade, nem existe. Isso pode ocorrer, por exemplo, quando um sistema de navegação recebe dados desatualizados que incluem pontos de recarga que, desde então, foram transferidos para outro local ou removidos completamente.
2. Acessibilidade
Outro problema comum com os dados é a falta de clareza sobre a acessibilidade de um ponto de recarga. Como posso saber se realmente poderei usar aquele ponto de recarga específico que aparece no mapa quando chegar lá?
Os dados geralmente distinguem corretamente entre um ponto de recarga público em um posto de serviço na rodovia e um ponto privado na garagem de um proprietário (observação importante: mesmo isso, na verdade, é um problema em algumas regiões), mas as informações muitas vezes podem ser ambíguas quando se trata de pontos de recarga “semipúblicos”.
Se essas instalações não estiverem claramente sinalizadas, o motorista de veículo elétrico pode chegar com a expectativa de recarregar seu veículo – apenas para descobrir que o acesso é restrito aos funcionários de um prédio comercial ou está limitado ao horário de funcionamento de um restaurante.
Quando você está dirigindo sozinho tarde da noite e a bateria está quase acabando, a última coisa que você precisa é chegar a um ponto de recarga que esteja trancado atrás de um portão. E você também não quer chegar sem avisar na casa de um desconhecido. Infelizmente, esses ainda são cenários surpreendentemente comuns para motoristas de veículos elétricos. Por exemplo, na Holanda, quase metade dos pontos de recarga marcados como disponíveis para recarga por terceiros, na prática, são privados ou têm restrições de acesso.
Essas duas questões — localização e acessibilidade — são apenas dois exemplos dos transtornos enfrentados pelos motoristas de veículos elétricos no que diz respeito aos pontos de recarga. Embora possam parecer triviais quando se analisa o panorama geral, essas questões são extremamente frustrantes quando alguém as enfrenta.
Problemas como esses se agravarão com o tempo, prejudicando a reputação do setor, impedindo sua aceitação pelo mercado de massa e dando aos céticos um motivo para duvidar do potencial da indústria.
Rumo a um novo padrão para dados de pontos de recarga
Eco-Movement ativamente Eco-Movement resolver o problema dos dados de baixa qualidade, imprecisos e incompletos sobre pontos de recarga. Coletamos dados de mais de 100 redes diferentes de pontos de recarga (CPO), refinamos esses dados, filtramos as informações irrelevantes, os enriquecemos e os disponibilizamos em um formato padronizado e de fácil uso. Os provedores de navegação e os MSPs podem, então, utilizar esses dados para oferecer uma experiência nova e de alto nível aos seus clientes que dirigem veículos elétricos.
Como fazemos isso? Com uma enorme quantidade de dados sobre pontos de recarga para analisar, utilizamos o aprendizado de máquina para comparar vários campos diferentes ao mesmo tempo e identificar pontos de dados incorretos. O aprendizado de máquina nos permite melhorar a precisão a um nível que seria impossível com a análise manual, e o algoritmo fica cada vez mais inteligente com o passar do tempo.
Por exemplo, podemos usar o aprendizado de máquina para detectar quando um ponto de recarga está listado com a potência incorreta do carregador. Ao comparar os campos de potência e localização, o aprendizado de máquina pode sinalizar um problema quando um ponto de recarga em uma rodovia é classificado como de potência “baixa” — enquanto outros nesse tipo de localização costumam ser carregadores “rápidos” ou “de alta velocidade”.
Além de corrigir os dados, também podemos aprimorá-los para proporcionar uma experiência de navegação superior. Por exemplo, ao planejar uma viagem, é útil para o motorista de um veículo elétrico saber qual será o nível de ocupação de um ponto de recarga em um determinado horário. Ao utilizar nossos algoritmos, baseados em anos de dados em tempo real sobre o status dos pontos de recarga, podemos prever com precisão a disponibilidade de um ponto de recarga.
Ao aprimorar os dados e complementar as informações de maneira inteligente, permitimos que os participantes do setor ofereçam a experiência de navegação de alta qualidade que os motoristas de veículos elétricos do mercado de massa estão exigindo.
Resumo: As exigências do mercado de veículos elétricos de grande porte
Os primeiros usuários de carros elétricos enfrentaram todo tipo de inconveniente para poderem ter acesso à tecnologia de ponta que os ajuda a viver de forma mais consciente em relação ao meio ambiente. Mas os motoristas de veículos elétricos do mercado de massa exigem mais consistência, conveniência e valor agregado. E, simplesmente, querem recarregar seus veículos com a mesma facilidade com que abastecem um carro a gasolina.
No entanto, isso só será possível se os sistemas de navegação dos veículos elétricos puderem contar com um novo padrão de dados sobre pontos de recarga – completo, preciso, consistente e enriquecido.
Eco-Movement aprendizado de máquina para gerar dados de pontos de recarga da mais alta qualidade, ajudando todos os prestadores de serviços do setor de veículos elétricos a se prepararem para a década da popularização dos veículos elétricos no mercado de massa.