De software maakt gebruik van machine learning. Hierbij berekenen software-algoritmen wat het ideale moment is om de elektrische aandrijving van een hybride auto in te schakelen in plaats van de brandstofmotor. Daarbij maakt het systeem onder andere gebruik van data met betrekking tot het brandstofverbruik die door andere hybride weggebruikers is verzameld.
Normale hybrides gebruiken nog een relatief 'domme' manier om de elektrische modus in te schakelen. Zo wordt de accu bijvoorbeeld geheel leeggetrokken om de eerste kilometers te overbruggen.
Volgens de onderzoekers kan de zelflerende software de meest optimale momenten voor het rijden op elektriciteit zelf kiezen. Naast de verzamelde verbruiksdata van andere hybrides over een bepaald traject, weegt het systeem ook real-time informatie, zoals de weersomstandigheden en de verkeersdrukte, mee.
Bij een proef met het zelflerende systeem wisten de onderzoekers een brandstofbesparing van 12 procent te behalen ten opzichte van de geïnstalleerde software van de autofabrikant. Verder verwachten de wetenschappers dat er nog meer winst te behalen is als de software vaker wordt gebruikt over een traject.
De komende tijd willen de onderzoekers de brandstofbesparende software verder optimaliseren, onder andere door de data beter in een cloudomgeving te ontsluiten. Of er al belangstellende autofabrikanten bij de wetenschappers hebben aangeklopt, is niet duidelijk.
Bron: UCR | Foto: By Mariordo (Mario Roberto Durán Ortiz) (Own work) [CC BY-SA 4.0], via Wikimedia Commons
schrijf je in voor de nieuwsbrief
Wil jij iedere ochtend rond 7 uur het laatste nieuws over duurzaamheid ontvangen? Dat kan!
Schrijf je nu in
