6. طبقة الذكاء الاصطناعي - eBattery AI
يتطلب السفر بمركبة كهربائية اتخاذ قرارات مترابطة. فالمسافة المراد قطعها، ومستوى البطارية الحالي، واستهلاك المركبة، وظروف الطريق، وموقع محطات الشحن، والجدول الزمني للسائق كلها أجزاء من الرحلة نفسها. وعندما يتغير أحد هذه المتغيرات قد تتأثر القرارات الأخرى أيضًا. فقد يتحول مسار يبدو أقصر إلى رحلة أطول إذا لم تتوفر بنية شحن مناسبة. وقد لا توفر محطة أقوى الميزة الزمنية المتوقعة إذا كانت قدرة الشحن التي تقبلها المركبة محدودة.
تقع eBattery AI في قلب التطبيق لتقييم هذه القرارات معًا وتقديم خطة رحلة مفهومة للمستخدم. فهي تتيح له التعبير بلغته الطبيعية عمّا يريد فعله؛ وبالاعتماد على ملف المركبة والخريطة والمسار وبيانات المحطات المتاحة، تحوّل هذا الطلب إلى خيارات قابلة للتنفيذ.
التجربة بسيطة بالنسبة للمستخدم: يكفي أن يقول «أريد الذهاب إلى إزمير» أو «خطط لرحلة من يومين في عطلة نهاية الأسبوع» أو «ابحث عن محطة شحن مناسبة بالقرب مني» ليبدأ. أما في الخلفية، فيجب مطابقة كل طلب مع مصادر بيانات وحسابات ووظائف تطبيق مختلفة. ومهمة eBattery AI هي إدارة هذا التعقيد التقني مع إبقاء مبررات القرار واضحة للمستخدم.
في صميم هذا النهج الوضوح وقابلية الحساب وتحكم المستخدم مضمَّنة. ويجب أن يكون المساعد قادرًا على شرح سبب ملاءمة المسار الذي يقترحه، وعلى إجراء حسابات المدى والشحن بطريقة متّسقة، وأن يتمكن المستخدم من تعديل الخطة بحسب احتياجاته.
تشكّل محادثة eBattery AI وتخطيط المسارات والرحلات في المنتج الحالي نواة هذه البنية. وتعمل المدخلات مثل معلومات المحطات المباشرة والأسعار وحركة المرور بالتوافق مع نطاق مصادر البيانات ذات الصلة. أما التنبؤات المعززة بأحوال الطقس والربط المباشر بالمركبة والتخصيص المتعلم من السلوك فهي قدرات تتوسع تدريجيًا على البنية نفسها.
6.1 نهج المساعد المركزي
6.1.1 جمع وظائف التطبيق المختلفة في سياق مشترك
eBattery AI مساعد مركزي يقلل حاجة المستخدم إلى تكرار المعلومات نفسها أثناء تنقله بين أقسام التطبيق المختلفة. فيمكن تفصيل بحث عن محطة بدأ على الخريطة داخل المحادثة؛ ويمكن مراجعة مسار أُنشئ أثناء المحادثة في شاشة المسار؛ ويمكن تعديل رحلة مخططة، بأيامها ومحطاتها، في وحدة الرحلات.
في هذه التجربة تشكّل المركبة والرحلة وتفضيلات المستخدم السياق المشترك. فمثلًا، عندما يقول مستخدم اختار مركبته المحفوظة «أرني المحطات المناسبة القريبة»، لا يحتاج النظام إلى سؤاله عن طراز المركبة في كل مرة. ويُقيَّم الطلب مع المركبة المختارة ومعلومات الموقع التي اختار المستخدم مشاركتها.
كما يضمن النهج المركزي أن تصل نقاط الدخول المختلفة في التطبيق إلى منطق القرار نفسه. فالبحث عن نقطة شحن الذي يبدأه المستخدم من الخريطة والبحث الذي يجريه عبر AI Chat ينبغي أن ينتجا نتائج متسقة عند استخدام المركبة نفسها والتفضيلات نفسها والبيانات الحالية نفسها.
وبذلك لا يقتصر الأمر على الانتقال بين الشاشات في وحدات eBattery، بل يُحفظ أيضًا ما يريد المستخدم إنجازه.
6.1.2 تحويل نية المستخدم إلى إجراء في التطبيق
لا يعبّر الناس عن احتياجاتهم في الغالب بمعايير تقنية. فجمل مثل «سأنطلق خلال ساعتين» أو «نسافر مع الأطفال، فأريد خطة أكثر راحة» أو «لا أريد الابتعاد كثيرًا عن مساري من أجل الشحن» تتضمن عدة تفضيلات في آن واحد.
يحوّل eBattery AI هذه العبارات إلى معلومات يمكن استخدامها في التخطيط. وعند الحاجة يستكمل المعلومات الناقصة مثل نقطة البداية أو الوجهة أو مستوى البطارية أو أولوية الوقت. وتركّز الأسئلة على الجوانب التي تؤثر فعلًا في النتيجة المطلوبة.
فعلى سبيل المثال، في طلب "أريد الذهاب من إسطنبول إلى إزمير"، إذا كانت المركبة المحفوظة وموقع البداية معروفين بالفعل، فقد يُطلب من المستخدم فقط مستوى البطارية الحالي وتفضيل الرحلة. وعندما يقول المستخدم "يمكننا استخدام الطرق ذات الرسوم، ولتكن المدة الإجمالية قصيرة"، تُضاف هذه المعلومات إلى طلب المسار.
يربط هذا النهج اللغة الطبيعية بوظائف التطبيق. ويستطيع المستخدم أن يصف احتياجه دون أن يضطر إلى تعلّم البنية التقنية للقوائم؛ ثم ينقل النظام الطلب إلى الحساب وتدفق الشاشات المناسبين.
6.1.3 استكمال التوصية بتحكم المستخدم
يمكن مراجعة الخطط التي يقدمها eBattery AI وتعديلها. ويمكن للمستخدم تغيير المحطة الموصى بها، أو إضافة محطة توقف وسيطة، أو حذف متحف من برنامج الرحلة، أو طلب مسار أقل تكلفة.
يربط المساعد هذه التغييرات ببقية الخطة. فإزالة محطة توقف لا تُقصّر قائمة الرحلة فحسب، بل قد تغيّر أيضًا المسافة اليومية ووقت الوصول وحاجة الشحن. ويُقيَّم تعديل المستخدم مع الحفاظ على هذه العلاقات.
الخطة ملك للمستخدم. يجعل AI الخيارات مرئية، ويسهّل الحسابات، ويشرح نتائج التفضيلات. أما هدف الرحلة ووتيرتها والتكلفة المقبولة فيحددها المستخدم.
6.2 AI Chat: تجربة الافتتاح والصورة الرمزية (Avatar) والبث المباشر (Streaming) وذاكرة السياق (Context Memory)
6.2.1 تجربة الافتتاح: إظهار ما يمكن فعله منذ اللحظة الأولى
تعرض شاشة الافتتاح في AI Chat للمستخدم القدرات الأساسية للمساعد مباشرة. يمكن للمستخدم بدء المحادثة بنص حر أو استخدام أحد خيارات البدء الجاهزة.
| خيار البداية | هدف المستخدم | التدفق الذي بدأ |
|---|---|---|
| تخطيط المسار | الوصول إلى نقطة بالمركبة | إنشاء مسار بحسب نقطة البداية والوجهة والمركبة واحتياجات الشحن |
| خطط الرحلة | استكشاف منطقة خلال وقت محدد | إعداد برنامج يومي بحسب الاهتمامات والوقت |
| اقترح أقرب محطة | الوصول إلى نقطة شحن مناسبة | إنشاء التوصيات من الموقع وتوافق المركبة وبيانات المحطات المتاحة |
| كفاءاتي | فهم بيانات الاستخدام | الانتقال إلى تقييم الاستهلاك والاستخدام استنادًا إلى السجلات الحالية |
تقلل هذه الخيارات من الغموض في التفاعل الأول. فلا يضطر المستخدمون إلى تخمين الأسئلة التي يمكنهم طرحها على المساعد؛ إذ يقدم التطبيق نقاط انطلاق مرتبطة باحتياجات السيارات الكهربائية اليومية.
مع تقدم المحادثة تحل إجراءات مناسبة للسياق محل خيارات البداية. فبعد إنشاء مسار تبرز إجراءات مثل «فتح المسار»، وبعد اقتراح محطة تبرز «الانتقال إلى المحطة».
6.2.2 الأفاتار: الهوية البصرية للمساعد
تتكوّن الهوية البصرية لـ AI Chat من صورة رمزية متحركة لروبوت. وقبل بدء المحادثة تظهر الصورة الرمزية في وسط الشاشة، وبحركات خفيفة وتأثيرات ضوئية تبدو جاهزة للتفاعل.
عند إرسال أول رسالة، يصغر الأفاتار وينتقل إلى جانب رسائل المساعد. وبذلك ينتقل تركيز الشاشة بشكل طبيعي من تجربة البداية إلى المحادثة. وتُتاح مساحة أكبر لما يكتبه المستخدم وردود المساعد وبطاقات النتائج المُنشأة.
يساعد الأفاتار أيضًا في التمييز البصري للرسائل المولَّدة بالذكاء الاصطناعي. وتُكوّن هذه الهوية تجربة مساعد متمايزة ومتسقة عن مراسلات المجتمع في التطبيق.
وظيفة الحركة والمؤثرات البصرية هي توجيه المستخدم وجعل حالة النظام مفهومة. وتبقى الأولوية للمقروئية والتفاعل، ولا تحجب الرسوم المتحركة المعلومات الأساسية.
6.2.3 البث التدفقي (Streaming): تقديم الرد على شكل تدفق
يعرض eBattery AI الإجابات المناسبة بشكل متدفق. فبدلًا من انتظار اكتمال شرح طويل، يستطيع المستخدم رؤية الإجابة تتشكل خطوة بخطوة.
تفصل هذه التجربة بين عمليتين مختلفتين: كتابة الشرح وحساب الخطة. فبدء المساعد في توليد النص لا يعني اكتمال حساب المسار. وتُعرض بطاقة المسار أو المحطة أو الرحلة عندما تكون البيانات والحسابات ذات الصلة جاهزة.
فعلى سبيل المثال، قد يُظهر النظام أولًا أنه فهم الطلب، ثم يشارك حالة التقدم أثناء إعداد خيارات المسار. وعند اكتمال الحساب تُعرض معاينة الخريطة ومحطات الشحن. وبهذا يتوفر ردّ فعل سريع مع الحفاظ على سلامة النتائج.
إذا غيّر المستخدم طلبه أثناء التدفق، يُعتمد الطلب الجديد. ويجب ألا تحل نتيجة متأخرة تخص الطلب السابق محل الخطة الحالية. ويكتسب هذا أهمية خاصة في المحادثات التي تتغير فيها المحطات أو تفضيلات المسار تباعًا.
6.2.4 Context Memory: الحفاظ على معنى المحادثة
تتيح ذاكرة السياق فهم المحادثة الجارية مع خطواتها السابقة.
عندما يقول المستخدم أولًا «سأذهب من إسطنبول إلى إزمير» ثم يكتب «خطّط للعودة أيضًا»، يربط المساعد الطلب الثاني بالرحلة الأولى. وتُطبَّق عبارة مثل «اجعل هذا أكثر اقتصادية» كذلك على المسار أو خطة الرحلة قيد النقاش.
يُعالَج السياق على ثلاثة مستويات:
سياق المحادثة: المعلومات المقدمة والتغييرات التي أُجريت أثناء المحادثة.
سياق الخطة النشطة: المسار أو الرحلة أو اختيار المحطة قيد التحرير.
تفضيلات المستخدم المحفوظة: السيارة المحددة والإعدادات التي حددها المستخدم بشكل دائم.
يمنع هذا التمييز تفسير تفضيل مؤقت على أنه عادة دائمة. فقول المستخدم في رحلة ما «لنتجنب الطرق المدفوعة اليوم» لا يعني أن رحلاته المقبلة كلها ستُخطَّط بالطريقة نفسها.
وبالمثل، لا يمكن استخدام مستوى البطارية الذي أُدخل في محادثة سابقة كبيانات حالية للمركبة في اليوم التالي. فتذكّر السياق يتطلب أيضًا إدارة مدة صلاحية المعلومات.
6.3 البنية متعددة الطبقات: طبقة القرار القائمة على القواعد وطبقة LLM
6.3.1 الفصل بين دور الحساب ودور السرد
تقوم بنية eBattery AI على حل المهام المختلفة بأساليب مختلفة.
يجري حساب المدى، والحاجة إلى الطاقة، وتوافق المركبة مع المحطة، وتقييم خيارات المسار في طبقة القرار التي تعمل بحقول بيانات وقواعد حساب محددة. أما فهم طلب المستخدم بلغته الطبيعية وشرح النتائج فهما من مهام طبقة نموذج اللغة الكبير، أي LLM.
يربط هذا الفصل بين الأساس العددي للتوصية وطريقة شرحها. فعندما يقول المساعد «هذه المحطة أنسب»، يجب أن يأتي التعليل من البيانات التي أنتجتها طبقة الحساب. وتستند قيم المسافة والوقت والطاقة المستخدمة في الشرح إلى المصدر نفسه الذي تستند إليه القيم في بطاقة النتيجة.
| المكوّن المعماري | المسؤولية الأساسية | النتيجة التي ينتجها |
|---|---|---|
| طبقة البيانات والتكامل | تنظيم البيانات الواردة من المركبات والخرائط والمحطات ومصادر أخرى | مدخلات ذات مصدر وحداثة محددين |
| إدارة الطلبات والسياق | الجمع بين طلب المستخدم والمركبة المختارة والخطة النشطة | طلب تخطيط منظَّم |
| طبقة القرار القائمة على القواعد | إجراء فحوص التوافق وحسابات الطاقة وتقييم المرشحين | خيارات المسار وخطة الشحن |
| طبقة LLM | فهم اللغة الطبيعية وشرح النتائج المحسوبة | شرح مناسب للمستخدم |
| طبقة التحقق والإجراء | التحقق من اتساق النتائج وصلاحية المعاملة | بطاقة قابلة للعرض وإجراء قابل للتنفيذ |
| طبقة التجربة | عرض المحادثة والبطاقات والانتقالات بين الشاشات | تجربة المستخدم داخل التطبيق |
6.3.2 نطاق طبقة القرار القائمة على القواعد
يعني النهج القائم على القواعد أنه يمكن إعادة إنتاج الحسابات بشكل متسق لنفس لقطة البيانات ونفس إصدار القواعد.
تحسب هذه الطبقة طاقة البطارية القابلة للاستخدام، وتقدّر الطاقة اللازمة لمقاطع المسار، وتستبعد المحطات غير المتوافقة مع المركبة، وتقارن المرشحات المناسبة وفق معايير محددة. كما تؤخذ في الاعتبار هنا تفضيلات الطريق التي اختارها المستخدم واحتياطي البطارية الذي ينبغي الإبقاء عليه.
لا يعني الحساب القائم على القواعد أن العالم الخارجي معروف على وجه اليقين. فقد تتغير حركة المرور المستقبلية أو الاستهلاك الفعلي أو حالة المحطة وقت الوصول. ولذلك، وإن كانت طريقة الحساب متسقة، فإن بعض المدخلات والمخرجات تقديرية.
يحافظ eBattery AI على هذا الفارق: فالبيانات المعروفة والمعلومات التي يدخلها المستخدم وتقدير النموذج لا تُقدَّم بمستوى اليقين نفسه.
6.3.3 نطاق طبقة LLM
يُستخدم نموذج اللغة لفهم طلب المستخدم ولتحويل النتيجة المحسوبة إلى شرح بأسلوب طبيعي.
تدخل عبارات مثل «أريد مشياً أقل» و«احذف المتاحف» و«لا أريد الانتظار طويلاً للشحن» أو «لماذا اخترتَ هذه المحطة؟» ضمن نطاق عمل هذه الطبقة.
يساعد النموذج اللغوي الكبير (LLM) في إعداد طلب منظّم يمكن تمريره إلى وظيفة التطبيق المناسبة. لكنه لا يستكمل سعر المحطة أو حالة المقبس أو مستوى بطارية السيارة من معرفته العامة. تُؤخذ هذه المعلومات من السجلات والتكاملات ذات الصلة.
فعلى سبيل المثال، عندما يختار محرك القرار محطة ما لأنها تتطلب انحرافًا أقل عن المسار وتوفر قدرة مناسبة، يمكن للمساعد تبسيط هذا المبرر:
«هذه المحطة متوافقة مع مركبتك وأقرب إلى المسار الرئيسي. أما البديل الذي يبدو أقوى فلا يوفر ميزة زمنية إضافية بسبب حد الشحن في مركبتك.»
تكمن قيمة هذا التوضيح في أن المستخدم يستطيع رؤية منطق القرار.
6.3.4 من البيانات الموثّقة إلى نتيجة قابلة للتفسير
يُربط كل نتيجة بالمدخلات المهمة التي استخدمتها. ويتيح لك المركبة المختارة ومعلومات البطارية ووقت الحساب وحداثة بيانات المحطة فهم الظروف التي أُنشئت فيها الخطة.
يسهّل هذا الهيكل أيضًا تقييم ملاحظات المستخدمين. فعدم اختيار محطة موصى بها لا يعني دائمًا أن الحساب كان خاطئًا. فقد يرغب المستخدم في نقطة استراحة مختلفة، أو يفضّل مشغّلًا معينًا، أو تكون لديه قيود زمنية لا تظهر في خطته.
إن دراسة مدخلات القرار مع تعديل المستخدم معًا تساعد على تطوير النظام بصورة أكثر جدوى بمرور الوقت.
6.4 تخطيط المسار — ملف المركبة وحساب المدى والمسار وتفضيلات الطريق
6.4.1 تخطيط الرحلة مع ملف المركبة
في eBattery، يأخذ تخطيط المسار في الاعتبار خصائص الطاقة والشحن في المركبة، إضافة إلى نقطتي البداية والوصول.
قد تحتاج مركبتان كهربائيتان على المسار نفسه إلى خطتي شحن مختلفتين. ويصنع هذا الاختلاف سعة البطارية القابلة للاستخدام والاستهلاك والمقابس المدعومة وقدرة قبول الشحن.
فيما يلي أهم معلومات المركبة المستخدمة في التخطيط:
| معلومات المركبة | الدور في التخطيط |
|---|---|
| العلامة التجارية والطراز وطراز المركبة المناسب | يضمن اختيار الملف التقني الصحيح |
| سعة البطارية القابلة للاستخدام | يشكّل أساس حساب الطاقة الذي يمكن استخدامه في الرحلة |
| قيمة الاستهلاك | يحوّل المسافة إلى تقدير لاحتياج الطاقة |
| دعم الشحن AC | يساعد في تقييم خيارات الشحن أثناء الاستراحات الطويلة وعند الوجهة |
| دعم الشحن DC | يتيح تقييم خيارات الشحن السريع على الطريق |
| توافق المقبس | يتيح تحديد المحطات المتاحة |
| مستوى البطارية الحالي | يحدد حالة الطاقة عند بداية الرحلة |
تُقيَّم سعة البطارية الإجمالية والسعة القابلة للاستخدام بشكل منفصل. والقيمة المعتمدة في حساب المدى هي الطاقة المتاحة للقيادة.
في مسار الاستخدام الحالي، يُدخل المستخدم مستوى البطارية يدويًا قبل الرحلة. وبينما يحمل ملف المركبة المحفوظ المعلومات التقنية، فإن نسبة البطارية هي المدخل الحالي لتلك الرحلة. وتشكّل تكاملات الاتصال بالمركبة مستقبلًا مجال التوسع الذي سيتيح أخذ هذه المعلومة تلقائيًا من المركبات المدعومة.
6.4.2 حساب المدى واحتياطي الطاقة
يقوم حساب المدى على العلاقة بين الطاقة المتاحة والاستهلاك المتوقع:
الطاقة الحالية = سعة البطارية القابلة للاستخدام × مستوى البطارية / 100
التقدير الأساسي للمدى = الطاقة المتاحة / الاستهلاك × 100
الطاقة هنا بوحدة kWh، والاستهلاك بوحدة kWh/100 km، والمدى بالكيلومتر.
لنأخذ مثالًا مركبة سعة بطاريتها القابلة للاستخدام 60 kWh ومستوى شحنها الحالي 40% واستهلاكها المستخدم في الحساب 18 kWh/100 km.
في هذه الحالة:
الطاقة المحسوبة في البطارية هي 24 kWh.
المدى النظري حتى مستوى الصفر يبلغ نحو 133 كيلومترًا.
فعلى سبيل المثال، إذا تم الاحتفاظ باحتياطي وصول بنسبة 15%، تنخفض الطاقة المتاحة للتخطيط إلى 15 kWh.
بافتراض الاستهلاك نفسه مع الحفاظ على الاحتياطي، تبلغ المسافة المحسوبة نحو 83 كيلومترًا.
يوضح هذا المثال سبب اختلاف المدى النظري الظاهر على الشاشة عن المسافة التي يمكن استخدامها في التخطيط. والـ 15% هنا احتياطي توضيحي يُستخدم لعرض منطق الحساب.
في حساب المسار الفعلي، تُقيَّم المسافة مع خصائص الطريق ومدخلات الاستهلاك المتاحة. ومع اتساع تغطية البيانات، قد تُضاف إلى النموذج تأثيرات مثل الانحدار وحركة المرور وأحوال الطقس. وعندما تتغير الظروف التي يستند إليها التقدير، تُعاد أيضاً تقييم الخطة.
6.4.3 نقطة البداية والوصول والمحطات الوسيطة
يستطيع المستخدم تحديد نقطة البداية من موقعه الحالي أو من بحث عن عنوان أو من الخريطة. وتُعدّ نقطة الوصول والتوقفات الوسيطة أيضًا أجزاءً من خطة الرحلة نفسها.
للمحطات الوسيطة أهمية خاصة في تخطيط المركبات الكهربائية. فزيارة في بورصة أثناء السفر من إسطنبول إلى إزمير لا تغيّر المسافة الإجمالية فحسب. إذ تؤثر في الخطة أيضًا مدة الزيارة، ووجود إمكانية الشحن في تلك المنطقة من عدمه، ومستوى البطارية الذي يبدأ به المقطع التالي.
يمكن للمستخدم تغيير ترتيب المحطات أو الاحتفاظ بترتيب معين. وقد يمثّل الترتيب المحدد يدويًا جدول المستخدم الزمني أو أولويته الشخصية. ويعيد النظام حساب محطات الشحن بما يتوافق مع هذا التفضيل.
عند كل تغيير، تُحدَّث الخطة المعنية دون أن يضطر المستخدم إلى إعادة إدخال جميع المعلومات.
6.4.4 وضع المسار وتفضيلات الطريق
تربط eBattery خيارات المسار بأولوية المستخدم في رحلته.
الأسرع يركّز على إجمالي زمن الرحلة. فإلى جانب زمن القيادة، تدخل في التقييم الانحرافات التي تُجرى من أجل الشحن، وزمن الشحن، وزمن الانتظار عند توفر البيانات.
الأكثر كفاءة يتناول هذا النهج حاجة الطاقة وبيانات التكلفة المتاحة مع مدة رحلة معقولة. وعند عرض خيار أقل تكلفة على المستخدم، يُعرض أيضًا أثره على المدة.
لا يوجد تفوّق ثابت لأحد هذين الخيارين في كل رحلة. ففي رحلة عمل قد يكون الوقت أهم، وفي رحلة نهاية الأسبوع قد يكون ترتيب الاستراحات أو الميزانية أهم.
تُضاف تفضيلات الطريق مثل الطرق ذات الرسوم والطرق السريعة والعبّارات إلى طلب المسار. كما تقدم Google Maps Routes API خيارات تجنّب لمثل هذه التفضيلات؛ وهذه الخيارات توجّه البحث عن المسار، ويعتمد توفر بديل مناسب على شبكة الطرق. وتجمع eBattery هذه الإمكانات التي توفرها خدمة الخرائط المستخدمة مع تخطيط المركبة والشحن.
تُعالج قيود الطرق الإقليمية أو الأكثر تفصيلًا مع نطاق تغطية البيانات وخدمة المسار ذات الصلة. ويجب أن يُظهر المسار المعروض للمستخدم بوضوح أثر التفضيلات في النتيجة.
6.5 تخطيط الشحن وتقييم المحطات — توصية كمية الشحن وهامش الأمان
6.5.1 الملاءمة أولًا ثم المقارنة
الخطوة الأولى في تخطيط الشحن هي تحديد المحطات القابلة للاستخدام. وكون المحطة ذات تقييم عالٍ أو سعر منخفض لا يعني أن المركبة تستطيع الشحن فيها.
لذلك يجري التقييم على مرحلتين:
تحديد المرشحين المتوافقين مع المركبة والرحلة.
مقارنة المرشحين المناسبين من حيث المدة والتكلفة وشروط الاستخدام.
توافق المقبس وإمكانية الوصول والطاقة اللازمة للوصول هي موضوع المرحلة الأولى. ولا تُعامل هذه الشروط الأساسية كعناصر نقاط يمكن تعويضها بمزايا أخرى.
فعلى سبيل المثال، لا تُقترح محطة غير متوافقة مع المركبة لمجرد أنها أرخص. وبالمثل، لا تكتسب نقطة لا يبدو الوصول إليها ممكنًا بالطاقة الحالية أولوية لمجرد قوة الشحن العالية فيها.
6.5.2 تقييم المحطات: ملاءمة تتغير بحسب الرحلة
بعد تحديد المرشحين المناسبين، تخضع المحطات لتقييم متعدد المعايير.
| المعيار | الموضوع قيد التقييم |
|---|---|
| الانحراف عن المسار | المسافة والوقت الإضافيان اللازمان للوصول إلى المحطة والعودة إلى المسار الرئيسي |
| توافق القدرة مع المركبة | علاقة قدرة المحطة بالنطاق الذي تستطيع المركبة الاستفادة منه |
| السعر | التعرفة المتاحة والقابلة للتطبيق على المستخدم المعني |
| الحالة الراهنة | الحالة الحالية لنقطة شحن مناسبة في التكاملات المدعومة |
| معلومات الانتظار | وقت الانتظار المحتمل عند توفر بيانات موثوقة أو دعم نموذجي كافٍ |
| الموثوقية التشغيلية | استمرارية الخدمة وتجربة الاستخدام عند توفر البيانات |
| تقييمات المستخدمين | مدى حداثة التجارب ومحتواها واستنادها إلى عدد كافٍ من الملاحظات |
| ملاءمة الاستراحة | علاقة المحطة بمحطات التوقف الحالية للمستخدم وجدوله الزمني |
| حداثة البيانات | مدى حداثة المعلومات المستخدمة في القرار |
تختلف أهمية هذه المعايير بحسب وضع المسار المختار. ففي الرحلة التي تُعطى فيها الأولوية للوقت، قد يكون الانحراف عن المسار ومدة الشحن أكثر حسمًا. أما في الرحلة التي تُعطى فيها الأولوية للتكلفة، فيُقيَّم فرق التعرفة مع الوقت الإضافي الذي سيسببه.
يدخل نقص البيانات أيضًا في التقييم. فالمحطة التي لا تُعرف حالتها المباشرة لا تُعدّ «متاحة». وبالمثل، فإن معلومات إشغال المقابس وحدها لا تكفي دائمًا لحساب مدة انتظار موثوقة.
كما أن تقييم المستخدمين وحده لا يغني عن الموثوقية التشغيلية. فلا ينبغي معاملة عدد قليل من المراجعات القديمة بالوزن نفسه الذي تُعامل به مجموعة أحدث وأوسع من التجارب.
6.5.3 العلاقة بين قدرة المحطة وتجربة الشحن الفعلية
لا تعني قيمة القدرة المعروضة على المحطة أن المركبة ستشحن بهذه القدرة طوال الجلسة. فمدة الشحن تعتمد على عدة عوامل، مثل مستوى البطارية وسعتها وخصائص المركبة ومعدات الشحن. كما يوضح مصدر Alternative Fuels Data Center التابع لوزارة الطاقة الأمريكية أن هذه المتغيرات تحدد معًا مدة الشحن.
على سبيل المثال، بالنسبة لمركبة حد قبولها للشحن بالتيار المستمر 100 kW، قد لا تكون محطة بسعة 350 kW أسرع من محطة مناسبة بسعة 150 kW لمجرد قدرتها الاسمية. وإذا كان الوصول إلى المحطة الأولى يتطلب انحرافًا أطول، فقد يكون الخيار الثاني أنسب للرحلة ككل.
يتناول تقييم eBattery قدرة المحطة مع خصائص المركبة معًا. وبدلًا من عرض الأرقام المرتفعة تلقائيًا على أنها الخيار الأفضل، يُنظر إلى الفائدة التي ستعود بها المحطة على رحلة المستخدم.
6.5.4 كمية الشحن: الطاقة الملائمة للمقطع التالي
تشمل خطة الشحن كمية الطاقة الموصى بها إلى جانب اختيار المحطة.
النهج الأساسي هو النظر معًا في الطاقة اللازمة للمقطع التالي من المسار، واحتياطي الوصول المستهدف، والبدائل المناسبة. ولا يلزم أن يصل المستخدم إلى مستوى البطارية نفسه في كل محطة. فقد يؤدي توقف قصير أو مرحلة تالية طويلة أو توفر الشحن عند الوجهة إلى أهداف مختلفة.
العلاقة الأساسية للطاقة التي يجب إضافتها إلى البطارية هي كما يلي:
الطاقة المراد إضافتها = السعة القابلة للاستخدام × (النسبة المستهدفة للبطارية − النسبة الحالية للبطارية) / 100
فعلى سبيل المثال، في مركبة تبلغ سعتها القابلة للاستخدام 60 kWh، يعادل رفع مستوى البطارية من 20% إلى 70% زيادة في الطاقة داخل البطارية بنحو 30 kWh.
لا يلزم أن تكون هذه القيمة مطابقة تمامًا للطاقة المقاسة عند عداد المحطة أو المفوترة. فبسبب فقد الشحن والاستهلاك المساعد، تكتسب نقطة قياس الطاقة أهمية.
كما أن مدة الشحن لا تُحسب بمجرد القسمة على أقصى قدرة للمحطة. فعند توفر البيانات، يأخذ النموذج في الاعتبار سلوك شحن المركبة عند مستويات البطارية المختلفة. وكمثال توضيحي، إذا أُضيفت طاقة قدرها 30 kWh إلى البطارية بمتوسط قدرة صافية 60 kW، فإن مدة نقل الطاقة تبلغ نحو 30 دقيقة. والقيمة الحاسمة هنا هي متوسط القدرة خلال الجلسة.
في حساب التكلفة تؤخذ في الاعتبار، إلى جانب سعر الطاقة، مكونات الجلسة أو الوقت أو غيرها من مكونات التعرفة المنطبقة. ويجب أن يفهم المستخدم النطاق الذي يشمله التقدير المعروض.
6.5.5 الحفاظ على هامش الأمان والبدائل
لا يقوم التخطيط على استخدام البطارية نظريًا حتى آخر وحدة طاقة. بل يترك مجالًا لاحتياطي الوصول، والتفاوت في تقديرات الاستهلاك، والوصول إلى البدائل على الطريق.
يُقيَّم الاحتياطي اللازم مع طول المسار وكثافة المحطات وحداثة البيانات ومرونة الخطة. فمسار داخل مدينة تتوفر فيه فرص شحن متكررة وقطعة طويلة على الطريق السريع ببدائل محدودة لا تحملان الظروف نفسها.
عندما يشرح eBattery AI كمية الشحن الموصى بها فإنه يُظهر هذا المنطق. ويستطيع المستخدم أن يفهم سبب التوصية بأخذ طاقة أكثر في محطة ما، أو سبب اعتبار شحن قصير كافيًا للوصول إلى المحطة المناسبة التالية.
وتعبّر معلومات التوافر الحالية أيضًا عن الوضع وقت إنشاء الخطة. ولا تُنشئ هذه المعلومات حجزًا بأن المقبس نفسه سيكون خاليًا عند الوصول. ولذلك يُعدّ تقييم المحطات البديلة جزءًا مهمًا من الخطة.
6.6 إعادة الحساب الديناميكية
6.6.1 انعكاس الظروف المتغيرة أثناء الرحلة على الخطة
لا يُعامَل المسار كوثيقة ثابتة تُنشأ قبل بدء الرحلة. فمع تقدم المستخدم قد يتغير الموقع وحركة المرور وحالة المحطات وتفضيلاته نفسها.
تقيّم إعادة الحساب الديناميكية أثر هذه التغييرات على الخطة. غير أن كل مُحفِّز يعمل بالقدر الذي تكون فيه البيانات ذات الصلة متاحة.
| التغيير | المعلومات المستخدمة | التأثير المحتمل على الخطة |
|---|---|---|
| تغيّر حركة المرور | مصدر الخريطة وحركة المرور | تحديث خيارات المدة والمسار |
| تغيّر حالة محطة مخطط لها | تكامل المشغّلين | تقييم نقطة شحن بديلة |
| انحراف المستخدم عن المسار | الموقع وتقدم المسار | إعادة حساب المسافة المتبقية وحاجة الطاقة |
| تحديث معلومات البطارية | تسجيل دخول المستخدم؛ وصلات السيارات المدعومة مستقبلًا | تحديث محطة الشحن وكمية الطاقة المستهدفة |
| إضافة محطة وسيطة أو إزالتها | تحرير المستخدم | إعادة تخطيط أجزاء المسار المتأثرة |
| تغيّر الأحوال الجوية | النطاق الذي يكون فيه التكامل المعني مفعّلًا | إعادة تقييم تقدير الاستهلاك |
في رحلة تعمل بمستوى بطارية أُدخل يدويًا، تكون الطاقة المتبقية التي يحسبها النظام تقديرية. ولا توسَم بالطريقة نفسها التي توسَم بها بيانات البطارية الحالية المقيسة من المركبة.
6.6.2 عدم عرض كل تغيير على المستخدم كمسار جديد
الفروق الصغيرة المتغيرة باستمرار قد تضع على المستخدم عبء قرار لا داعي له. فتذبذب حركة المرور لبضع ثوانٍ أو ميزة زمنية ضئيلة جدًا لا يستدعيان توصية جديدة في كل مرة.
يقيّم نهج إعادة الحساب ما يعنيه التغيير بالنسبة إلى الرحلة. وتكون الأولوية لجدوى الخطة الحالية واحتياطي الطاقة والفائدة الواضحة للمستخدم.
وبذلك يُحافظ على استقرار الخطة. فبدلًا من أن يُوجَّه المستخدم باستمرار بين خيارين متقاربين جدًا، يرى تحديثًا ذا معنى عند الحاجة إليه.
6.6.3 توضيح سبب التغيير
يُعرض المسار الجديد المقترح مقارنةً بالخطة الحالية. ويجب أن يتمكن المستخدم من معرفة أي شرط تغيّر وما نتيجة ذلك.
على سبيل المثال:
«تغيّرت معلومات الاستخدام للموصلات المناسبة في المحطة التي خططت لها. توجد محطة بديلة أقرب إلى مسارك ويمكن بلوغها وفق تقدير الطاقة الحالي. يمكنك مراجعة الخيار الجديد.»
لا تُستخدم في الشرح إلا العناصر التي تدعمها البيانات المتاحة. وإذا لم يتوفر تقدير موثوق لوقت الانتظار فلا يُنتَج رقم دقيق للدقائق الموفَّرة.
كما تُربط بشكل صحيح معلومات حركة المرور الواردة من مزود الخريطة وتقييم eBattery للمركبات الكهربائية المبني على هذه البيانات. ويوضح مبرر التوصية أي بيانات استُخدمت وكيف.
6.7 تخطيط الرحلات بالذكاء الاصطناعي — مجموعة المرشحين، والتجميع، وميزانية الوقت، وتكامل الشحن
6.7.1 من خطة التنقل إلى التجربة اليومية
ينظّم تخطيط الرحلات السياحية الوقت الذي سيقضيه المستخدم في منطقة معينة. والهدف هو تحويل الأماكن الجذابة إلى برنامج يناسب وقت المستخدم واهتماماته واحتياجات مركبته من الطاقة.
عندما يقول المستخدم «سأقضي يومين في كابادوكيا، مع تركيز على الطبيعة والتاريخ»، يقيّم النظام المنطقة ومدة الرحلة والأولويات معًا. ثم تُضاف إلى الخطة نقطة البداية والوتيرة اليومية، والأماكن التي يرغب المستخدم في رؤيتها تحديدًا إن وُجدت.
يقدّم البرنامج الناتج هيكل رحلة قابلًا للتعديل ومقسّمًا إلى أيام.
6.7.2 إنشاء مجموعة الأماكن المرشحة
الخطوة الأولى هي تحديد أماكن الزيارة المناسبة في المنطقة. وقد يضم مجمّع المرشحين مواقع ثقافية ومتاحف ومناطق طبيعية وأماكن للطعام والشراب ونقاط استراحة.
بحسب نطاق المصدر، تشمل المعلومات المأخوذة في الاعتبار الموقع والفئة ومدة الزيارة وساعات العمل وتقييمات المستخدمين.
ارتفاع الشعبية وحده ليس سببًا للاختيار. فإذا لم يتوافق مكان ما مع اهتمامات المستخدم، أو كان بعيدًا جدًا عن برنامجه اليومي، أو لم يتوافر وقت كافٍ لزيارته، فقد ينال أولوية أقل.
يرتبط السرد في المحتوى بسجلات الأماكن المختارة. أمّا المعلومات القابلة للتغير، مثل ساعات العمل أو شروط الدخول، فلا تُولَّد من المعرفة العامة للنموذج اللغوي كما لو كانت بيانات حالية.
6.7.3 التجمع الجغرافي وعلاقات النقل
تُقيَّم الأماكن المرشحة من حيث العلاقات الجغرافية وعلاقات النقل قبل إعداد البرنامج اليومي. والهدف هو تقليل الذهاب والإياب غير الضروري خلال اليوم نفسه.
قد لا يكون زمن الانتقال بين نقطتين تبدوان متقاربتين على الخريطة قصيرًا. فروابط الطرق ونقاط العبور وجغرافيا المنطقة هي التي تحدد نمط الحركة الفعلي. ولذلك لا يقتصر التجميع اليومي على المسافة المستقيمة.
فعلى سبيل المثال، بينما يُبنى برنامج اليوم من زيارات في المنطقة نفسها، يمكن نقل محطة أبعد إلى يوم آخر. وبهذا يستطيع المستخدم تخصيص جزء أكبر من وقته للزيارات بدل التنقل.
عندما يفضّل المستخدم ترتيبًا معينًا، يُحفظ هذا الاختيار؛ ويكيّف النظام الخطة المتبقية لتتوافق مع هذا الترتيب.
6.7.4 موازنة الوقت: جدول يومي واقعي
تعتمد إمكانية تنفيذ الخطة اليومية على أوقات التنقل والاستراحة إضافة إلى إجمالي مدة الزيارة.
تتضمن ميزانية الوقت ليوم واحد المكوّنات التالية:
التنقّل بين النقاط.
مدة الزيارة التي تُقضى في كل مكان.
فترات الاستراحة لتناول الطعام والراحة.
محطات الشحن المطلوبة.
مهلة زمنية معقولة للركن والوصول والانتقالات المماثلة.
إن وضع محطات لا يتجاوز مجموع أوقات زيارتها ست ساعات في خطة رحلة مدتها ست ساعات للمستخدم لا يترك وقتاً للتنقل. لذلك تبني eBattery AI الخطة ضمن الإطار الزمني الإجمالي لليوم.
لا تُقاس قيمة البرنامج بإدراج أكبر عدد ممكن من الأماكن. المهم أن يمكن تنفيذه بالوتيرة التي يختارها المستخدم وأن يترك مجالًا للتغييرات.
6.7.5 إدراج الشحن ضمن الجدول اليومي
تُراعى محطات الشحن مع احتياج الطاقة عند إنشاء خطة الرحلة. ولا تُعامل كحاجة مستقلة تُضاف في نهاية اليوم.
إذا أمكن مطابقة استراحة وجبة مع نقطة شحن مناسبة، فيمكن إجراء النشاطين في الإطار الزمني نفسه. فعلى سبيل المثال، استراحة وجبة مدتها 40 دقيقة وشحن مدته 25 دقيقة يبدآن في المكان والوقت نفسيهما لا يتطلبان، في ظروف مناسبة، توقفًا إضافيًا إجماليه 65 دقيقة. وتقيّم الخطة الأوقات المتداخلة معًا.
في هذه المطابقة، تهم إمكانية الوصول الفعلية إلى المحطة وظروف تشغيلها وترتيب مواقفها وتفضيلات المستخدم. ولا يُفترض أن المحطة التي تبدو قريبة من مطعم على الخريطة هي خيار استراحة مناسب في جميع الحالات.
في الرحلات الممتدة على أكثر من يوم، يستمر حساب الطاقة عبر الأيام. ويُربط مستوى البطارية في بداية اليوم التالي بنهاية اليوم السابق المخططة. ولا يُحتسب الشحن الليلي إلا إذا كان مدرجًا في خطة المستخدم ومدعومًا بالمرفق المعني.
6.7.6 سرد الرحلة القابل للتحرير
يُعرض الجدول المحسوب على شكل محطات موزعة على الأيام، مع شرح بلغة طبيعية. ويستطيع المستخدم أن يرى أي منطقة ستُزار في أي يوم، وأين وُضع الشحن، والتوزيع الزمني التقريبي لليوم.
تتيح طلبات مثل «اجعل اليوم الثاني أهدأ» أو «احذف المتحف» أو «أريد أن أكون في الطبيعة بعد الظهر» تعديل الخطة.
بعد التغيير، يُعاد تقييم الأيام وأجزاء المسار المتأثرة. ويتغير سرد الرحلة أيضًا مع الخطة المحدّثة؛ والمبدأ هو ألا يحدث تناقض بين الوصف القديم وقائمة المحطات الجديدة.
تشكّل هذه البنية المرتكزة على المدن والمناطق أساسًا لتخطيط أوسع على مستوى البلد وطويل الأمد في المراحل اللاحقة.
6.8 تحليل الكفاءة
6.8.1 جعل البيانات ذات معنى من منظور السائق
يساعد تحليل الكفاءة المستخدمين على تقييم سجلات الطاقة والرحلات لديهم بوضوح أكبر.
إذا كانت البيانات المتاحة كافية، يمكن مقارنة الاستهلاك والمسافة وإنفاق الشحن والقيم المخططة مقابل الفعلية من فترات مختلفة. ويشرح الذكاء الاصطناعي التغيّر داخل الأرقام ويبيّن السجلات التي قد يكون من المفيد للمستخدم مراجعتها.
يعتمد نطاق التحليل على البيانات المستخدمة. وتُفصل المعلومات المستمدة من اتصال المركبة أو سجلات الجلسات أو تسجيل دخول المستخدم عن التقديرات المحسوبة من المسار فقط.
6.8.2 الاستهلاك المقاس والتقدير المحسوب
في تقييم الاستهلاك، يجب أن تنتمي الطاقة والمسافة إلى الفترة نفسها والمركبة نفسها وطريقة قياس متسقة.
إذا كان إجمالي الطاقة وإجمالي المسافة معروفين، فإن حساب الاستهلاك الأساسي يكون كما يلي:
متوسط الاستهلاك = إجمالي طاقة القيادة / إجمالي المسافة × 100
إن جمع قيم استهلاك رحلات مختلفة الطول ببساطة ثم القسمة على عدد الرحلات قد لا يعطي المتوسط الصحيح للفترة. أما الحساب من إجمالي الطاقة والمسافة فيحافظ على وزن الرحلات القصيرة والطويلة.
كما أن الطاقة المشتراة أثناء الشحن لا تساوي دائمًا الطاقة المستهلكة أثناء القيادة في الفترة نفسها. وتؤثر في هذه العلاقة مستويات البطارية في بداية الفترة ونهايتها وفواقد الشحن ونطاق السجلات.
ولهذا تتناول eBattery الإنفاق على الشحن والطاقة المشتراة واستهلاك القيادة بمعانيها المنفصلة.
6.8.3 إظهار التغيير وتفسير سببه بالاستناد إلى البيانات
كمثال توضيحي، لنفترض أن متوسط الاستهلاك ارتفع من 18 kWh/100 km إلى 19.8 kWh/100 km في فترتين قابلتين للمقارنة. يعني هذا التغير زيادة في الاستهلاك بنسبة 10%.
لكن هذه النتيجة وحدها لا تبيّن سبب الزيادة. فقد يكون المسار أو السرعة أو الأحوال الجوية أو الحمولة أو بنية الرحلة قد تغيّر.
يبقى تقييم الذكاء الاصطناعي ضمن المستوى الذي تدعمه البيانات. فإن وُجد سجل للاستهلاك والمسافة فقط، يمكن القول «ارتفع استهلاكك»؛ أما الوصول إلى استنتاج أن سلوكًا معينًا مثل الفرملة الحادة أو استخدام المكيّف هو السبب، فيتطلب القياسات ذات الصلة.
في حال عدم توفر بيانات مباشرة من المركبة، لا تُعرض صحة البطارية كما لو أنها قيست. ويتوسع تحليل سلوك القيادة التفصيلي مع التكاملات التي توفر بيانات كافية لتقييم هذه السلوكيات.
6.8.4 بناء عادات استخدام قابلة للمقارنة
الغاية من شاشة الكفاءة هي تسهيل فهم المستخدم لاستخدامه الخاص مع مرور الوقت.
تدعم هذا الفهم مقارنة المسارات المتشابهة ومراجعة نفقات الشحن في محطات مختلفة ورؤية الفروق بين المدة المخططة والمدة الفعلية.
تكون اقتراحات المساعد محددة ومتزنة. فبدلًا من وعد المستخدم بنسبة توفير غير مؤكدة، يوضح أي بيانات تغيّرت وأي شروط ينبغي النظر فيها لإجراء مقارنة أكثر دلالة.
6.9 بطاقات النتائج والربط العميق (Deep Linking)
6.9.1 تحويل المحادثة إلى نتيجة يمكن استخدامها داخل التطبيق
تُعرض اقتراحات المسار أو الرحلة أو المحطة التي تُنشأ في AI Chat ببطاقات نتائج. وتتيح البطاقات للمستخدم الاطلاع السريع على أهم المعلومات والانتقال إلى الوحدة المعنية.
| نوع البطاقة | المحتوى الأساسي للبطاقة | الشاشة ذات الصلة |
|---|---|---|
| بطاقة المسار | نقطة الانطلاق والوجهة وملخص المسار والوقت المقدّر ومحطات الشحن | تخطيط المسار |
| بطاقة الرحلة | المنطقة وعدد الأيام وملخص البرنامج اليومي | تخطيط الرحلات |
| بطاقة المحطة | الموقع والتوافق والقدرة والمعلومات الحالية المتاحة | تفاصيل المحطة |
| بطاقة الكفاءة | الفترة والمؤشرات الرئيسية وملخص التقييم | الكفاءة |
ليس الغرض من البطاقة حشر كل التفاصيل في مساحة صغيرة. بل تقدّم معلومات كافية ليتعرّف المستخدم على النتيجة ويختار الإجراء التالي.
6.9.2 فتح الخطة نفسها عبر Deep linking
يتيح الربط العميق (Deep linking) لبطاقة النتيجة توجيه المستخدم إلى المحتوى الصحيح في الشاشة المعنية.
عندما يفتح المستخدم مسارًا أنشأه داخل المحادثة، لا يجد نموذج مسار فارغًا. تظهر نقطتا البداية والوصول اللتان اختارهما، والمركبة، والتوقفات الوسيطة، وبقية معلومات الخطة في الشاشة المعنية.
وتُحفظ العلاقة نفسها في بطاقات الرحلات والمحطات أيضًا. وبهذا تصبح شاشات الدردشة والخريطة والتخطيط عروضًا مختلفة للإجراء نفسه.
من الناحية التقنية، تُربط البطاقة بالسجل المعني وبإصدار الخطة. وعندما يغيّر المستخدم الخطة، يظل واضحًا أي نتيجة هي الحالية.
6.9.3 إجراءات سريعة مناسبة للسياق
بحسب النتائج، تُعرض إجراءات مثل «ابدأ المسار» و«انتقل إلى المحطة» و«احفظ» و«شارك» أو «أضف إلى المفضلة».
لا يلزم أن تعرض كل بطاقة جميع الإجراءات. بل تُختار الإجراءات بحسب النتيجة التي أنتجها المستخدم في تلك اللحظة.
تُعالَج البطاقات القابلة للمشاركة أيضًا مع نطاق محتواها. ولا تُعد معلومات مثل عنوان منزل المستخدم أو نقطة انطلاقه الشخصية جزءًا طبيعيًا أو إلزاميًا من المشاركة. وينبغي أن يتمكن المستخدم من رؤية المحتوى الذي يشاركه.
6.10 الاقتراحات والإشعارات الاستباقية
6.10.1 تقديم دعم ذي معنى عند ظهور الحاجة
عند توفر البيانات ذات الصلة، يمكن لـ eBattery AI أن يُظهر التغييرات المهمة حتى دون أن يسأل المستخدم.
يندرج ضمن هذا النطاق تغيّر حالة المحطة أثناء رحلة نشطة، أو تأثير مروري ملحوظ، أو إعادة تقييم خطة الشحن بحسب معلومات البطارية المحدّثة.
هدف الدعم الاستباقي هو مساعدة المستخدم في الوقت المناسب. فليس كل تغيير في البيانات ينشئ إشعارًا؛ بل يُقيَّم مدى ارتباط المعلومة بالرحلة الحالية وما إذا كانت تتطلب إجراءً.
6.10.2 تقييم الإشعار مع البيانات التي يستند إليها
يعتمد معنى تنبيه انخفاض البطارية على مصدر البيانات.
إذا أمكن الحصول على مستوى البطارية الحالي من المركبة، يمكن استخدام القيمة المقاسة. أما إذا أدخله المستخدم يدويًا في البداية، فإن القيمة المحسوبة أثناء الرحلة تقديرية. وتحافظ صياغة الإشعار على هذا الفرق.
وبالمثل، لتقديم اقتراح بشأن ميزة السعر في محطة مفضلة، يجب معرفة التعرفة الحالية والشروط المطبقة على المستخدم. أما تذكير الصيانة فيرتبط بتاريخ سجّله المستخدم أو بمصدر بيانات مناسب.
يضمن هذا النهج بقاء التوصيات الاستباقية متسقة مع نطاق البيانات المتاحة.
6.10.3 وتيرة الإشعارات وتفضيلات المستخدم
تُدار الإشعارات بحسب أهميتها وسياقها. فالتغيير الذي يؤثر على جدوى رحلة نشطة لا يحمل الأولوية نفسها التي يحملها اقتراح استخدام عام.
يمكن للمستخدم إدارة تفضيلات الإشعارات. ومن مكونات التجربة تقليل الرسائل المتكررة للحدث نفسه، وعدم إظهار الإشعارات التي لم تعد صالحة، وتوجيه التوصية إلى الخطة الصحيحة.
تُنفَّذ وظائف الموقع والخلفية بأذونات المستخدم وضمن ظروف تشغيل نظام تشغيل الهاتف. وتُبقى المعلومات المعروضة أثناء الرحلة قصيرة وموجهة للإجراء؛ ويمكن الاطلاع على التفاصيل في الشاشة المعنية.
6.11 إدارة الثقة والأخطاء
6.11.1 إظهار طبيعة المعلومة
يقوم نهج الثقة في eBattery AI على إتاحة فهم المعلومات التي تستند إليها النتائج.
مستوى البطارية الذي يدخله المستخدم، وحالة المقبس الواردة من المشغّل، وتقدير المدة الصادر عن خدمة الخرائط، وشرح الذكاء الاصطناعي هي أنواع مختلفة من المعلومات. يتيح هذا التمييز تقييم التوصية بشكل صحيح.
يمكن لأنظمة الذكاء الاصطناعي التوليدي أن تقدّم معلومات غير مدعومة بأسلوب مقنع. ويتناول ملف المخاطر الخاص بالذكاء الاصطناعي التوليدي الصادر عن NIST هذا السلوك أيضًا. وقد صُمم نهج eBattery القائم على الحساب المستند إلى البيانات والتحقق بحيث يقلل من أثر هذه الأخطاء في قرارات التطبيق.
يكتسب هذا النهج أهمية خاصة في الموقع وحالة المحطة والسعر وحساب الطاقة. ولا يُستخدم الشرح السلس بديلًا عن البيانات الموثَّقة.
6.11.2 التصرف بوضوح واتساق عند نقص البيانات
عدم استجابة مصدر بيانات واحد لا يعني وجوب توقف جميع وظائف التطبيق في الوقت نفسه. بل يقيّم النظام النتيجة التي يمكن تقديمها بالبيانات المتاحة.
فعلى سبيل المثال، إذا كان موقع المحطة ومعلومات المقابس متاحة لكن تعذر الحصول على حالتها المباشرة، يمكن مواصلة اكتشاف المحطة، بينما تُعرض التوفرية على أنها غير معروفة.
وعلى نحو مماثل، عندما يتعذر على نموذج اللغة الرد مؤقتًا، تُحلَّل نتيجة المسار الصالحة الواردة من خدمة الحساب بحيث يمكن عرضها ببطاقة قياسية وشرح موجز.
عند استخدام آخر البيانات المعروفة، يُحافظ على الحداثة. ولا تُعرض حالة قديمة من الذاكرة المؤقتة على أنها معلومات مباشرة وردت للتو.
6.11.3 التفويض والخصوصية وأمان المحتوى الخارجي
تقتصر البيانات التي تحتاج إليها طبقة AI على نطاق المهمة المراد تنفيذها. ولا يتطلب شرح سبب اقتراح محطة ما تمرير سجل رسائل المستخدم بالكامل أو معلومات الدفع إلى النموذج.
يُتعامل مع الموقع وخطة السفر وتفضيلات المستخدم ضمن ضوابط الوصول. وتُتحقق صلاحيات المعاملات في التطبيق بصورة مستقلة عن توليد النص الحر بواسطة النموذج اللغوي.
تُعالَج أيضًا الأوصاف الواردة من مصادر خارجية وتعليقات المستخدمين بوصفها بيانات. ومن مبادئ الأمان في البنية عدم السماح للتوجيهات التي قد ترد في هذا المحتوى بتغيير قواعد المعاملات في التطبيق.
وفي مسارات المعاملات المستقبلية مثل الدفع أو الحجز أيضًا، يُعد اقتراح الذكاء الاصطناعي وتنفيذ المعاملة خطوتين منفصلتين. يُعرض نطاق المعاملة على المستخدم ويُحافَظ على مسار الموافقة ذي الصلة.
6.11.4 التعلم من الأخطاء بصورة قابلة للقياس
تتطلب الموثوقية تقييمًا منتظمًا لسيناريوهات الاستخدام الفعلية.
حالات مثل محطة غير متوافقة مع المركبة، أو سعر مفقود، أو تغيّر في مُدخل البطارية، أو انقطاع الاتصال، أو طلب مسار قديم اكتمل متأخرًا؛ هي سيناريوهات اختبار تحدد كيف ينبغي أن يتصرف النظام.
تسهم ملاحظات المستخدمين أيضًا في هذه العملية. فالاختيار المبني على معلومات محطة خاطئة والاختيار الذي لم يلبِّ التوقعات ليسا نوع الخطأ نفسه. ومطابقة الملاحظة مع خطوة البيانات والقرار ذات الصلة تساعد على تطوير المكوّن الصحيح.
يتجاوز نهج الثقة مجرد عدّ النتائج على أنها «ناجحة» أو «فاشلة»؛ بل يقوم على فهم مصدر الخطأ وأثره على المستخدم.
6.12 البنية التحتية المستقلة عن النموذج وأهداف الأداء
6.12.1 إبقاء منطق المنتج مستقلًا عن مزوّد النموذج
تقوم البنية التحتية لـ eBattery AI على نهج لا يربط وظائف المنتج الأساسية بميزات نموذج لغوي واحد.
تُدار بيانات ملف المركبة وبيانات المحطات وحساب المسار وتفضيلات المستخدم في الخدمات الخاصة بالتطبيق. وترتبط نماذج اللغة بهذه الخدمات عبر مهام وعقود بيانات محددة.
تتيح هذه البنية تقييم عائلات نماذج مختلفة مثل GPT وGemini أو بدائل ستُطوَّر مستقبلًا. ويجب ألا يتطلب تغيير النموذج إعادة كتابة القواعد الأساسية مثل توافق المركبة مع المحطة.
يُختار النموذج بناءً على جودة اللغة ودقة المخرجات المهيكلة ونجاح المهمة وزمن الاستجابة والتكلفة وشروط معالجة البيانات. ولا يُستخدم اسم المزوّد وحده معيارًا لجودة المنتج.
6.12.2 استخدام النموذج والخدمة المناسبين للمهمة
ليس كل طلب من المستخدم يتطلب حمل المعالجة نفسه. فتصنيف النية القصير والسرد التفصيلي للرحلة لهما احتياجات مختلفة.
صُممت البنية التحتية بحيث يمكن توجيه المهام بحسب هذا الاختلاف. فالأعمال التي تستطيع خدمات الحساب حلّها مباشرة تُنفَّذ في تلك الخدمات؛ ويُستخدم النموذج المناسب في الخطوات التي تتطلب تفسيرًا وشرحًا بلغة طبيعية.
يتضمن النهج المعماري الذي يدعم الأداء العناصر التالية:
تنفيذ استدعاءات البيانات المستقلة عن بعضها بالتزامن عند الاقتضاء.
التخزين المؤقت المنضبط لمعلومات المركبة التي تتغير ببطء أكبر.
تطبيق قواعد الحداثة على البيانات المتغيرة مثل التوفر والسعر.
إلغاء الحسابات غير الصالحة عند تغيّر طلب المستخدم.
تشغيل العمليات الطويلة في الخلفية دون تعطيل الواجهة.
تقديم الأجزاء الجاهزة من النتيجة على مراحل مع الحفاظ على تكاملها.
وفي خدمات الخرائط وحركة المرور أيضًا توجد مفاضلات بين زمن الاستجابة وتفصيل الحساب. تحدد Google Routes API خيارات مختلفة لتقييم حركة المرور وتوضح أن البحث الأشمل قد يسبب زمن استجابة أعلى. ويقيّم نهج الأداء لدى eBattery سلوك هذه الخدمات الخارجية ضمن تجربة المستخدم الإجمالية.
6.12.3 تحديد أهداف الأداء
في eBattery AI، يُقاس الأداء من خلال التجربة بين إرسال المستخدم لطلبه والوصول إلى نتيجة قابلة للاستخدام.
بدء الاستجابة الأولى واكتمال خطة المسار قياسان مختلفان. ولا يُعدّ عرض رسم متحرك للتحميل مساويًا لبدء استجابة ذكاء اصطناعي ذات معنى.
| منطقة الأداء | هدف التصميم | نهج القياس |
|---|---|---|
| بدء استجابة الذكاء الاصطناعي | بدء تدفق أول استجابة ذات معنى في أقل من ثانيتين في الظروف القياسية | الوقت المنقضي من إرسال الطلب حتى ظهور أول محتوى ذي معنى للمستخدم |
| إنشاء المسار القياسي | تقديم نتيجة مسار قابلة للاستخدام في أقل من 5 ثوانٍ قدر الإمكان في السيناريوهات المدعومة النموذجية | المدة من لحظة الطلب حتى يصبح المسار وخطة الشحن الأساسية جاهزين |
| الانتقالات بين الشاشات | الحفاظ على التفاعل والسلاسة أثناء تنفيذ الحساب | تأخيرات الإطلاق وتجمّد الواجهة |
| إعادة الحساب | عكس التغييرات المهمة في الخطة في الوقت المناسب | المدة من استلام التحديث حتى جاهزية الخيار الجديد |
| خطط الرحلات المعقدة | تقديم النتائج على مراحل مع إبقاء التقدم ظاهرًا | أوقات أول نتيجة قابلة للاستخدام والخطط المكتملة |
هذه القيم أهداف هندسية. وتُقاس النتائج الفعلية بحسب ظروف الشبكة ومزودي البيانات وطول المسار وعدد المحطات وتعقيد الخطة.
لا يصف المتوسط الواحد التجربة كاملة. فإلى جانب تجربة المستخدم النموذجية، تُتابَع قياسات مثل الوسيط والشريحة المئوية الخامسة والتسعين حتى يمكن رؤية الطلبات الأبطأ. وبذلك تظهر الفجوة بين عمل النظام بسرعة لمعظم المستخدمين وانتظار بعضهم وقتًا طويلًا.
6.12.4 قياس الدقة وسهولة الاستخدام مع السرعة
يشمل تقييم الأداء جودة النتيجة إلى جانب زمن الاستجابة.
مجالات التقييم الرئيسية هي:
دقة اختيار المحطات المتوافقة مع المركبة.
اتساق حسابات الطاقة ونسبة البطارية.
الالتزام بترتيب التوقفات الذي حدده المستخدم.
الحفاظ على التمييز بين البيانات الحديثة والقديمة.
تطابق نص الوصف مع القيم الظاهرة في بطاقة النتيجة.
أن تفتح بطاقة النتيجة الخطة والشاشة الصحيحتين.
تطبيق تغييرات المستخدم على الإصدار الصحيح.
فهم متسق للطلب نفسه عبر لغات مختلفة.
عند توفر البيانات الفعلية، يُقارن زمن الوصول المقدَّر بالنتائج الملحوظة للاستهلاك وزمن الشحن. وتبيّن هذه المقارنات في أي مناطق أو ملفات مركبات أو ظروف استخدام يلزم التحسين.
تُعالج تحديثات النموذج بنفس انضباط التقييم. فكون النموذج الجديد أكثر سلاسة في الحديث لا يعني أنه أدق في شرح المسارات. ويُراجع أداؤه في المهام الحالية ومخرجاته المنظمة ومدى اتساقه مع الإجراءات داخل التطبيق معًا.
6.12.5 أساس مشترك للقدرات المتوسعة
يدعم الهيكل المستقل عن النموذج توسّع eBattery AI ببيانات وخدمات جديدة مع تطوّر المنتج.
ترتبط بيانات المركبة المباشرة، بما في ذلك إدخال أحوال الطقس في نموذج الطاقة، والتوصيات التي تتعلم من تفضيلات المستخدم، وخطط الرحلات ذات التغطية الجغرافية الأوسع، ببنية الحساب والسياق نفسها.
مع دخول الشحن والدفع وEV Market ودعم الشحن المتنقل وغيرها من الخدمات حيّز التشغيل، تتسع أيضًا الإجراءات التي يستطيع المساعد توجيهها. وتُعالَج كل وظيفة جديدة مع النطاق الفعلي للخدمة المعنية وبياناتها وموافقة المستخدم.
خلال هذا التطور تبقى العلاقة التي يبنيها المساعد مع المستخدم كما هي: فهم الحاجة، واستخدام البيانات المناسبة، وشرح نتائج الخيارات، وتسهيل تنفيذ الإجراء الذي يختاره المستخدم داخل التطبيق.
