面对这个问题，来自 UC Riverside 的 Xuewei Qi、Matthew Barth 等人想到了使用人工智能。他们开发的能源管理系统可以从过去的经验中不断学习，提高能源利用效率。
从避让横穿马路的行人到进行紧急制动，甚至完全自动驾驶汽车，人工智能在未来显然会成为汽车上的重要组成部分。然而我们还没有意识到，这种新技术不仅仅可以驾驶我们的汽车，也可以让汽车变得更加节约能源。
汽车的动力系统在经过百年的发展之后已经变得复杂而精密，绝大多数汽车都拥有计算机引擎管理系统，可以实时调整发动机参数，保持高效运转。然而，近年来随着混合动力技术的发展，事情变得更复杂了。拥有混动技术的汽车通常由发动机和电动机共同驱动。松开油门时，多余的动能会被转化为电能收集到电池中储存，这种复杂的形式意味着这种动力系统需要更先进的算法进行管理。另外，插电式混动车的情况就更复杂了。
面对这个问题，来自 UC Riverside 的 Xuewei Qi、Matthew Barth 等人想到了使用人工智能。他们开发的能源管理系统可以从过去的经验中不断学习，提高能源利用效率。
他们的算法将行车路程分成许多小段，每一段可能只有不到一分钟时间。在每一段时间中，系统会检查车辆状态（交通信息、车速、地理位置、时间、道路的坡度、电池情况、油耗等）是否和之前经历过的某一段相同。如果情况类似，系统就会开始采用之前相同时间段的下一段能源管理策略，对车辆进行调整。对于以前没有遇到的情况，系统则会通过算法算出最佳功率，并将新结果添加到数据库中以供未来参考。在未来，研究人员希望使用这套算法的车辆也可以利用互联网从同型号的其他车辆那里分享数据，进一步提高节能效果。
在理想情况下，这样的系统会在出发前获得路线和目的地的信息，让经济性策略更容易计算。但 Qi 和 Barth 知道这样的事很难发生——如果卫星导航系统被调用，其中的数据是可以被算法利用的，但通常驾驶者只会在去陌生地点的时候才会使用导航。因此，研究人员在设计这套系统时假设对于路线并不知情。
至少在模拟器上，这套系统看起来奏效了。通过模拟南加州的实时路况信息，Qi 与 Barth 比较了新系统与普通系统（一旦电池耗尽就转换为燃油驱动）在插电式混动车上的运行效果。正如他们在 IEEE Transactions on Intelligent Transportation Systems 的文章中写到的，新系统相比旧系统提高了 10.7% 的燃油效率。而且，如果系统事先获知路线上充电站的位置（可以在行车电脑屏幕上设置），它就可以在行程中优化策略，最大化电能使用效率，这样就可以平均节省 31.5% 的燃油。
这是一个诱人的数字，Qi 和他的同事们正在期待他们与汽车厂商的进一步合作，让这种算法在真实道路上进行实测。如果它的确能够在南加州拥堵的路况下为人们节约能源，又一次革新可能就会出现。
本文为机器之心编译，转载请联系本公众号获得授权
