6. आर्टिफ़िशियल इंटेलिजेंस लेयर - eBattery AI

इलेक्ट्रिक वाहन से यात्रा करने में आपस में जुड़े कई निर्णय लेने पड़ते हैं। तय की जाने वाली दूरी, मौजूदा बैटरी स्तर, वाहन की खपत, सड़क की स्थिति, चार्जिंग स्टेशनों की लोकेशन और चालक का समय-कार्यक्रम, सब एक ही यात्रा के हिस्से हैं। इनमें से कोई एक चर बदलने पर बाकी निर्णय भी प्रभावित हो सकते हैं। जो रूट छोटा दिखता है, उपयुक्त चार्जिंग अवसंरचना न होने पर लंबी यात्रा में बदल सकता है। इसी तरह अधिक शक्तिशाली स्टेशन भी, यदि वाहन जितनी चार्जिंग पावर स्वीकार कर सकता है वह सीमित है, तो अपेक्षित समय का लाभ नहीं दे पाता।

eBattery AI इन निर्णयों को एक साथ परखने और उपयोगकर्ता को समझने योग्य यात्रा योजना देने के लिए ऐप के केंद्र में है। यह उपयोगकर्ता को अपनी बात सामान्य भाषा में कहने देता है; वाहन प्रोफ़ाइल, मैप, रूट और उपलब्ध स्टेशन डेटा के आधार पर इस अनुरोध को अमल में लाने योग्य विकल्पों में बदलता है।

उपयोगकर्ता के लिए अनुभव सरल है: “मैं इज़मिर जाना चाहता हूँ”, “सप्ताहांत के लिए दो दिन की यात्रा की योजना बनाओ” या “मेरे पास कोई उपयुक्त चार्जिंग स्टेशन खोजो” कहना शुरू करने के लिए पर्याप्त है। पर्दे के पीछे हर अनुरोध को अलग-अलग डेटा स्रोतों, गणनाओं और ऐप कार्यों से मिलाना पड़ता है। eBattery AI का काम इस तकनीकी जटिलता को संभालते हुए निर्णय का कारण उपयोगकर्ता के सामने स्पष्ट रखना है।

इस दृष्टिकोण के केंद्र में स्पष्टता, गणना योग्यता और उपयोगकर्ता नियंत्रण शामिल होता है। सहायक को यह समझाने में सक्षम होना चाहिए कि उसका सुझाया मार्ग क्यों उपयुक्त है; उसे रेंज और चार्जिंग गणनाएँ एक सुसंगत पद्धति से बनानी चाहिए; और उपयोगकर्ता योजना को अपनी ज़रूरतों के अनुसार बदल सके।

मौजूदा उत्पाद की AI चैट तथा मार्ग और यात्रा नियोजन इस संरचना का मूल हैं। लाइव स्टेशन जानकारी, कीमतें और ट्रैफ़िक जैसे इनपुट संबंधित डेटा स्रोतों के कवरेज के साथ मिलकर काम करते हैं। मौसम की स्थितियों से समृद्ध पूर्वानुमान, सीधा वाहन कनेक्शन और व्यवहार से सीखने वाला वैयक्तिकरण ऐसी क्षमताएँ हैं जो इसी आर्किटेक्चर पर चरण-दर-चरण विस्तार पाती हैं।

6.1 केंद्रीय असिस्टेंट दृष्टिकोण

6.1.1 ऐप के अलग-अलग कार्यों को साझा संदर्भ में एक साथ लाना

eBattery AI एक केंद्रीय सहायक है, जो उपयोगकर्ता को ऐप के अलग-अलग हिस्सों के बीच आगे बढ़ते समय बार-बार वही जानकारी देने की ज़रूरत कम करता है। मैप पर शुरू की गई स्टेशन खोज को चैट में और स्पष्ट किया जा सकता है; चैट के दौरान बनाए गए रूट को रूट स्क्रीन पर देखा जा सकता है; और योजना बनाई गई यात्रा को उसके दिनों और पड़ावों के साथ यात्रा मॉड्यूल में संपादित किया जा सकता है।

इस अनुभव में वाहन, यात्रा और उपयोगकर्ता की प्राथमिकताएँ साझा संदर्भ बनाती हैं। उदाहरण के लिए, जब अपना सहेजा हुआ वाहन चुन चुका कोई उपयोगकर्ता “मुझे आस-पास के उपयुक्त स्टेशन दिखाओ” कहता है, तो सिस्टम को हर बार वाहन का मॉडल दोबारा पूछने की ज़रूरत नहीं होती। अनुरोध को चुने गए वाहन और उपयोगकर्ता द्वारा साझा करने के लिए चुनी गई स्थान जानकारी के साथ मिलाकर आँका जाता है।

केंद्रीकृत दृष्टिकोण यह भी सुनिश्चित करता है कि ऐप के अलग-अलग प्रवेश बिंदु एक ही निर्णय तर्क तक पहुँचें। उपयोगकर्ता द्वारा मैप से शुरू की गई चार्जिंग पॉइंट खोज और AI Chat के माध्यम से की गई खोज, जब वही वाहन, वही प्राथमिकताएँ और वही ताज़ा डेटा इस्तेमाल हों, तो एक-दूसरे से मेल खाते परिणाम देनी चाहिए।

इस तरह eBattery के मॉड्यूल के बीच केवल स्क्रीन बदलने का संबंध नहीं बनता; उपयोगकर्ता जो काम करना चाहता है, वह भी सुरक्षित रहता है।

6.1.2 उपयोगकर्ता के इरादे को ऐप की कार्रवाई में बदलना

लोग अपनी ज़रूरतों को अक्सर तकनीकी मापदंडों में व्यक्त नहीं करते। “मैं दो घंटे में निकलूँगा”, “बच्चों के साथ जा रहे हैं, थोड़ी आरामदेह योजना हो” या “चार्जिंग के लिए ज़्यादा घूमकर नहीं जाना चाहता” जैसे वाक्यों में एक साथ कई प्राथमिकताएँ होती हैं।

eBattery AI इन कथनों को ऐसी जानकारी में बदलता है जिसका उपयोग योजना बनाने में किया जा सके। ज़रूरत पड़ने पर वह शुरुआती बिंदु, गंतव्य, बैटरी स्तर या समय की प्राथमिकता जैसी छूटी हुई जानकारी पूरी करता है। सवाल उन्हीं बातों पर केंद्रित रहते हैं जो तैयार होने वाले नतीजे को वास्तव में प्रभावित करती हैं।

उदाहरण के लिए, “मैं इस्तांबुल से इज़मिर जाना चाहता हूँ” अनुरोध में, यदि सहेजा गया वाहन और आरंभ स्थान पहले से ज्ञात हैं, तो उपयोगकर्ता से केवल वर्तमान बैटरी स्तर और यात्रा की प्राथमिकता पूछी जा सकती है। जब उपयोगकर्ता कहता है “हम टोल रोड इस्तेमाल कर सकते हैं, कुल समय कम रखें”, तो यह जानकारी रूट अनुरोध में जोड़ दी जाती है।

यह दृष्टिकोण प्राकृतिक भाषा को ऐप के फ़ंक्शन से जोड़ता है। उपयोगकर्ता मेनू की तकनीकी संरचना सीखे बिना अपनी ज़रूरत बता सकते हैं; सिस्टम अनुरोध को संबंधित गणना और स्क्रीन प्रवाह तक पहुँचा देता है।

6.1.3 सिफ़ारिश को उपयोगकर्ता नियंत्रण के साथ पूरा करना

eBattery AI द्वारा प्रस्तुत योजनाओं की समीक्षा की जा सकती है और उन्हें बदला जा सकता है। उपयोगकर्ता सुझाए गए स्टेशन को बदल सकता है, बीच में कोई पड़ाव जोड़ सकता है, यात्रा कार्यक्रम से किसी संग्रहालय को हटा सकता है या कम लागत वाला मार्ग माँग सकता है।

सहायक इन बदलावों को योजना के बाकी हिस्से से जोड़ता है। किसी पड़ाव को हटाने से केवल यात्रा सूची छोटी नहीं होती; इससे दैनिक दूरी, पहुँचने का समय और चार्जिंग की ज़रूरत भी बदल सकती है। उपयोगकर्ता के किए संपादन का मूल्यांकन इन संबंधों को बनाए रखते हुए किया जाता है।

योजना का स्वामी उपयोगकर्ता है। AI विकल्पों को दृश्यमान बनाता है, गणनाओं को आसान करता है और चुनावों के परिणाम समझाता है। यात्रा का उद्देश्य, उसकी गति और स्वीकार्य लागत उपयोगकर्ता द्वारा तय की जाती है।

6.2 AI Chat: शुरुआती अनुभव, अवतार, स्ट्रीमिंग, संदर्भ मेमोरी

6.2.1 शुरुआती अनुभव: क्या किया जा सकता है, यह पहले ही क्षण दिखाना

AI Chat की शुरुआती स्क्रीन उपयोगकर्ता को असिस्टेंट की मूल क्षमताएँ सीधे दिखाती है। उपयोगकर्ता खुले टेक्स्ट में बातचीत शुरू कर सकता है या तैयार शुरुआती विकल्पों में से कोई एक चुन सकता है।

शुरुआती विकल्प उपयोगकर्ता का लक्ष्य शुरू किया गया प्रवाह
मार्ग योजना बनाएँ वाहन से किसी बिंदु तक पहुँचना शुरुआत, गंतव्य, वाहन और चार्जिंग ज़रूरत के आधार पर रूट बनाना
यात्रा प्लान करें किसी क्षेत्र को निश्चित समय में घूमना रुचियों और समय के आधार पर दैनिक कार्यक्रम तैयार करना
निकटतम स्टेशन सुझाएँ उपयुक्त चार्जिंग पॉइंट तक पहुँचना स्थान, वाहन अनुकूलता और उपलब्ध स्टेशन डेटा से सुझाव तैयार करना
मेरी दक्षताएँ उपयोग डेटा को समझना मौजूदा रिकॉर्ड के आधार पर खपत और उपयोग के मूल्यांकन की ओर बढ़ना

ये विकल्प पहली बातचीत में अनिश्चितता को कम करते हैं। उपयोगकर्ताओं को अनुमान नहीं लगाना पड़ता कि वे असिस्टेंट से कौन-से प्रश्न पूछ सकते हैं; ऐप रोज़मर्रा की EV ज़रूरतों से जुड़े शुरुआती बिंदु सुझाता है।

बातचीत आगे बढ़ने पर शुरुआती विकल्पों की जगह संदर्भ के अनुकूल कार्रवाइयाँ आ जाती हैं। बनाए गए रूट के बाद “रूट खोलें”, और सुझाए गए स्टेशन के बाद “स्टेशन पर जाएँ” जैसी कार्रवाइयाँ सामने आती हैं।

6.2.2 अवतार: असिस्टेंट की दृश्य पहचान

AI Chat की दृश्य पहचान एक एनिमेटेड रोबोट अवतार है। चैट शुरू होने से पहले स्क्रीन के केंद्र में रहने वाला अवतार हल्की हरकतों और प्रकाश प्रभावों के साथ बातचीत के लिए तैयार दिखता है।

पहला संदेश भेजे जाने पर अवतार छोटा होकर असिस्टेंट के संदेशों के बगल में चला जाता है। इस तरह स्क्रीन का फ़ोकस स्वाभाविक रूप से शुरुआती अनुभव से बातचीत की ओर चला जाता है। उपयोगकर्ता के लिखे हुए, असिस्टेंट के उत्तरों और बनाए गए परिणाम कार्ड के लिए अधिक जगह खुल जाती है।

अवतार, AI द्वारा बनाए गए संदेशों को दृश्य रूप से अलग पहचानने में भी मदद करता है। यह पहचान ऐप में मौजूद समुदाय मैसेजिंग से अलग और सुसंगत सहायक अनुभव बनाती है।

गति और दृश्य प्रभावों का काम उपयोगकर्ता का मार्गदर्शन करना और सिस्टम की स्थिति को समझने योग्य बनाना है। पठनीयता और इंटरैक्शन को प्राथमिकता दी जाती है; एनिमेशन ज़रूरी जानकारी के आड़े नहीं आते।

6.2.3 स्ट्रीमिंग: उत्तर को धारा के रूप में प्रस्तुत करना

eBattery AI उपयुक्त उत्तर स्ट्रीम के रूप में दिखाता है। किसी लंबे स्पष्टीकरण के पूरा होने का इंतज़ार करने के बजाय उपयोगकर्ता उत्तर को चरण-दर-चरण बनते हुए देख सकता है।

इस अनुभव में दो अलग प्रक्रियाएँ अलग रखी जाती हैं: विवरण लिखना और योजना की गणना करना। असिस्टेंट का टेक्स्ट बनाना शुरू करना यह नहीं दर्शाता कि रूट की गणना पूरी हो गई है। रूट, स्टेशन या यात्रा कार्ड तब प्रस्तुत किया जाता है जब संबंधित डेटा और गणनाएँ तैयार हों।

उदाहरण के लिए, सिस्टम पहले दिखा सकता है कि अनुरोध समझ लिया गया है, फिर रूट विकल्प तैयार करते समय प्रगति की स्थिति साझा कर सकता है। गणना पूरी होने पर मानचित्र पूर्वावलोकन और चार्जिंग स्टॉप दिखाए जाते हैं। इस तरह त्वरित फ़ीडबैक मिलता है और परिणामों की समग्रता भी बनी रहती है।

प्रवाह के दौरान यदि उपयोगकर्ता अपना अनुरोध बदल देता है, तो नया अनुरोध आधार माना जाता है। पिछले अनुरोध का देर से आया परिणाम वर्तमान योजना की जगह नहीं लेना चाहिए। यह विशेष रूप से उन बातचीतों में महत्वपूर्ण है जहां पड़ाव या मार्ग की प्राथमिकताएं एक के बाद एक बदली जाती हैं।

6.2.4 Context Memory: बातचीत के अर्थ को सुरक्षित रखना

संदर्भ स्मृति चल रही बातचीत को उसके पिछले चरणों के साथ समझना संभव बनाती है।

जब उपयोगकर्ता पहले कहता है "मैं इस्तांबुल से इज़मिर जाऊँगा" और फिर लिखता है "वापसी की भी योजना बनाओ", तो असिस्टेंट दूसरे अनुरोध को पहली यात्रा से जोड़ता है। "इसे और किफ़ायती बनाओ" जैसा वाक्यांश भी उसी रूट या यात्रा योजना पर लागू होता है जिस पर बात हो रही है।

संदर्भ को तीन स्तरों पर संभाला जाता है:

  • चैट संदर्भ: बातचीत के दौरान दी गई जानकारी और किए गए बदलाव।

  • सक्रिय योजना संदर्भ: जिस रूट, यात्रा या स्टेशन चयन को संपादित किया जा रहा है।

  • सहेजी गई उपयोगकर्ता प्राथमिकताएँ: चयनित वाहन और वे सेटिंग जिन्हें उपयोगकर्ता ने स्थायी रूप से निर्धारित किया है।

यह भेद किसी अस्थायी पसंद को स्थायी आदत के रूप में समझे जाने से रोकता है। उपयोगकर्ता का किसी यात्रा में "आज टोल सड़कों से बचते हैं" कहना इसका अर्थ नहीं कि उसकी सभी भावी यात्राएँ इसी तरह नियोजित होंगी।

इसी तरह, पिछली बातचीत में दर्ज की गई बैटरी स्तर की जानकारी अगले दिन वाहन के वर्तमान डेटा के रूप में उपयोग नहीं की जा सकती। संदर्भ को याद रखने के लिए यह भी प्रबंधित करना ज़रूरी है कि जानकारी कितने समय तक मान्य रहती है।

6.3 स्तरित वास्तुकला: नियम-आधारित निर्णय परत और LLM परत

6.3.1 गणना और वर्णन की भूमिकाओं को अलग करना

eBattery AI की वास्तुकला इस सिद्धांत पर बनी है कि अलग-अलग कार्य अलग-अलग तरीकों से हल किए जाते हैं।

रेंज की गणना, ऊर्जा आवश्यकता, वाहन–स्टेशन अनुकूलता और रूट विकल्पों का मूल्यांकन उस निर्णय परत में किया जाता है जो परिभाषित डेटा फ़ील्ड और गणना नियमों के साथ काम करती है। उपयोगकर्ता के स्वाभाविक भाषा में किए गए अनुरोध को समझना और परिणामों की व्याख्या करना बड़े भाषा मॉडल, यानी LLM परत का काम है।

यह पृथक्करण किसी सिफ़ारिश के संख्यात्मक आधार को उसकी व्याख्या से जोड़ता है। जब असिस्टेंट कहता है “यह स्टेशन अधिक उपयुक्त है”, तो उसका तर्क गणना परत द्वारा तैयार किए गए डेटा से आना चाहिए। व्याख्या में प्रयुक्त दूरी, समय और ऊर्जा के मान परिणाम कार्ड के मानों के समान स्रोत पर आधारित होते हैं।

वास्तुशिल्प घटक मूल उत्तरदायित्व इससे प्राप्त परिणाम
डेटा और एकीकरण परत वाहनों, मानचित्रों, स्टेशनों और अन्य स्रोतों से आने वाले डेटा को व्यवस्थित करना परिभाषित स्रोत और नवीनता वाले इनपुट
अनुरोध और संदर्भ प्रबंधन उपयोगकर्ता के अनुरोध, चुने गए वाहन और सक्रिय प्लान को एक साथ जोड़ना संरचित योजना अनुरोध
नियम-आधारित निर्णय परत अनुकूलता जाँच, ऊर्जा गणना और उम्मीदवार मूल्यांकन चलाना मार्ग और चार्जिंग योजना के विकल्प
LLM परत प्राकृतिक भाषा की व्याख्या करना और गणना किए गए परिणाम समझाना उपयोगकर्ता के अनुकूल व्याख्या
सत्यापन और कार्रवाई परत परिणामों की संगति और लेन-देन के अधिकार की जाँच करना प्रदर्शित किया जा सकने वाला कार्ड और लागू किया जा सकने वाला कदम
अनुभव परत चैट, कार्ड और स्क्रीन संक्रमण प्रस्तुत करना ऐप के भीतर उपयोगकर्ता अनुभव

6.3.2 नियम-आधारित निर्णय परत का दायरा

नियम-आधारित दृष्टिकोण का अर्थ है कि समान डेटा स्नैपशॉट और समान नियम संस्करण के लिए गणनाओं को संगत रूप से दोबारा प्राप्त किया जा सकता है।

यह परत उपयोग योग्य बैटरी ऊर्जा की गणना करती है, मार्ग के खंडों की ऊर्जा आवश्यकता का अनुमान लगाती है, वाहन के साथ असंगत स्टेशनों को हटाती है और उपयुक्त विकल्पों की तुलना निर्धारित मानदंडों से करती है। उपयोगकर्ता द्वारा चुनी गई सड़क प्राथमिकताएँ और सुरक्षित रखी जाने वाली बैटरी रिज़र्व भी यहीं ध्यान में ली जाती हैं।

नियम-आधारित गणना का अर्थ यह नहीं है कि बाहरी दुनिया निश्चित रूप से ज्ञात है। भविष्य का ट्रैफ़िक, वास्तविक खपत या पहुँचने के समय स्टेशन की स्थिति बदल सकती है। इसलिए गणना की पद्धति सुसंगत होने पर भी कुछ इनपुट और आउटपुट अनुमान स्वरूप के होते हैं।

eBattery AI इस अंतर को बनाए रखता है: ज्ञात डेटा, उपयोगकर्ता द्वारा दर्ज जानकारी और मॉडल के अनुमान को एक ही स्तर की निश्चितता के साथ प्रस्तुत नहीं किया जाता।

6.3.3 LLM परत का दायरा

भाषा मॉडल का उपयोग उपयोगकर्ता के अनुरोध को समझने और गणना किए गए परिणाम को स्वाभाविक वर्णन में बदलने के लिए किया जाता है।

“पैदल कम चलना पड़े”, “संग्रहालय हटा दो”, “मैं चार्जिंग के लिए ज़्यादा इंतज़ार नहीं करना चाहता” या “तुमने यह स्टेशन क्यों चुना?” जैसे कथन इस परत के कार्यक्षेत्र में आते हैं।

LLM एक संरचित अनुरोध तैयार करने में मदद करता है, जिसे उपयुक्त ऐप फ़ंक्शन को सौंपा जा सकता है। हालाँकि, वह स्टेशन की कीमत, सॉकेट की स्थिति या वाहन के बैटरी स्तर को अपनी सामान्य जानकारी से नहीं भरता। ये जानकारियाँ संबंधित रिकॉर्ड और एकीकरणों से ली जाती हैं।

उदाहरण के लिए, जब निर्णय इंजन किसी स्टेशन को कम रूट विचलन और उपयुक्त पावर सपोर्ट के कारण चुनता है, तो सहायक इस तर्क को सरल शब्दों में रख सकता है:

“यह स्टेशन आपके वाहन के अनुकूल है और मुख्य मार्ग के अधिक निकट है। जो विकल्प अधिक शक्तिशाली दिखता है, वह आपके वाहन की चार्जिंग सीमा के कारण कोई अतिरिक्त समय का लाभ नहीं देता।”

इस स्पष्टीकरण का मूल्य यह है कि उपयोगकर्ता निर्णय के पीछे का तर्क देख सकता है।

6.3.4 सत्यापित डेटा से समझाए जा सकने वाले परिणाम तक

प्रत्येक परिणाम को उसके द्वारा उपयोग किए गए प्रमुख इनपुट से जोड़ा जाता है। चुना गया वाहन, बैटरी की जानकारी, गणना का समय और स्टेशन डेटा की ताज़गी यह समझना संभव बनाते हैं कि योजना किन परिस्थितियों में बनाई गई।

यह संरचना उपयोगकर्ता फ़ीडबैक के मूल्यांकन को भी आसान बनाती है। किसी सुझाए गए स्टेशन का न चुना जाना हमेशा यह नहीं दर्शाता कि गणना गलत थी। हो सकता है उपयोगकर्ता कोई अलग ब्रेक पॉइंट चाहता हो, किसी विशेष ऑपरेटर को पसंद करता हो, या उसकी कोई ऐसी समय सीमा हो जो उसकी योजना में दिखाई नहीं देती।

निर्णय के इनपुट और उपयोगकर्ता के बदलाव की एक साथ जाँच करना सिस्टम को समय के साथ अधिक सार्थक ढंग से बेहतर बनाने में मदद करता है।

6.4 रूट योजना — वाहन प्रोफ़ाइल, रेंज गणना, रूट और सड़क प्राथमिकताएँ

6.4.1 यात्रा की योजना वाहन प्रोफ़ाइल के साथ बनाना

eBattery में रूट योजना, आरंभ और गंतव्य बिंदुओं के साथ-साथ वाहन की ऊर्जा और चार्जिंग विशेषताओं को भी ध्यान में रखती है।

एक ही रूट पर दो इलेक्ट्रिक वाहनों के लिए अलग-अलग चार्जिंग योजनाओं की ज़रूरत हो सकती है। उपयोग योग्य बैटरी क्षमता, खपत, समर्थित सॉकेट और चार्ज स्वीकार करने की शक्ति यह अंतर पैदा करते हैं।

योजना में उपयोग की जाने वाली मुख्य वाहन जानकारियाँ इस प्रकार हैं:

वाहन की जानकारी प्लानिंग में भूमिका
ब्रांड, मॉडल और उपयुक्त वाहन वेरिएंट सही तकनीकी प्रोफ़ाइल का चयन सुनिश्चित करता है
उपयोग योग्य बैटरी क्षमता यात्रा में उपयोग की जा सकने वाली ऊर्जा गणना का आधार बनता है
खपत का मान दूरी को अनुमानित ऊर्जा आवश्यकता में बदलता है
AC चार्जिंग सहायता लंबे ब्रेक और गंतव्य पर चार्जिंग विकल्पों का आकलन करने में मदद करता है
DC चार्जिंग समर्थन रास्ते में फ़ास्ट चार्जिंग विकल्पों का मूल्यांकन करना संभव बनाता है
सॉकेट अनुकूलता उपलब्ध स्टेशनों की पहचान संभव बनाता है
वर्तमान बैटरी स्तर यात्रा की प्रारंभिक ऊर्जा स्थिति को परिभाषित करता है

कुल बैटरी क्षमता और उपयोग योग्य क्षमता का अलग-अलग मूल्यांकन किया जाता है। रेंज की गणना में आधार बनने वाला मान ड्राइविंग के लिए उपलब्ध ऊर्जा है।

मौजूदा उपयोग प्रवाह में उपयोगकर्ता यात्रा से पहले बैटरी स्तर मैन्युअल रूप से दर्ज करता है। जहाँ सहेजी गई वाहन प्रोफ़ाइल तकनीकी जानकारी रखती है, वहीं बैटरी प्रतिशत उस यात्रा का वर्तमान इनपुट है। आगे के वाहन-कनेक्शन इंटीग्रेशन विस्तार की वह गुंजाइश बनाते हैं जिससे यह जानकारी समर्थित वाहनों से स्वचालित रूप से ली जा सकेगी।

6.4.2 रेंज गणना और ऊर्जा रिज़र्व

रेंज की गणना के मूल में उपलब्ध ऊर्जा और अपेक्षित खपत के बीच का संबंध है:

वर्तमान ऊर्जा = उपयोगी बैटरी क्षमता × बैटरी स्तर / 100

मूल रेंज अनुमान = उपलब्ध ऊर्जा / खपत × 100

यहाँ ऊर्जा kWh में, खपत kWh/100 km में और रेंज किलोमीटर में है।

उदाहरण के लिए, ऐसे वाहन पर विचार करें जिसकी उपयोग योग्य बैटरी क्षमता 60 kWh है, वर्तमान चार्ज स्तर 40% है और गणना में प्रयुक्त खपत 18 kWh/100 km है।

इस स्थिति में:

  • बैटरी में गणना की गई ऊर्जा 24 kWh है।

  • शून्य स्तर तक सैद्धांतिक रेंज लगभग 133 किलोमीटर है।

  • उदाहरण के लिए, यदि 15% पहुँच रिज़र्व रखा जाए, तो योजना के लिए उपलब्ध ऊर्जा घटकर 15 kWh रह जाती है।

  • उसी खपत मान्यता के साथ रिज़र्व को सुरक्षित रखते हुए गणना की गई दूरी लगभग 83 किलोमीटर है।

यह उदाहरण समझाता है कि स्क्रीन पर दिखने वाली सैद्धांतिक रेंज और योजना में उपयोग की जा सकने वाली दूरी अलग क्यों होती हैं। यहाँ का 15% गणना का तर्क दिखाने के लिए इस्तेमाल किया गया उदाहरण रिज़र्व है।

वास्तविक मार्ग गणना में दूरी का मूल्यांकन सड़क की विशेषताओं और उपलब्ध खपत इनपुट के साथ किया जाता है। डेटा कवरेज बढ़ने पर ढलान, ट्रैफ़िक और मौसम जैसी स्थितियों के प्रभाव मॉडल में जोड़े जा सकते हैं। जब अनुमान जिन स्थितियों पर आधारित है वे बदलती हैं, तो योजना का भी पुनर्मूल्यांकन किया जाता है।

6.4.3 आरंभ, गंतव्य और बीच के पड़ाव

उपयोगकर्ता प्रारंभ बिंदु को अपने वर्तमान स्थान, पता खोज या मानचित्र से तय कर सकता है। गंतव्य और बीच के पड़ाव भी उसी यात्रा योजना के हिस्से हैं।

EV नियोजन में बीच के पड़ाव विशेष रूप से महत्वपूर्ण होते हैं। İstanbul से İzmir जाते समय Bursa में रुकना केवल कुल दूरी नहीं बदलता। ठहराव की अवधि, उस क्षेत्र में चार्जिंग की सुविधा है या नहीं, और अगला चरण किस बैटरी स्तर से शुरू होगा, ये बातें भी योजना को प्रभावित करती हैं।

उपयोगकर्ता पड़ावों का क्रम बदल सकता है या कोई विशेष क्रम बनाए रख सकता है। हाथ से तय किया गया क्रम उपयोगकर्ता के समय कार्यक्रम या निजी प्राथमिकता को दर्शा सकता है। सिस्टम इस पसंद के अनुरूप चार्जिंग पड़ावों की दोबारा गणना करता है।

हर बदलाव पर उपयोगकर्ता को सारी जानकारी दोबारा दर्ज किए बिना संबंधित योजना अपडेट हो जाती है।

6.4.4 रूट मोड और सड़क प्राथमिकताएँ

eBattery मार्ग विकल्पों को उपयोगकर्ता की यात्रा-प्राथमिकता से जोड़ता है।

सबसे तेज़ का दृष्टिकोण कुल यात्रा समय पर केंद्रित है। ड्राइविंग समय के साथ-साथ चार्जिंग के लिए किए गए चक्कर, चार्जिंग समय और डेटा उपलब्ध होने पर प्रतीक्षा समय भी मूल्यांकन में शामिल होता है।

सबसे कुशल दृष्टिकोण ऊर्जा की आवश्यकता और उपलब्ध लागत डेटा पर उचित यात्रा अवधि के साथ विचार करता है। उपयोगकर्ता को कम लागत वाला विकल्प देते समय अवधि पर उसका प्रभाव भी दिखाया जाता है।

इन दोनों विकल्पों में से किसी का भी हर यात्रा के लिए स्थायी लाभ नहीं होता। कारोबारी यात्रा में समय, तो सप्ताहांत की सैर में ठहराव की योजना या बजट अधिक महत्वपूर्ण हो सकता है।

टोल सड़कें, राजमार्ग और फ़ेरी जैसी मार्ग प्राथमिकताएँ रूट अनुरोध में जोड़ी जाती हैं। Google Maps Routes API भी ऐसी प्राथमिकताओं के लिए बचाव के विकल्प देता है; ये विकल्प मार्ग खोज को दिशा देते हैं और उपयुक्त विकल्प मिल पाना सड़क नेटवर्क पर निर्भर करता है। eBattery उपयोग की जा रही मानचित्र सेवा द्वारा दी गई इन क्षमताओं को वाहन और चार्जिंग योजना के साथ जोड़ता है।

क्षेत्रीय या अधिक विस्तृत सड़क प्रतिबंधों को संबंधित डेटा और रूटिंग सेवा के दायरे के साथ देखा जाता है। उपयोगकर्ता को दिखाया गया रूट यह स्पष्ट रूप से बताए कि प्राथमिकताओं का नतीजे पर क्या असर पड़ा।

6.5 चार्ज योजना और स्टेशन स्कोरिंग — चार्ज मात्रा सुझाव, सुरक्षा मार्जिन

6.5.1 पहले अनुकूलता, फिर तुलना

चार्जिंग योजना का पहला चरण उपयोग योग्य स्टेशनों की पहचान करना है। किसी स्टेशन की रेटिंग ऊँची या कीमत कम होने का मतलब यह नहीं कि वाहन वहाँ चार्ज हो सकता है।

इसी कारण मूल्यांकन दो चरणों में किया जाता है:

  1. वाहन और यात्रा के अनुकूल उम्मीदवारों की पहचान करना।

  2. उपयुक्त उम्मीदवारों की समय, लागत और उपयोग शर्तों के आधार पर तुलना करना।

सॉकेट अनुकूलता, पहुँच-योग्यता और स्टेशन तक पहुँचने के लिए आवश्यक ऊर्जा पहले चरण के विषय हैं। इन बुनियादी शर्तों को ऐसे स्कोरिंग कारकों के रूप में नहीं लिया जाता जिनकी भरपाई अन्य लाभों से की जा सके।

उदाहरण के लिए, केवल सस्ता होने के कारण वाहन के साथ असंगत स्टेशन की सिफ़ारिश नहीं की जाती। इसी तरह, जो बिंदु मौजूदा ऊर्जा से पहुँचने योग्य नहीं लगता, वह केवल अधिक चार्जिंग शक्ति के कारण प्राथमिकता नहीं पाता।

6.5.2 स्टेशन स्कोरिंग: यात्रा के अनुसार बदलती उपयुक्तता

उपयुक्त उम्मीदवारों की पहचान होने के बाद स्टेशनों का बहु-मानदंड मूल्यांकन किया जाता है।

मापदंड मूल्यांकित विषय
मार्ग से विचलन स्टेशन तक पहुँचने और मुख्य मार्ग पर लौटने के लिए ज़रूरी अतिरिक्त दूरी और समय
वाहन के साथ पावर अनुकूलता स्टेशन की शक्ति का उस सीमा से संबंध जिसका वाहन लाभ उठा सकता है
कीमत संबंधित उपयोगकर्ता के लिए सुलभ और लागू होने वाला टैरिफ
वर्तमान स्थिति समर्थित इंटीग्रेशन में उपयुक्त चार्जिंग पॉइंट की वर्तमान स्थिति
प्रतीक्षा की जानकारी विश्वसनीय डेटा या पर्याप्त मॉडल सहायता उपलब्ध होने पर संभावित प्रतीक्षा समय
संचालन विश्वसनीयता डेटा उपलब्ध होने पर सेवा की निरंतरता और उपयोग का अनुभव
उपयोगकर्ता समीक्षाएँ अनुभव कितने ताज़ा हैं, उनमें क्या है, और क्या वे पर्याप्त संख्या में अवलोकनों पर आधारित हैं
ब्रेक से अनुकूलता स्टेशन का उपयोगकर्ता के मौजूदा ठहराव और समय योजना से संबंध
डेटा की ताज़गी निर्णय में इस्तेमाल की गई जानकारी कितनी अद्यतन है

इन मानदंडों का महत्व चुने गए रूट मोड के अनुसार बदलता है। समय-प्रधान यात्रा में चक्कर और चार्जिंग समय अधिक निर्णायक हो सकते हैं। लागत-प्रधान यात्रा में टैरिफ़ के अंतर को उससे पैदा होने वाले अतिरिक्त समय के साथ आँका जाता है।

डेटा की कमी को भी मूल्यांकन में शामिल किया जाता है। जिस स्टेशन की लाइव स्थिति ज्ञात नहीं है, उसे “खाली” नहीं माना जाता। इसी तरह, केवल सॉकेट की व्यस्तता की जानकारी भरोसेमंद कतार समय की गणना के लिए हमेशा पर्याप्त नहीं होती।

अकेली उपयोगकर्ता रेटिंग भी परिचालन विश्वसनीयता का विकल्प नहीं है। कुछ पुरानी समीक्षाओं को वर्तमान और अधिक व्यापक अनुभवों के समूह के बराबर महत्व नहीं दिया जाना चाहिए।

6.5.3 स्टेशन की शक्ति और वास्तविक चार्जिंग अनुभव के बीच संबंध

स्टेशन पर लिखा पावर मान यह नहीं दर्शाता कि वाहन पूरे सत्र में उसी पावर पर चार्ज होगा। चार्जिंग का समय कई कारकों पर निर्भर करता है, जैसे बैटरी का स्तर, क्षमता, तथा वाहन और चार्जिंग उपकरण की विशेषताएँ। अमेरिकी ऊर्जा विभाग का Alternative Fuels Data Center स्रोत भी बताता है कि ये चर मिलकर चार्जिंग का समय तय करते हैं।

उदाहरण के लिए, DC चार्जिंग स्वीकृति सीमा 100 kW वाले वाहन के लिए 350 kW क्षमता का स्टेशन, केवल अपनी नेमप्लेट शक्ति के कारण, 150 kW क्षमता वाले उपयुक्त स्टेशन से तेज़ नहीं हो सकता। यदि पहले स्टेशन तक पहुँचने में अधिक लंबा चक्कर लगाना पड़े, तो पूरी यात्रा की दृष्टि से दूसरा विकल्प अधिक उपयुक्त हो सकता है।

eBattery का आकलन स्टेशन की पावर को वाहन की विशेषताओं के साथ मिलाकर देखता है। इस तरह ऊँचे आँकड़ों को अपने आप बेहतर विकल्प के रूप में दिखाने के बजाय, यह देखा जाता है कि स्टेशन उपयोगकर्ता की यात्रा को क्या लाभ देगा।

6.5.4 चार्ज की मात्रा: अगले चरण के अनुकूल ऊर्जा

चार्जिंग योजना में स्टेशन के चयन के साथ-साथ सुझाई गई ऊर्जा की मात्रा भी शामिल होती है।

मूल दृष्टिकोण यह है कि अगले मार्ग खंड की ऊर्जा आवश्यकता, लक्षित पहुँच रिज़र्व और उपयुक्त विकल्पों को साथ मिलाकर देखा जाए। उपयोगकर्ता को हर पड़ाव पर एक ही बैटरी स्तर तक पहुँचने की ज़रूरत नहीं है। एक छोटा पड़ाव, लंबा अगला चरण या गंतव्य पर चार्जिंग की उपलब्धता अलग-अलग लक्ष्य पैदा कर सकती है।

बैटरी में जोड़ी जाने वाली ऊर्जा के लिए मूल संबंध इस प्रकार है:

जोड़ी जाने वाली ऊर्जा = उपयोग योग्य क्षमता × (लक्ष्य बैटरी प्रतिशत − मौजूदा बैटरी प्रतिशत) / 100

उदाहरण के लिए, 60 kWh उपयोगी क्षमता वाले वाहन में बैटरी स्तर को 20% से 70% तक बढ़ाना बैटरी में लगभग 30 kWh ऊर्जा की वृद्धि के बराबर है।

यह मान स्टेशन मीटर पर मापी गई या बिल की गई ऊर्जा के बिल्कुल बराबर होना आवश्यक नहीं है। चार्जिंग हानि और सहायक खपत के कारण यह महत्वपूर्ण है कि ऊर्जा का मापन किस बिंदु पर किया गया।

चार्जिंग समय की गणना भी केवल स्टेशन की अधिकतम पावर से भाग देकर नहीं की जाती। मॉडल, जहाँ उपलब्ध हो, वाहन के अलग-अलग बैटरी स्तरों पर चार्जिंग व्यवहार को ध्यान में रखता है। एक उदाहरण के तौर पर, यदि औसत नेट पावर 60 kW पर बैटरी में 30 kWh ऊर्जा जोड़ी जाती है, तो ऊर्जा हस्तांतरण का समय लगभग 30 मिनट होता है। यहाँ निर्णायक मान सत्र के दौरान की औसत पावर है।

लागत की गणना में ऊर्जा शुल्क के अलावा लागू सेशन, समय या अन्य टैरिफ़ घटकों को भी शामिल किया जाता है। दिखाया गया अनुमान किस दायरे को कवर करता है, यह उपयोगकर्ता को समझ में आना चाहिए।

6.5.5 सुरक्षा मार्जिन और विकल्पों को बनाए रखना

योजना इस आधार पर नहीं बनती कि बैटरी का सैद्धांतिक रूप से अंतिम ऊर्जा इकाई तक उपयोग किया जाए। यह पहुँचने पर बचे रिज़र्व, खपत अनुमान में उतार-चढ़ाव और रास्ते में विकल्पों तक पहुँच के लिए गुंजाइश छोड़ती है।

आवश्यक रिज़र्व का मूल्यांकन मार्ग की लंबाई, स्टेशन घनत्व, डेटा की ताज़गी और योजना की लचीलापन के साथ किया जाता है। बार-बार चार्जिंग विकल्पों वाला शहर के भीतर का मार्ग और सीमित विकल्पों वाला लंबी दूरी का खंड समान परिस्थितियाँ नहीं रखते।

जब eBattery AI सुझाई गई चार्जिंग मात्रा समझाता है, तो वह इस तर्क को दिखाई देने योग्य बनाता है। उपयोगकर्ता समझ सकता है कि किसी स्टेशन पर अधिक ऊर्जा लेने का सुझाव क्यों दिया गया है, या अगले उपयुक्त पड़ाव तक पहुँचने के लिए छोटी चार्जिंग क्यों पर्याप्त मानी गई है।

मौजूदा उपलब्धता की जानकारी भी योजना बनने के समय की स्थिति को दर्शाती है। यह जानकारी इस बात का आरक्षण नहीं बनाती कि पहुँचने पर वही सॉकेट खाली मिलेगा। इसलिए वैकल्पिक स्टेशनों का मूल्यांकन योजना का एक महत्वपूर्ण हिस्सा है।

6.6 गतिशील पुनर्गणना

6.6.1 यात्रा के दौरान बदलती परिस्थितियों को योजना में शामिल करना

रूट को यात्रा शुरू होने से पहले बनाए गए स्थिर दस्तावेज़ की तरह नहीं माना जाता। उपयोगकर्ता के आगे बढ़ने पर स्थान, ट्रैफ़िक, स्टेशन की स्थिति और उसकी अपनी प्राथमिकताएँ बदल सकती हैं।

गतिशील पुनर्गणना योजना पर इन बदलावों के प्रभाव का मूल्यांकन करती है। हालाँकि, हर ट्रिगर केवल उसी दायरे में काम करता है जहाँ संबंधित डेटा उपलब्ध हो।

परिवर्तन उपयोग की गई जानकारी योजना पर संभावित प्रभाव
ट्रैफ़िक में बदलाव मानचित्र और ट्रैफ़िक स्रोत अवधि और मार्ग विकल्पों को अपडेट करना
नियोजित स्टेशन की स्थिति में बदलाव ऑपरेटर इंटीग्रेशन वैकल्पिक चार्जिंग पॉइंट का मूल्यांकन
उपयोगकर्ता का मार्ग से भटकना स्थान और मार्ग की प्रगति शेष दूरी और ऊर्जा की ज़रूरत की दोबारा गणना
बैटरी जानकारी अपडेट करना उपयोगकर्ता साइन-इन; समर्थित भावी वाहन कनेक्शन चार्जिंग स्टॉप और लक्ष्य ऊर्जा मात्रा को अपडेट करना
बीच का पड़ाव जोड़ना या हटाना उपयोगकर्ता संपादन प्रभावित रूट खंडों की पुनः योजना बनाना
बदलती मौसम की स्थितियाँ वह दायरा जिसमें संबंधित एकीकरण सक्रिय है खपत अनुमान का पुनर्मूल्यांकन

मैन्युअल रूप से दर्ज बैटरी स्तर पर चलने वाली यात्रा में, सिस्टम द्वारा गणना की गई शेष ऊर्जा एक अनुमान होती है। उसे वाहन से मापे गए वर्तमान बैटरी डेटा की तरह लेबल नहीं किया जाता।

6.6.2 हर बदलाव को उपयोगकर्ता के सामने नया रूट बनाकर प्रस्तुत न करना

लगातार बदलते छोटे अंतर उपयोगकर्ता पर अनावश्यक निर्णय का बोझ डाल सकते हैं। कुछ सेकंड का ट्रैफ़िक उतार-चढ़ाव या समय में बहुत छोटा फ़ायदा हर बार नए सुझाव की मांग नहीं करता।

पुनर्गणना का दृष्टिकोण यह आँकता है कि बदलाव का यात्रा के लिए क्या अर्थ है। मौजूदा योजना की व्यावहारिकता, ऊर्जा रिज़र्व और उपयोगकर्ता को मिलने वाला स्पष्ट लाभ प्राथमिकता में रहते हैं।

इससे योजना स्थिर रहती है। उपयोगकर्ता को एक-दूसरे के बहुत करीब दो विकल्पों के बीच लगातार मोड़े जाने के बजाय, ज़रूरत पड़ने पर एक सार्थक अपडेट दिखता है।

6.6.3 बदलाव का कारण समझाना

सुझाया गया नया रूट मौजूदा योजना से तुलना के साथ प्रस्तुत किया जाता है। उपयोगकर्ता को दिखना चाहिए कि कौन-सी शर्त बदली है और उसका परिणाम क्या है।

उदाहरण के लिए:

“आपके द्वारा योजनाबद्ध स्टेशन के उपयुक्त कनेक्टरों की उपयोग जानकारी बदल गई है। एक वैकल्पिक स्टेशन आपके मार्ग के अधिक निकट है और मौजूदा ऊर्जा अनुमान के अनुसार पहुँचने योग्य है। आप नया विकल्प देख सकते हैं।”

स्पष्टीकरण में केवल वही तत्व उपयोग किए जाते हैं जिन्हें उपलब्ध डेटा समर्थन देता है। यदि भरोसेमंद प्रतीक्षा-समय अनुमान नहीं है, तो मिनटों की कोई सटीक बचत नहीं बताई जाती।

मानचित्र प्रदाता से मिली ट्रैफ़िक जानकारी और इस डेटा पर आधारित eBattery का EV मूल्यांकन भी सही ढंग से जोड़े जाते हैं। सिफ़ारिश का तर्क यह स्पष्ट करता है कि कौन-सा डेटा कैसे उपयोग किया गया है।

6.7 AI यात्रा योजना — उम्मीदवार पूल, क्लस्टरिंग, समय बजट, चार्जिंग एकीकरण

6.7.1 परिवहन योजना से दैनिक अनुभव तक

यात्रा योजना उस समय को व्यवस्थित करती है जो उपयोगकर्ता किसी क्षेत्र में बिताएगा। लक्ष्य दिलचस्प जगहों को ऐसे कार्यक्रम में बदलना है जो उपयोगकर्ता के समय, रुचियों और उसके वाहन की ऊर्जा ज़रूरतों के अनुरूप हो।

जब उपयोगकर्ता कहता है “मैं कप्पाडोसिया में दो दिन बिताऊँगा, प्रकृति और इतिहास पर ज़ोर रहे”, तो सिस्टम क्षेत्र, यात्रा की अवधि और प्राथमिकताओं का एक साथ मूल्यांकन करता है। शुरुआती बिंदु, दैनिक गति और यदि हों तो वे स्थान जो उपयोगकर्ता विशेष रूप से देखना चाहता है, योजना में जोड़े जाते हैं।

तैयार हुआ कार्यक्रम दिनों में बँटा हुआ, संपादन योग्य यात्रा ढाँचा प्रस्तुत करता है।

6.7.2 संभावित स्थानों का पूल बनाना

पहला चरण क्षेत्र में घूमने लायक उपयुक्त स्थानों की पहचान करना है। उम्मीदवार समूह में सांस्कृतिक स्थल, संग्रहालय, प्राकृतिक क्षेत्र, खाने-पीने के स्थान और विश्राम स्थल शामिल हो सकते हैं।

स्रोत के दायरे के अनुसार, मूल्यांकन में ली जाने वाली जानकारी में स्थान, श्रेणी, यात्रा की अवधि, खुलने के समय और उपयोगकर्ता समीक्षाएँ शामिल हैं।

केवल अधिक लोकप्रियता चयन का कारण नहीं है। यदि कोई स्थान उपयोगकर्ता की रुचि से मेल नहीं खाता, दैनिक कार्यक्रम से बहुत दूर है, या घूमने के लिए पर्याप्त समय नहीं है, तो उसे कम प्राथमिकता मिल सकती है।

सामग्री का वर्णन चुने गए स्थानों के रिकॉर्ड से जुड़ा होता है। कार्य समय या प्रवेश शर्त जैसी बदल सकने वाली जानकारी को भाषा मॉडल के सामान्य ज्ञान से ऐसे नहीं बनाया जाता मानो वह ताज़ा डेटा हो।

6.7.3 भौगोलिक क्लस्टरिंग और परिवहन संबंध

दैनिक कार्यक्रम बनाने से पहले संभावित स्थानों का भौगोलिक और परिवहन संबंधों के लिहाज़ से मूल्यांकन किया जाता है। उद्देश्य एक ही दिन में अनावश्यक आने-जाने को कम करना है।

मैप पर एक-दूसरे के पास दिखने वाले दो बिंदुओं के बीच की यात्रा छोटी न हो, ऐसा हो सकता है। सड़क संपर्क, पार करने के बिंदु और क्षेत्र का भूगोल वास्तविक आवाजाही का पैटर्न तय करते हैं। इसी कारण दैनिक समूहीकरण केवल सीधी रेखा की दूरी पर आधारित नहीं होता।

उदाहरण के लिए, किसी दिन का कार्यक्रम एक ही क्षेत्र की यात्राओं से बनाया जाता है, जबकि अधिक दूर के किसी पड़ाव को दूसरे दिन में रखा जा सकता है। इस तरह उपयोगकर्ता अपने समय का बड़ा हिस्सा आवागमन के बजाय घूमने-देखने में लगा सकता है।

जब उपयोगकर्ता किसी विशेष क्रम को पसंद करता है, तो यह चुनाव सुरक्षित रखा जाता है; सिस्टम शेष योजना को उस क्रम के अनुरूप ढाल देता है।

6.7.4 समय बजटिंग: एक यथार्थवादी दैनिक कार्यक्रम

दैनिक योजना कितनी व्यावहारिक है, यह कुल भ्रमण अवधि के साथ यात्रा और ब्रेक के समय पर निर्भर करता है।

एक दिन के समय बजट में निम्नलिखित घटक शामिल होते हैं:

  • बिंदुओं के बीच की यात्रा।

  • हर जगह पर बिताया जाने वाला ठहराव का समय।

  • भोजन और आराम के ब्रेक।

  • आवश्यक चार्जिंग पड़ाव।

  • पार्किंग, पहुँच और ऐसे ही संक्रमणों के लिए उचित समय छूट।

उपयोगकर्ता की छह घंटे की यात्रा योजना में केवल ऐसे पड़ाव रखना जिनके घूमने का कुल समय छह घंटे हो, यात्रा के लिए कोई समय नहीं छोड़ता। eBattery AI योजना को दिन के कुल समय के दायरे में बनाता है।

कार्यक्रम का मूल्य अधिक से अधिक स्थानों की सूची बनाने से नहीं मापा जाता। महत्वपूर्ण यह है कि उसे उपयोगकर्ता की चुनी गति से अपनाया जा सके और उसमें बदलावों के लिए जगह रहे।

6.7.5 चार्जिंग को दैनिक कार्यक्रम में फ़िट करना

यात्रा योजना बनाते समय चार्जिंग पड़ावों को ऊर्जा की ज़रूरत के साथ मिलाकर देखा जाता है। उन्हें दिन के अंत में जोड़ी गई किसी अलग ज़रूरत की तरह नहीं लिया जाता।

यदि खाने के ब्रेक को किसी उपयुक्त चार्जिंग पॉइंट के साथ जोड़ा जा सके, तो दोनों गतिविधियां एक ही समय-अवधि में हो सकती हैं। उदाहरण के लिए, एक ही जगह और एक ही समय पर शुरू होने वाले 40 मिनट के खाने के ब्रेक और 25 मिनट की चार्जिंग के लिए, उपयुक्त परिस्थितियों में कुल 65 मिनट का अतिरिक्त पड़ाव ज़रूरी नहीं होता। योजना एक-दूसरे पर चढ़ने वाली अवधियों का साथ में मूल्यांकन करती है।

इस मिलान में स्टेशन की वास्तविक पहुँच, संचालन की स्थितियाँ, पार्किंग व्यवस्था और उपयोगकर्ता की पसंद मायने रखती हैं। मैप पर किसी रेस्तरां के पास दिखने वाला स्टेशन हर स्थिति में उपयुक्त ब्रेक विकल्प है, ऐसा नहीं माना जाता।

कई दिनों में फैली यात्राओं में ऊर्जा की गणना दिनों के बीच जारी रहती है। अगले दिन की शुरुआती बैटरी को पिछले दिन के नियोजित अंत से जोड़ा जाता है। रात की चार्जिंग तभी गिनी जाती है जब वह उपयोगकर्ता की योजना में शामिल हो और संबंधित सुविधा से समर्थित हो।

6.7.6 संपादन योग्य यात्रा विवरण

गणना किया गया कार्यक्रम दिनों में बँटे पड़ावों और सामान्य भाषा में दिए गए स्पष्टीकरण के साथ प्रस्तुत होता है। उपयोगकर्ता देख सकता है कि किस दिन किस क्षेत्र की यात्रा होगी, चार्जिंग कहाँ रखी गई है और दिन का अनुमानित समय-विभाजन क्या है।

“दूसरा दिन ज़्यादा आरामदायक बनाओ”, “संग्रहालय हटा दो” या “दोपहर में मैं प्रकृति के बीच रहना चाहता हूँ” जैसे अनुरोधों से योजना संपादित की जा सकती है।

बदलाव के बाद प्रभावित दिनों और रूट खंडों का दोबारा मूल्यांकन किया जाता है। यात्रा विवरण भी अद्यतन योजना के साथ बदलता है; सिद्धांत यह है कि पुराने विवरण और नई पड़ाव सूची के बीच कोई विरोधाभास न रहे।

शहर और क्षेत्र पर केंद्रित यह संरचना आगे के चरणों में अधिक व्यापक, देश-स्तरीय और दीर्घकालिक योजना का आधार बनाती है।

6.8 दक्षता विश्लेषण

6.8.1 डेटा को चालक के नज़रिए से सार्थक बनाना

दक्षता विश्लेषण उपयोगकर्ता को अपने ऊर्जा और यात्रा रिकॉर्ड का अधिक स्पष्टता से आकलन करने में मदद करता है।

यदि उपलब्ध डेटा पर्याप्त है, तो अलग-अलग अवधियों की खपत, दूरी, चार्जिंग खर्च और नियोजित बनाम वास्तविक मानों की तुलना की जा सकती है। AI संख्याओं के भीतर के बदलाव को समझाता है और दिखाता है कि उपयोगकर्ता के लिए कौन-से अभिलेख देखना उपयोगी हो सकता है।

विश्लेषण का दायरा उपयोग किए गए डेटा पर निर्भर करता है। वाहन कनेक्शन, सत्र अभिलेख या उपयोगकर्ता साइन-इन से प्राप्त जानकारी को केवल मार्ग के आधार पर गणना किए गए अनुमानों से अलग रखा जाता है।

6.8.2 मापी गई खपत और गणना किया गया अनुमान

खपत के मूल्यांकन में ऊर्जा और दूरी का एक ही अवधि, एक ही वाहन और एक सुसंगत माप पद्धति से संबंधित होना आवश्यक है।

यदि कुल ऊर्जा और कुल दूरी ज्ञात हों, तो मूल खपत की गणना इस प्रकार है:

औसत खपत = कुल ड्राइविंग ऊर्जा / कुल दूरी × 100

अलग-अलग लंबाई की यात्राओं के खपत मानों को केवल जोड़कर यात्राओं की संख्या से भाग देने पर उस अवधि का सही औसत नहीं मिल सकता। कुल ऊर्जा और दूरी के आधार पर गणना करने से छोटी और लंबी यात्राओं का भार सही बना रहता है।

चार्जिंग के दौरान खरीदी गई ऊर्जा भी उसी अवधि में ड्राइविंग में खर्च हुई ऊर्जा के बराबर हमेशा नहीं होती। अवधि की शुरुआत और अंत के बैटरी स्तर, चार्जिंग हानियाँ और रिकॉर्ड का दायरा इस संबंध को प्रभावित करते हैं।

इसी कारण eBattery चार्जिंग खर्च, खरीदी गई ऊर्जा और ड्राइविंग खपत को उनके अलग-अलग अर्थों के साथ देखता है।

6.8.3 बदलाव दिखाना और उसका कारण डेटा के आधार पर समझाना

एक उदाहरण के रूप में मान लें कि दो तुलनीय अवधियों में औसत खपत 18 kWh/100 km से बढ़कर 19,8 kWh/100 km हो जाती है। इस बदलाव का अर्थ खपत में 10% की वृद्धि है।

लेकिन अकेला यह परिणाम वृद्धि का कारण नहीं बताता। रूट, गति, मौसम की स्थिति, लोड या यात्रा की संरचना बदल गई हो सकती है।

AI का मूल्यांकन उतने स्तर तक ही रहता है जितना डेटा समर्थन करता है। यदि केवल खपत और दूरी का रिकॉर्ड है, तो "आपकी खपत बढ़ी है" कहा जा सकता है; यह निष्कर्ष निकालने के लिए कि अचानक ब्रेक लगाने या एयर कंडीशनर के उपयोग जैसा कोई विशेष व्यवहार इसका कारण है, संबंधित माप आवश्यक हैं।

जहाँ वाहन का सीधा डेटा उपलब्ध नहीं है, वहाँ बैटरी स्वास्थ्य को मापा हुआ बताकर प्रस्तुत नहीं किया जाता। विस्तृत ड्राइविंग व्यवहार विश्लेषण उन एकीकरणों के साथ बढ़ता है जो इन व्यवहारों का मूल्यांकन करने के लिए पर्याप्त डेटा देते हैं।

6.8.4 तुलनीय उपयोग आदतें बनाना

दक्षता स्क्रीन का उद्देश्य उपयोगकर्ताओं के लिए समय के साथ अपने उपयोग को समझना आसान बनाना है।

मिलते-जुलते मार्गों की तुलना, अलग-अलग स्टेशनों पर चार्जिंग खर्च की समीक्षा और योजनाबद्ध तथा वास्तविक अवधि के अंतर को देखना इस समझ को मज़बूत करता है।

असिस्टेंट के सुझाव ठोस और संतुलित होते हैं। उपयोगकर्ता को अप्रमाणित बचत प्रतिशत का वादा करने के बजाय, वह बताता है कि कौन-सा डेटा बदला है और अधिक सार्थक तुलना के लिए किन शर्तों को देखा जाना चाहिए।

6.9 परिणाम कार्ड और डीप लिंकिंग

6.9.1 बातचीत को ऐप में उपयोग किए जा सकने वाले परिणाम में बदलना

AI Chat में बनाया गया मार्ग, यात्रा या स्टेशन सुझाव परिणाम कार्ड के साथ प्रस्तुत किया जाता है। ये कार्ड उपयोगकर्ता को महत्वपूर्ण जानकारी जल्दी देखने और संबंधित मॉड्यूल में जाने की सुविधा देते हैं।

कार्ड का प्रकार कार्ड की मूल सामग्री संबंधित स्क्रीन
मार्ग कार्ड प्रारंभ, गंतव्य, रूट सारांश, अनुमानित समय और चार्जिंग स्टॉप रूट प्लानिंग
यात्रा कार्ड क्षेत्र, दिनों की संख्या और दैनिक कार्यक्रम का सारांश यात्रा योजना
स्टेशन कार्ड स्थान, अनुकूलता, शक्ति और उपलब्ध वर्तमान जानकारी स्टेशन विवरण
दक्षता कार्ड अवधि, मुख्य संकेतक और मूल्यांकन सारांश दक्षता

कार्ड का उद्देश्य सारे विवरणों को छोटी जगह में ठूँसना नहीं है। यह उपयोगकर्ता को परिणाम पहचानने और अगला कार्य चुनने के लिए पर्याप्त जानकारी देता है।

6.9.2 डीप लिंकिंग से वही योजना खोलना

डीप लिंकिंग परिणाम कार्ड को उपयोगकर्ता को संबंधित स्क्रीन की सही सामग्री तक ले जाने में सक्षम बनाती है।

जब उपयोगकर्ता चैट में बनाए गए रूट को खोलता है, तो उसे खाली रूट फ़ॉर्म नहीं मिलता। उसके चुने हुए प्रारंभ और गंतव्य बिंदु, वाहन, बीच के पड़ाव और योजना की अन्य जानकारी संबंधित स्क्रीन पर दिखाई देती है।

यही संबंध ट्रिप और स्टेशन कार्ड में भी बना रहता है। इस तरह चैट, मैप और प्लानिंग स्क्रीन एक ही कार्य के अलग-अलग रूप बन जाते हैं।

तकनीकी रूप से कार्ड संबंधित रिकॉर्ड और योजना संस्करण से जुड़ा होता है। उपयोगकर्ता जब योजना बदलता है, तब भी यह स्पष्ट रहता है कि कौन-सा परिणाम वर्तमान है।

6.9.3 संदर्भ के अनुकूल त्वरित कार्रवाइयाँ

परिणामों के अनुसार “मार्ग शुरू करें”, “स्टेशन पर जाएँ”, “सहेजें”, “साझा करें” या “पसंदीदा में जोड़ें” जैसी क्रियाएँ प्रस्तुत की जाती हैं।

हर कार्ड पर सभी कार्रवाइयाँ दिखाना आवश्यक नहीं है। कार्रवाइयाँ उस क्षण उपयोगकर्ता द्वारा बनाए गए परिणाम के अनुसार चुनी जाती हैं।

साझा करने योग्य कार्ड भी सामग्री के दायरे के साथ संभाले जाते हैं। उपयोगकर्ता के घर का पता या निजी शुरुआती बिंदु जैसी जानकारी को साझा करने का स्वाभाविक या अनिवार्य हिस्सा नहीं माना जाता। उपयोगकर्ता को दिखना चाहिए कि वह कौन-सी सामग्री साझा कर रहा है।

6.10 सक्रिय सुझाव और सूचनाएँ

6.10.1 ज़रूरत पड़ने पर सार्थक सहायता देना

संबंधित डेटा उपलब्ध होने पर eBattery AI उपयोगकर्ता के पूछे बिना भी महत्वपूर्ण बदलावों को सामने ला सकता है।

इस दायरे में सक्रिय यात्रा के दौरान स्टेशन की स्थिति बदलना, ट्रैफ़िक का स्पष्ट प्रभाव, या अपडेट की गई बैटरी जानकारी के आधार पर चार्जिंग योजना का पुनर्मूल्यांकन शामिल हैं।

सक्रिय सहायता का उद्देश्य उपयोगकर्ता की समय पर मदद करना है। हर डेटा परिवर्तन से सूचना नहीं बनती; यह देखा जाता है कि जानकारी का चालू यात्रा से क्या संबंध है और क्या उस पर कार्रवाई की ज़रूरत है।

6.10.2 सूचना का मूल्यांकन उस डेटा के साथ करना जिस पर वह आधारित है

कम बैटरी चेतावनी का अर्थ डेटा के स्रोत पर निर्भर करता है।

यदि वाहन से मौजूदा बैटरी स्तर मिल सकता है, तो मापे गए मान का उपयोग किया जा सकता है। यदि उपयोगकर्ता ने शुरुआत में इसे मैन्युअल रूप से दर्ज किया था, तो यात्रा के दौरान गणना किया गया मान अनुमान होता है। सूचना की भाषा इस अंतर को बनाए रखती है।

इसी तरह, किसी पसंदीदा स्टेशन के मूल्य लाभ के बारे में सुझाव देने के लिए वर्तमान टैरिफ और उपयोगकर्ता पर लागू होने वाली शर्तों की जानकारी होना आवश्यक है। रखरखाव अनुस्मारक को उपयोगकर्ता द्वारा सहेजी गई तारीख या किसी उपयुक्त डेटा स्रोत से जोड़ा जाता है।

यह दृष्टिकोण सुनिश्चित करता है कि सक्रिय सुझाव उपलब्ध डेटा के दायरे के अनुरूप रहें।

6.10.3 सूचना की आवृत्ति और उपयोगकर्ता की प्राथमिकताएँ

सूचनाओं का प्रबंधन उनके महत्व और संदर्भ के अनुसार किया जाता है। किसी सक्रिय यात्रा की व्यवहार्यता को प्रभावित करने वाले बदलाव की प्राथमिकता सामान्य उपयोग सुझाव के बराबर नहीं होती।

उपयोगकर्ता अपनी सूचना प्राथमिकताओं को प्रबंधित कर सकते हैं। एक ही घटना के लिए दोहराए गए संदेशों को कम करना, अमान्य हो चुकी सूचनाओं को न दिखाना और सुझाव को सही योजना की ओर निर्देशित करना अनुभव का हिस्सा हैं।

स्थान और बैकग्राउंड कार्य उपयोगकर्ता की अनुमतियों के साथ और मोबाइल ऑपरेटिंग सिस्टम की कार्य-शर्तों के भीतर चलते हैं। यात्रा के दौरान दी जाने वाली जानकारी संक्षिप्त और कार्रवाई-केंद्रित रखी जाती है; विवरण संबंधित स्क्रीन पर देखे जा सकते हैं।

6.11 विश्वास और त्रुटि प्रबंधन

6.11.1 जानकारी की प्रकृति को दृश्यमान बनाना

eBattery AI का भरोसे का दृष्टिकोण इस पर बना है कि परिणाम किस जानकारी पर आधारित हैं, यह समझा जा सके।

उपयोगकर्ता द्वारा दर्ज बैटरी स्तर, ऑपरेटर से प्राप्त सॉकेट की स्थिति, मानचित्र सेवा का समय अनुमान और AI की व्याख्या अलग-अलग प्रकार की जानकारी हैं। यह अंतर सुझाव का सही मूल्यांकन करना संभव बनाता है।

जनरेटिव AI प्रणालियाँ असमर्थित जानकारी को भी विश्वसनीय लगने वाली भाषा में प्रस्तुत कर सकती हैं। NIST की जनरेटिव AI जोखिम प्रोफ़ाइल भी इस व्यवहार को संबोधित करती है। eBattery का डेटा-आधारित गणना और सत्यापन दृष्टिकोण इस तरह डिज़ाइन किया गया है कि ऐप के निर्णयों पर ऐसी त्रुटियों का प्रभाव कम हो।

यह दृष्टिकोण विशेष रूप से स्थान, स्टेशन की स्थिति, कीमत और ऊर्जा गणना में महत्वपूर्ण है। सहज और प्रवाहपूर्ण स्पष्टीकरण को सत्यापित डेटा के स्थान पर उपयोग नहीं किया जाता।

6.11.2 डेटा के अभाव में स्पष्ट और सुसंगत व्यवहार करना

किसी डेटा स्रोत के उत्तर न देने का अर्थ यह नहीं कि ऐप के सभी कार्य एक साथ रुक जाएँ। सिस्टम यह आँकता है कि उपलब्ध डेटा से कौन-सा परिणाम दिया जा सकता है।

उदाहरण के लिए, यदि स्टेशन का स्थान और सॉकेट जानकारी उपलब्ध है लेकिन उसकी लाइव स्थिति नहीं मिल पा रही, तो स्टेशन खोज जारी रह सकती है, जबकि उपलब्धता की जानकारी अज्ञात के रूप में दिखाई जाती है।

इसी तरह, जब भाषा मॉडल अस्थायी रूप से उत्तर नहीं दे पाता, तो गणना सेवा से मिला मान्य मार्ग परिणाम इस तरह विश्लेषित किया जाता है कि उसे एक मानक कार्ड और संक्षिप्त स्पष्टीकरण के साथ प्रस्तुत किया जा सके।

जहाँ अंतिम ज्ञात डेटा इस्तेमाल होता है, वहाँ ताज़गी बनाए रखी जाती है। कैश से दिखाई गई पुरानी स्थिति को अभी मिली लाइव जानकारी की तरह प्रस्तुत नहीं किया जाता।

6.11.3 प्राधिकरण, गोपनीयता और बाहरी सामग्री की सुरक्षा

AI परत को जिस डेटा की आवश्यकता होती है, उसे किए जाने वाले कार्य के दायरे तक सीमित रखा जाता है। किसी स्टेशन की सिफ़ारिश का कारण समझाने के लिए उपयोगकर्ता का पूरा संदेश इतिहास या भुगतान जानकारी मॉडल को देना आवश्यक नहीं है।

स्थान, यात्रा योजना और उपयोगकर्ता प्राथमिकताएँ एक्सेस नियंत्रण के तहत संभाली जाती हैं। ऐप की लेन-देन अनुमतियाँ भाषा मॉडल के मुक्त पाठ निर्माण से स्वतंत्र रूप से सत्यापित की जाती हैं।

बाहरी स्रोतों से आए विवरण और उपयोगकर्ता समीक्षाएँ भी डेटा के रूप में संसाधित की जाती हैं। इस सामग्री में मौजूद निर्देशों को ऐप के लेनदेन नियम बदलने की अनुमति न देना आर्किटेक्चर के सुरक्षा सिद्धांतों में से एक है।

भुगतान या आरक्षण जैसे भविष्य के लेन-देन प्रवाहों में भी AI का सुझाव और लेन-देन का निष्पादन अलग-अलग चरण हैं। उपयोगकर्ता को लेन-देन का दायरा दिखाया जाता है और संबंधित अनुमोदन प्रवाह बना रहता है।

6.11.4 त्रुटियों से मापने योग्य तरीके से सीखना

विश्वसनीयता के लिए वास्तविक उपयोग परिदृश्यों का नियमित मूल्यांकन आवश्यक है।

वाहन से असंगत स्टेशन, अनुपलब्ध कीमत, बदला हुआ बैटरी इनपुट, कनेक्शन में रुकावट या देर से पूरा होने वाला पुराना रूट अनुरोध जैसी स्थितियाँ वे परीक्षण परिदृश्य हैं जो तय करते हैं कि सिस्टम को कैसे व्यवहार करना चाहिए।

उपयोगकर्ता प्रतिक्रिया भी इस प्रक्रिया में योगदान देती है। गलत स्टेशन जानकारी पर किया गया चुनाव और अपेक्षा पूरी न करने वाला चुनाव एक ही प्रकार की त्रुटि नहीं हैं। प्रतिक्रिया को संबंधित डेटा और निर्णय चरण से मिलाने से सही घटक को बेहतर बनाने में मदद मिलती है।

भरोसे का दृष्टिकोण परिणामों को केवल "सफल" या "असफल" गिनने से आगे जाता है; यह त्रुटि के स्रोत और उपयोगकर्ता पर उसके प्रभाव को समझने पर आधारित है।

6.12 मॉडल-स्वतंत्र अवसंरचना और प्रदर्शन लक्ष्य

6.12.1 उत्पाद तर्क को मॉडल प्रदाता से स्वतंत्र रखना

eBattery AI का बुनियादी ढाँचा ऐसे दृष्टिकोण पर आधारित है जो उत्पाद के मुख्य कार्यों को किसी एक भाषा मॉडल की विशेषताओं से नहीं जोड़ता।

वाहन प्रोफ़ाइल, स्टेशन डेटा, रूट गणना और उपयोगकर्ता प्राथमिकताएँ ऐप की अपनी सेवाओं में प्रबंधित होती हैं। भाषा मॉडल इन सेवाओं से परिभाषित कार्यों और डेटा अनुबंधों के माध्यम से जुड़ते हैं।

यह संरचना GPT और Gemini जैसे विभिन्न मॉडल परिवारों, या भविष्य में विकसित होने वाले विकल्पों, का मूल्यांकन करने की सुविधा देती है। मॉडल बदलने पर वाहन–स्टेशन संगतता जैसे बुनियादी नियमों को दोबारा लिखने की ज़रूरत नहीं पड़नी चाहिए।

मॉडल का चयन भाषा की गुणवत्ता, संरचित आउटपुट की सटीकता, कार्य की सफलता, विलंबता, लागत और डेटा प्रसंस्करण की शर्तों के आधार पर किया जाता है। केवल प्रदाता का नाम उत्पाद की गुणवत्ता का पैमाना नहीं माना जाता।

6.12.2 कार्य के अनुरूप मॉडल और सेवा का उपयोग

हर उपयोगकर्ता अनुरोध के लिए समान प्रोसेसिंग भार की आवश्यकता नहीं होती। एक छोटे इरादे के वर्गीकरण और एक विस्तृत यात्रा-वर्णन की ज़रूरतें अलग होती हैं।

अवसंरचना इस तरह डिज़ाइन की जाती है कि कार्यों को इस अंतर के अनुसार निर्देशित किया जा सके। जो काम गणना सेवाएँ सीधे हल कर सकती हैं, वे उन्हीं सेवाओं में किए जाते हैं; जिन चरणों में सामान्य भाषा की व्याख्या और विवरण चाहिए, वहाँ उपयुक्त मॉडल इस्तेमाल होता है।

प्रदर्शन को समर्थन देने वाले आर्किटेक्चर दृष्टिकोण में ये तत्व शामिल हैं:

  • एक-दूसरे से स्वतंत्र डेटा कॉल को उपयुक्त स्थितियों में एक साथ चलाना।

  • धीमी गति से बदलने वाली वाहन जानकारी की नियंत्रित कैशिंग।

  • उपलब्धता और कीमत जैसे बदलते डेटा पर नवीनता के नियम लागू करना।

  • उपयोगकर्ता का अनुरोध बदलने पर अमान्य खातों को रद्द करना।

  • लंबे संचालनों को इंटरफ़ेस को रोके बिना पृष्ठभूमि में चलाना।

  • परिणाम के तैयार हिस्सों को उसकी अखंडता बनाए रखते हुए चरणबद्ध रूप से प्रस्तुत करना।

मानचित्र और ट्रैफ़िक सेवाओं में भी प्रतिक्रिया समय और गणना के विवरण के बीच समझौते होते हैं। Google Routes API ट्रैफ़िक मूल्यांकन के लिए अलग-अलग विकल्प परिभाषित करता है और बताता है कि अधिक व्यापक खोज अधिक विलंब पैदा कर सकती है। eBattery का प्रदर्शन दृष्टिकोण ऐसे बाहरी सेवाओं के व्यवहार को समग्र उपयोगकर्ता अनुभव के भीतर आँकता है।

6.12.3 प्रदर्शन लक्ष्यों को परिभाषित करना

eBattery AI में प्रदर्शन का मूल्यांकन उस अनुभव के आधार पर किया जाता है जो उपयोगकर्ता के अनुरोध भेजने से लेकर उपयोगी परिणाम तक पहुँचने के बीच होता है।

पहले उत्तर का शुरू होना और रूट प्लान का पूरा होना अलग-अलग माप हैं। लोडिंग एनिमेशन दिखाने को सार्थक AI उत्तर के शुरू होने के बराबर नहीं माना जाता।

प्रदर्शन क्षेत्र डिज़ाइन का उद्देश्य मापन दृष्टिकोण
AI प्रतिक्रिया का शुरू होना सामान्य परिस्थितियों में पहली सार्थक प्रतिक्रिया धारा को 2 सेकंड से कम में शुरू करना अनुरोध भेजे जाने से लेकर उपयोगकर्ता को दिखने वाली पहली सार्थक सामग्री तक लगने वाला समय
मानक रूट बनाना समर्थित सामान्य परिदृश्यों में जहाँ तक संभव हो, उपयोग योग्य मार्ग परिणाम 5 सेकंड से कम में देना अनुरोध से लेकर रूट और बुनियादी चार्जिंग योजना तैयार होने तक का समय
स्क्रीन ट्रांज़िशन गणना चलते समय इंटरैक्शन और प्रवाह बनाए रखना लॉन्च में देरी और इंटरफ़ेस का अटकना
पुनर्गणना सार्थक बदलावों को उचित समय में योजना में दर्शाना अपडेट प्राप्त होने से लेकर नया विकल्प तैयार होने तक का समय
जटिल यात्रा योजनाएँ प्रगति को दिखाते रखकर चरणबद्ध परिणाम देना पहला उपयोगी परिणाम और पूरी योजना के समय

ये मान इंजीनियरिंग लक्ष्य हैं। वास्तविक परिणाम नेटवर्क स्थितियों, डेटा प्रदाताओं, मार्ग की लंबाई, पड़ावों की संख्या और योजना की जटिलता के अनुसार मापे जाते हैं।

केवल एक औसत मान पूरे अनुभव को नहीं बताता। सामान्य उपयोगकर्ता अनुभव के साथ-साथ, धीमे रहने वाले अनुरोधों को देखने के लिए माध्यिका और 95वें प्रतिशतक जैसे माप भी ट्रैक किए जाते हैं। इससे यह अंतर दिखाई देता है कि सिस्टम अधिकांश उपयोगकर्ताओं के लिए तेज़ चलता है जबकि कुछ उपयोगकर्ताओं को लंबा इंतज़ार करना पड़ता है।

6.12.4 गति के साथ सटीकता और उपयोगिता को मापना

प्रदर्शन मूल्यांकन में प्रतिक्रिया समय के साथ-साथ परिणाम की गुणवत्ता भी शामिल है।

मूल्यांकन के मुख्य क्षेत्र ये हैं:

  • वाहन के अनुकूल स्टेशन चुनने की सटीकता।

  • ऊर्जा और बैटरी प्रतिशत की गणनाओं की एकरूपता।

  • उपयोगकर्ता द्वारा तय किए गए पड़ाव क्रम का पालन।

  • ताज़ा डेटा और पुराने डेटा के बीच अंतर बनाए रखना।

  • विवरण पाठ का परिणाम कार्ड के मानों से मेल खाना।

  • परिणाम कार्ड का सही योजना और स्क्रीन खोलना।

  • उपयोगकर्ता के बदलावों को सही संस्करण पर लागू करना।

  • अलग-अलग भाषाओं में एक ही अनुरोध की सुसंगत समझ।

वास्तविक डेटा उपलब्ध होने पर अनुमानित आगमन समय की तुलना खपत और चार्जिंग समय के देखे गए नतीजों से की जाती है। ये तुलनाएँ बताती हैं कि किन क्षेत्रों, वाहन प्रोफ़ाइलों या उपयोग परिस्थितियों में सुधार की ज़रूरत है।

मॉडल अपडेट को भी उसी मूल्यांकन अनुशासन से संभाला जाता है। किसी नए मॉडल का अधिक सहज बोलना यह नहीं दर्शाता कि वह रूट स्पष्टीकरणों में अधिक सटीक है। वर्तमान कार्यों में उसका प्रदर्शन, संरचित परिणाम और ऐप के भीतर की क्रियाओं से तालमेल साथ-साथ जाँचे जाते हैं।

6.12.5 बढ़ती क्षमताओं के लिए साझा आधार

मॉडल-स्वतंत्र संरचना eBattery AI को उत्पाद के विकसित होने के साथ नए डेटा और सेवाओं के साथ विस्तार करने में सहायता देती है।

सीधे वाहन से मिलने वाला डेटा, ऊर्जा मॉडल में मौसम की स्थितियों को शामिल करना, उपयोगकर्ता की पसंद से सीखने वाले सुझाव और अधिक व्यापक भौगोलिक कवरेज वाली यात्रा योजनाएँ, सभी एक ही गणना और संदर्भ संरचना से जुड़ी होती हैं।

जैसे-जैसे चार्जिंग-भुगतान, EV मार्केट, मोबाइल चार्जिंग सहायता और अन्य सेवाएँ शुरू होती हैं, वैसे-वैसे असिस्टेंट जिन कार्यों में मार्गदर्शन कर सकता है, वे भी बढ़ते हैं। प्रत्येक नई सुविधा को संबंधित सेवा के वास्तविक दायरे, डेटा और उपयोगकर्ता की स्वीकृति के साथ संभाला जाता है।

इस विकास के दौरान सहायक का उपयोगकर्ता के साथ बना संबंध बना रहता है: ज़रूरत को समझना, उपयुक्त डेटा का उपयोग करना, विकल्पों के परिणाम समझाना और उपयोगकर्ता द्वारा चुनी गई कार्रवाई को ऐप के भीतर आसान बनाना।

eBattery में खोजें

कोई फ़ीचर, गाइड या विषय खोजें।

शुरुआती बिंदुचार्जिंग स्टेशन ढूँढना →नमूना RWA परियोजना →गाइड और समाचार →