DESCRIZIONE
Il prodotto è un sistema di elaborazione per l’addestramento e il test di un modello di previsione a breve termine della probabilità di occupazione di colonnine di ricarica di veicoli elettrici. A partire da dati storici sullo stato di occupazione dei punti di ricarica e flussi dati relativi al monitoraggio dello stato in tempo reale l’algoritmo fornisce la probabilità di occupazione della colonnina selezionata nei successivi 15 minuti.
Il modello proposto ha il vantaggio di tenere in considerazione sia comportamenti ricorrenti registrati in passato sia variazioni attuali non prevedibili. Il sistema è sviluppato in architettura Big Data per l’analisi di flussi di dati in tempo reale. L’architettura big data streaming è inoltre interessante per altre applicazioni di ricerca, in cui si presenta la necessità di aggiornamento in tempo reale di modelli di previsione.

APPLICAZIONI
L’algoritmo proposto permette di fornire in tempo reale agli utilizzatori di veicoli elettrici la probabilità di occupazione delle colonnine nei pressi della loro destinazione. In questo modo, possono essere indirizzati verso la colonnina più probabilmente libera. L’algoritmo potrebbe essere incluso in un’app, che mostra geograficamente le colonnine, assieme alla loro probabilità di occupazione.

UTILIZZATORI
Sviluppatori di applicazioni per la mobilità elettrica.
Utenti finali di veicoli elettrici, che potranno disporre della funzionalità all’interno di un’applicazione mobile per la scelta della colonnina di ricarica presso cui fermarsi a ricaricare.

FOCUS
F. Soldan, E. Bionda, G. Mauri, S. Celaschi, “Short-term forecast of electric vehicle charging stations occupancy using big data streaming analysis”, 2021 IEEE International Conference on Environment and Electrical Engineering and 2021 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), September 2021