6. ชั้นปัญญาประดิษฐ์ - eBattery AI

การเดินทางด้วยรถยนต์ไฟฟ้าต้องตัดสินใจหลายเรื่องที่เกี่ยวข้องกัน ระยะทางที่จะไป ระดับแบตเตอรี่ปัจจุบัน การใช้พลังงานของรถ สภาพถนน ตำแหน่งสถานีชาร์จ และตารางเวลาของผู้ขับขี่ ล้วนเป็นส่วนหนึ่งของการเดินทางเดียวกัน เมื่อตัวแปรหนึ่งเปลี่ยน การตัดสินใจอื่นก็อาจได้รับผลกระทบ เส้นทางที่ดูสั้นกว่าอาจกลายเป็นการเดินทางที่ยาวขึ้นหากไม่มีโครงสร้างพื้นฐานการชาร์จที่เหมาะสม สถานีที่มีกำลังสูงกว่าอาจไม่ให้ข้อได้เปรียบด้านเวลาตามที่คาดหากกำลังชาร์จที่รถรับได้มีจำกัด

eBattery AI อยู่ที่ศูนย์กลางของแอปเพื่อประเมินการตัดสินใจเหล่านี้ร่วมกันและมอบแผนการเดินทางที่เข้าใจง่ายแก่ผู้ใช้ ผู้ใช้สามารถบอกสิ่งที่ต้องการทำด้วยภาษาธรรมชาติ และ eBattery AI จะแปลงคำขอนั้นเป็นตัวเลือกที่นำไปใช้ได้จริง โดยอาศัยโปรไฟล์รถ แผนที่ เส้นทาง และข้อมูลสถานีที่เข้าถึงได้

ประสบการณ์สำหรับผู้ใช้นั้นเรียบง่าย เพียงพูดว่า “ฉันอยากไปอิซมีร์” “วางแผนทริปสองวันสำหรับวันหยุดสุดสัปดาห์” หรือ “หาสถานีชาร์จที่เหมาะสมใกล้ฉัน” ก็เริ่มต้นได้แล้ว เบื้องหลังนั้น คำขอแต่ละรายการต้องจับคู่กับแหล่งข้อมูล การคำนวณ และฟังก์ชันของแอปที่แตกต่างกัน หน้าที่ของ eBattery AI คือจัดการความซับซ้อนทางเทคนิคนี้ ขณะเดียวกันก็เปิดเผยเหตุผลของการตัดสินใจให้ผู้ใช้เห็นอย่างชัดเจน

หัวใจของแนวทางนี้คือ ความชัดเจน ความสามารถในการคำนวณ และการควบคุมโดยผู้ใช้ อยู่ด้วย ผู้ช่วยต้องอธิบายได้ว่าทำไมเส้นทางที่แนะนำจึงเหมาะสม สร้างการคำนวณระยะทางและการชาร์จด้วยวิธีที่สม่ำเสมอ และผู้ใช้ต้องสามารถปรับแผนให้ตรงกับความต้องการของตนได้

แชต AI การวางแผนเส้นทางและทริปของผลิตภัณฑ์ปัจจุบันเป็นแกนหลักของโครงสร้างนี้ ข้อมูลนำเข้า เช่น ข้อมูลสถานีแบบเรียลไทม์ ราคา และการจราจร ทำงานร่วมกับขอบเขตของแหล่งข้อมูลที่เกี่ยวข้อง ส่วนการคาดการณ์ที่เสริมด้วยสภาพอากาศ การเชื่อมต่อกับรถโดยตรง และการปรับให้เหมาะกับแต่ละบุคคลโดยเรียนรู้จากพฤติกรรม เป็นความสามารถที่ขยายเพิ่มขึ้นทีละขั้นบนสถาปัตยกรรมเดียวกัน

6.1 แนวทางผู้ช่วยส่วนกลาง

6.1.1 รวมฟังก์ชันต่างๆ ของแอปไว้ในบริบทเดียวกัน

eBattery AI คือผู้ช่วยกลางที่ช่วยลดความจำเป็นที่ผู้ใช้ต้องให้ข้อมูลเดิมซ้ำแล้วซ้ำเล่าเมื่อเคลื่อนที่ไปมาระหว่างส่วนต่าง ๆ ของแอป การค้นหาสถานีที่เริ่มบนแผนที่สามารถปรับรายละเอียดต่อได้ในแชต เส้นทางที่สร้างระหว่างแชตสามารถตรวจดูได้ในหน้าจอเส้นทาง และทริปที่วางแผนไว้สามารถแก้ไขพร้อมวันและจุดแวะในโมดูลทริป

ในประสบการณ์นี้ รถ การเดินทาง และการตั้งค่าของผู้ใช้เป็นบริบทร่วมกัน ตัวอย่างเช่น เมื่อผู้ใช้ที่เลือกรถที่บันทึกไว้แล้วพูดว่า “แสดงสถานีที่เหมาะสมใกล้ฉัน” ระบบไม่ต้องถามรุ่นรถซ้ำทุกครั้ง คำขอจะถูกประเมินร่วมกับรถที่เลือกและข้อมูลตำแหน่งที่ผู้ใช้เลือกแชร์

แนวทางแบบรวมศูนย์ยังช่วยให้จุดเข้าใช้งานต่าง ๆ ของแอปเข้าถึงตรรกะการตัดสินใจเดียวกัน การค้นหาจุดชาร์จที่ผู้ใช้เริ่มจากแผนที่ กับการค้นหาผ่าน AI Chat ควรให้ผลลัพธ์ที่สอดคล้องกัน เมื่อใช้รถคันเดียวกัน ค่ากำหนดเดียวกัน และข้อมูลล่าสุดชุดเดียวกัน

ด้วยวิธีนี้ โมดูลต่าง ๆ ของ eBattery จึงไม่ได้เชื่อมกันเพียงด้วยการเปลี่ยนหน้าจอ แต่งานที่ผู้ใช้ต้องการทำก็ยังคงอยู่ต่อเนื่อง

6.1.2 การแปลงเจตนาของผู้ใช้เป็นการดำเนินการในแอป

ผู้คนมักไม่ได้บอกความต้องการเป็นพารามิเตอร์ทางเทคนิค ประโยคอย่าง “อีกสองชั่วโมงจะออกเดินทาง” “ไปกับเด็ก ๆ อยากได้แผนที่สบายขึ้น” หรือ “ไม่อยากอ้อมไปไกลเพื่อชาร์จ” มีหลายความต้องการอยู่ในประโยคเดียว

eBattery AI แปลงถ้อยคำเหล่านี้ให้เป็นข้อมูลที่ใช้ในการวางแผนได้ เมื่อจำเป็น ระบบจะเติมรายละเอียดที่ขาดหายไป เช่น จุดเริ่มต้น จุดหมายปลายทาง ระดับแบตเตอรี่ หรือลำดับความสำคัญด้านเวลา คำถามจะมุ่งเน้นเฉพาะประเด็นที่ส่งผลต่อผลลัพธ์ที่จะสร้างขึ้นจริง ๆ

ตัวอย่างเช่น เมื่อมีคำขอว่า “ฉันอยากไปจากอิสตันบูลถึงอิซเมียร์” หากทราบรถที่บันทึกไว้และตำแหน่งเริ่มต้นอยู่แล้ว ระบบอาจถามผู้ใช้เพียงระดับแบตเตอรี่ปัจจุบันและความต้องการสำหรับการเดินทาง เมื่อผู้ใช้บอกว่า “ใช้ทางด่วนได้ ขอให้เวลารวมสั้น ๆ” ข้อมูลนี้จะถูกเพิ่มเข้าไปในคำขอเส้นทาง

แนวทางนี้เชื่อมภาษาธรรมชาติเข้ากับฟังก์ชันของแอป ผู้ใช้สามารถบอกสิ่งที่ต้องการได้โดยไม่ต้องเรียนรู้โครงสร้างทางเทคนิคของเมนู จากนั้นระบบจะนำคำขอไปสู่การคำนวณและขั้นตอนหน้าจอที่เกี่ยวข้อง

6.1.3 เติมเต็มคำแนะนำด้วยการควบคุมของผู้ใช้

สามารถตรวจสอบและแก้ไขแผนที่ eBattery AI นำเสนอได้ ผู้ใช้สามารถเปลี่ยนสถานีที่แนะนำ เพิ่มจุดแวะพัก ลบพิพิธภัณฑ์ออกจากโปรแกรมทริป หรือขอเส้นทางที่มีค่าใช้จ่ายต่ำกว่า

ผู้ช่วยจะเชื่อมโยงการเปลี่ยนแปลงเหล่านี้กับส่วนอื่นของแผน การนำจุดแวะออกไม่ได้ทำให้รายการเที่ยวสั้นลงเท่านั้น แต่ยังอาจเปลี่ยนระยะทางต่อวัน เวลาถึง และความต้องการชาร์จด้วย การแก้ไขของผู้ใช้จะได้รับการประเมินโดยคงความสัมพันธ์เหล่านี้ไว้

แผนเป็นของผู้ใช้ AI ทำให้ตัวเลือกมองเห็นได้ ช่วยให้การคำนวณง่ายขึ้น และอธิบายผลของแต่ละทางเลือก ส่วนวัตถุประสงค์ จังหวะ และต้นทุนที่ยอมรับได้ของการเดินทางเป็นสิ่งที่ผู้ใช้กำหนดเอง

6.2 AI Chat: ประสบการณ์เริ่มต้น อวาตาร์ การสตรีม ความจำบริบท

6.2.1 ประสบการณ์เมื่อเปิดแอป: แสดงให้เห็นทันทีว่าทำอะไรได้บ้าง

หน้าจอเปิดของ AI Chat แสดงความสามารถหลักของผู้ช่วยให้ผู้ใช้เห็นโดยตรง ผู้ใช้เริ่มสนทนาด้วยข้อความอิสระ หรือเลือกใช้ตัวเลือกเริ่มต้นที่เตรียมไว้ก็ได้

ตัวเลือกเริ่มต้น เป้าหมายของผู้ใช้ ขั้นตอนที่เริ่มต้นแล้ว
วางแผนเส้นทาง การเดินทางไปยังจุดหนึ่งด้วยรถ สร้างเส้นทางตามจุดเริ่มต้น ปลายทาง รถ และความต้องการชาร์จ
วางแผนทริป สำรวจภูมิภาคหนึ่งภายในเวลาที่กำหนด การจัดทำโปรแกรมรายวันตามความสนใจและเวลา
แนะนำสถานีที่ใกล้ที่สุด การเดินทางไปถึงจุดชาร์จที่เหมาะสม การสร้างคำแนะนำจากตำแหน่ง ความเข้ากันได้ของรถ และข้อมูลสถานีที่เข้าถึงได้
ประสิทธิภาพของฉัน ทำความเข้าใจข้อมูลการใช้งาน การเปลี่ยนไปสู่การประเมินการใช้พลังงานและการใช้งานจากบันทึกที่มีอยู่

ตัวเลือกเหล่านี้ลดความไม่แน่นอนในการโต้ตอบครั้งแรก ผู้ใช้ไม่ต้องเดาว่าจะถามผู้ช่วยอะไรได้บ้าง แอปมีจุดเริ่มต้นที่เกี่ยวข้องกับความต้องการ EV ในชีวิตประจำวันให้

เมื่อบทสนทนาดำเนินไป การดำเนินการที่เหมาะกับบริบทจะเข้ามาแทนที่ตัวเลือกเริ่มต้น หลังจากสร้างเส้นทางแล้ว การดำเนินการอย่าง “เปิดเส้นทาง” จะเด่นขึ้น และหลังจากแนะนำสถานี ก็จะเป็น “ไปที่สถานี”

6.2.2 อวตาร: ตัวตนทางภาพของผู้ช่วย

เอกลักษณ์ทางภาพของ AI Chat คืออวตารหุ่นยนต์แบบเคลื่อนไหว ก่อนเริ่มการสนทนา อวตารจะอยู่กลางหน้าจอ และด้วยการเคลื่อนไหวเบา ๆ กับเอฟเฟกต์แสง ทำให้ดูพร้อมโต้ตอบ

เมื่อส่งข้อความแรก อวตารจะเล็กลงและย้ายไปอยู่ข้างข้อความของผู้ช่วย ทำให้จุดสนใจของหน้าจอเปลี่ยนจากประสบการณ์เริ่มต้นมาสู่การสนทนาอย่างเป็นธรรมชาติ พื้นที่มากขึ้นจะเปิดให้กับสิ่งที่ผู้ใช้พิมพ์ คำตอบของผู้ช่วย และการ์ดผลลัพธ์ที่สร้างขึ้น

อวาตาร์ยังช่วยให้แยกแยะข้อความที่สร้างโดย AI ได้ด้วยภาพ ตัวตนนี้สร้างประสบการณ์ผู้ช่วยที่แตกต่างและสอดคล้องกัน แยกจากการส่งข้อความของชุมชนในแอป

หน้าที่ของการเคลื่อนไหวและเอฟเฟกต์ภาพคือการนำทางผู้ใช้และทำให้เข้าใจสถานะของระบบ ความอ่านง่ายและการโต้ตอบมาเป็นอันดับแรก แอนิเมชันจะไม่บดบังข้อมูลสำคัญ

6.2.3 Streaming: การส่งคำตอบแบบต่อเนื่อง

eBattery AI แสดงคำตอบที่เหมาะสมแบบสตรีม ผู้ใช้ไม่ต้องรอให้คำอธิบายยาว ๆ เสร็จสมบูรณ์ แต่เห็นคำตอบค่อย ๆ เกิดขึ้นทีละขั้น

ในประสบการณ์นี้ สองกระบวนการที่ต่างกันถูกแยกออกจากกัน คือการเขียนคำอธิบายและการคำนวณแผน การที่ผู้ช่วยเริ่มสร้างข้อความไม่ได้หมายความว่าการคำนวณเส้นทางเสร็จสิ้นแล้ว การ์ดเส้นทาง สถานี หรือทริปจะแสดงเมื่อข้อมูลและการคำนวณที่เกี่ยวข้องพร้อม

ตัวอย่างเช่น ระบบอาจแสดงก่อนว่าเข้าใจคำขอแล้ว จากนั้นแชร์ความคืบหน้าขณะเตรียมตัวเลือกเส้นทาง เมื่อการคำนวณเสร็จสิ้น จะแสดงตัวอย่างแผนที่และจุดแวะชาร์จ วิธีนี้ทำให้ได้รับผลตอบกลับรวดเร็ว ขณะที่ยังคงความสมบูรณ์ของผลลัพธ์ไว้

หากผู้ใช้เปลี่ยนคำขอระหว่างขั้นตอน จะยึดคำขอใหม่เป็นหลัก ผลลัพธ์ที่มาช้าของคำขอก่อนหน้าไม่ควรมาแทนที่แผนปัจจุบัน ซึ่งสำคัญโดยเฉพาะในการสนทนาที่มีการเปลี่ยนจุดแวะหรือตัวเลือกเส้นทางต่อเนื่องกัน

6.2.4 Context Memory: รักษาความหมายของบทสนทนา

หน่วยความจำบริบทช่วยให้เข้าใจบทสนทนาที่ดำเนินอยู่ควบคู่ไปกับขั้นตอนก่อนหน้า

เมื่อผู้ใช้พูดก่อนว่า “ฉันจะไปจากอิสตันบูลไปอิซมีร์” แล้วพิมพ์ต่อว่า “วางแผนขากลับด้วย” ผู้ช่วยจะเชื่อมโยงคำขอที่สองกับการเดินทางแรก ข้อความอย่าง “ทำให้ประหยัดขึ้น” ก็จะนำไปใช้กับเส้นทางหรือแผนการเดินทางที่กำลังคุยกันอยู่

บริบทแบ่งการพิจารณาเป็นสามระดับ:

  • บริบทแชท: ข้อมูลที่ให้และการเปลี่ยนแปลงที่ทำระหว่างการสนทนา

  • บริบทของแผนที่ใช้งานอยู่: เส้นทาง ทริป หรือสถานีที่เลือกที่กำลังแก้ไขอยู่

  • ค่ากำหนดของผู้ใช้ที่บันทึกไว้: รถที่เลือกและการตั้งค่าที่ผู้ใช้กำหนดไว้ถาวร

การแยกส่วนนี้ป้องกันไม่ให้ความต้องการชั่วคราวถูกตีความเป็นนิสัยถาวร การที่ผู้ใช้พูดในการเดินทางครั้งหนึ่งว่า "วันนี้เลี่ยงทางด่วนกันเถอะ" ไม่ได้หมายความว่าการเดินทางในอนาคตทั้งหมดจะถูกวางแผนแบบเดียวกัน

ในทำนองเดียวกัน ระดับแบตเตอรี่ที่ป้อนไว้ในการสนทนาครั้งก่อนไม่สามารถนำมาใช้เป็นข้อมูลรถปัจจุบันของวันถัดไปได้ การจดจำบริบทจึงต้องมีการจัดการความถูกต้องของข้อมูลตามกาลเวลาด้วย

6.3 สถาปัตยกรรมแบบชั้น: ชั้นการตัดสินใจตามกฎและชั้น LLM

6.3.1 การแยกบทบาทของการคำนวณและการเล่าอธิบาย

สถาปัตยกรรมของ eBattery AI สร้างขึ้นบนแนวคิดที่ว่างานที่แตกต่างกันควรแก้ด้วยวิธีที่แตกต่างกัน

การคำนวณระยะทางวิ่ง ความต้องการพลังงาน ความเข้ากันได้ของยานพาหนะกับสถานี และการประเมินตัวเลือกเส้นทาง ดำเนินการในชั้นการตัดสินใจ ซึ่งทำงานด้วยฟิลด์ข้อมูลและกฎการคำนวณที่กำหนดไว้ ส่วนการทำความเข้าใจคำขอภาษาธรรมชาติของผู้ใช้และการอธิบายผลลัพธ์เป็นหน้าที่ของโมเดลภาษาขนาดใหญ่ หรือชั้น LLM

การแยกส่วนนี้เชื่อมโยงฐานตัวเลขของคำแนะนำเข้ากับวิธีอธิบายคำแนะนำนั้น เมื่อผู้ช่วยบอกว่า “สถานีนี้เหมาะสมกว่า” เหตุผลควรมาจากข้อมูลที่ชั้นการคำนวณสร้างขึ้น ค่าระยะทาง เวลา และพลังงานที่ใช้ในคำอธิบายอิงแหล่งเดียวกันกับค่าบนการ์ดผลลัพธ์

องค์ประกอบทางสถาปัตยกรรม ความรับผิดชอบหลัก ผลลัพธ์ที่สร้างขึ้น
ชั้นข้อมูลและการเชื่อมต่อ การจัดระเบียบข้อมูลที่มาจากรถ แผนที่ สถานี และแหล่งอื่น ๆ ข้อมูลนำเข้าที่กำหนดแหล่งที่มาและความทันสมัยไว้
การจัดการคำขอและบริบท การรวมคำขอของผู้ใช้ รถที่เลือก และแผนที่ใช้งานอยู่เข้าด้วยกัน คำขอวางแผนแบบมีโครงสร้าง
ชั้นการตัดสินใจตามกฎ การตรวจสอบความเข้ากันได้ การคำนวณพลังงาน และการประเมินตัวเลือก ตัวเลือกเส้นทางและแผนการชาร์จ
เลเยอร์ LLM การตีความภาษาธรรมชาติและการอธิบายผลลัพธ์ที่คำนวณได้ คำอธิบายที่เหมาะกับผู้ใช้
ชั้นการตรวจสอบและการดำเนินการ การตรวจสอบความสอดคล้องของผลลัพธ์และสิทธิ์ในการทำธุรกรรม การ์ดที่แสดงได้และขั้นตอนที่ดำเนินการได้
ชั้นประสบการณ์ การแสดงแชท การ์ด และการเปลี่ยนหน้าจอ ประสบการณ์ผู้ใช้ภายในแอป

6.3.2 ขอบเขตของชั้นการตัดสินใจตามกฎ

แนวทางที่อิงกฎหมายถึงความสามารถในการสร้างผลการคำนวณซ้ำได้อย่างสอดคล้องกันสำหรับสแนปช็อตข้อมูลเดียวกันและกฎเวอร์ชันเดียวกัน

ชั้นนี้คำนวณพลังงานแบตเตอรี่ที่ใช้งานได้ ประเมินพลังงานที่ต้องใช้ในแต่ละช่วงของเส้นทาง คัดสถานีที่เข้ากันไม่ได้กับรถออก และเปรียบเทียบตัวเลือกที่เหมาะสมตามเกณฑ์ที่กำหนด รวมถึงพิจารณาความชอบด้านเส้นทางที่ผู้ใช้เลือกและแบตเตอรี่สำรองที่ต้องเก็บไว้ด้วย

การคำนวณตามกฎไม่ได้หมายความว่ารู้สถานการณ์ภายนอกอย่างแน่ชัด การจราจรในอนาคต การใช้พลังงานจริง หรือสถานะของสถานี ณ เวลาที่ไปถึงอาจเปลี่ยนแปลงได้ ดังนั้น แม้วิธีการคำนวณจะสม่ำเสมอ แต่ข้อมูลนำเข้าและผลลัพธ์บางส่วนก็เป็นค่าประมาณ

eBattery AI รักษาความแตกต่างนี้ไว้: ข้อมูลที่ทราบ ข้อมูลที่ผู้ใช้กรอก และการคาดการณ์ของโมเดล จะไม่ถูกนำเสนอด้วยระดับความแน่นอนเดียวกัน

6.3.3 ขอบเขตของชั้น LLM

โมเดลภาษาใช้เพื่อทำความเข้าใจคำขอของผู้ใช้ และเปลี่ยนผลลัพธ์ที่คำนวณได้ให้เป็นคำอธิบายที่เป็นธรรมชาติ

ประโยคอย่าง “ขอเดินน้อยลง” “เอาพิพิธภัณฑ์ออก” “ไม่อยากรอชาร์จนานเกินไป” หรือ “ทำไมเลือกสถานีนี้” อยู่ในขอบเขตการทำงานของชั้นนี้

LLM ช่วยสร้างคำขอที่มีโครงสร้างซึ่งสามารถส่งต่อไปยังฟังก์ชันที่เหมาะสมของแอปได้ แต่จะไม่เติมราคาของสถานี สถานะหัวชาร์จ หรือระดับแบตเตอรี่ของรถจากความรู้ทั่วไปของตัวเอง ข้อมูลเหล่านี้ดึงมาจากบันทึกและระบบที่เชื่อมต่อที่เกี่ยวข้อง

ตัวอย่างเช่น เมื่อกลไกตัดสินใจเลือกสถานีเพราะเบี่ยงเส้นทางน้อยกว่าและมีกำลังไฟที่เหมาะสม ผู้ช่วยสามารถสรุปเหตุผลนี้ให้เข้าใจง่ายขึ้นได้ว่า:

"สถานีนี้เข้ากันได้กับรถของคุณและอยู่ใกล้เส้นทางหลักมากกว่า ทางเลือกที่ดูแรงกว่าไม่ได้ช่วยประหยัดเวลาเพิ่มเนื่องจากขีดจำกัดการชาร์จของรถคุณ"

คุณค่าของคำอธิบายนี้คือผู้ใช้มองเห็นเหตุผลเบื้องหลังการตัดสินใจได้

6.3.4 จากข้อมูลที่ตรวจสอบแล้วสู่ผลลัพธ์ที่อธิบายได้

ผลลัพธ์แต่ละรายการเชื่อมโยงกับข้อมูลนำเข้าสำคัญที่ใช้ ยานพาหนะที่เลือก ข้อมูลแบตเตอรี่ เวลาที่คำนวณ และความเป็นปัจจุบันของข้อมูลสถานี ช่วยให้เข้าใจว่าแผนถูกสร้างขึ้นภายใต้เงื่อนไขใด

โครงสร้างนี้ยังช่วยให้ประเมินความคิดเห็นของผู้ใช้ได้ง่ายขึ้น การที่ไม่เลือกสถานีที่แนะนำไม่ได้หมายความว่าการคำนวณผิดเสมอไป ผู้ใช้อาจต้องการจุดพักอื่น อาจชอบผู้ให้บริการรายใดรายหนึ่ง หรืออาจมีข้อจำกัดด้านเวลาที่ไม่ปรากฏในแผนของตน

การพิจารณาข้อมูลนำเข้าของการตัดสินใจร่วมกับการเปลี่ยนแปลงของผู้ใช้ ช่วยให้ระบบได้รับการปรับปรุงอย่างมีความหมายมากขึ้นเมื่อเวลาผ่านไป

6.4 การวางแผนเส้นทาง — โปรไฟล์รถ การคำนวณระยะทาง เส้นทาง และการตั้งค่าถนน

6.4.1 การวางแผนการเดินทางร่วมกับโปรไฟล์ยานพาหนะ

ใน eBattery การวางแผนเส้นทางพิจารณาคุณลักษณะด้านพลังงานและการชาร์จของรถ นอกเหนือจากจุดเริ่มต้นและจุดหมาย

รถยนต์ไฟฟ้าสองคันบนเส้นทางเดียวกันอาจต้องใช้แผนการชาร์จที่ต่างกัน ความจุแบตเตอรี่ที่ใช้งานได้ การใช้พลังงาน หัวชาร์จที่รองรับ และกำลังไฟที่รับการชาร์จได้ ทำให้เกิดความแตกต่างนี้

ข้อมูลรถยนต์หลักที่ใช้ในการวางแผนมีดังนี้

ข้อมูลรถ บทบาทในการวางแผน
ยี่ห้อ รุ่น และรุ่นย่อยของรถที่เหมาะสม ช่วยให้เลือกโปรไฟล์ทางเทคนิคที่ถูกต้อง
ความจุแบตเตอรี่ที่ใช้งานได้ เป็นพื้นฐานของการคำนวณพลังงานที่ใช้ได้ในการเดินทาง
ค่าการใช้พลังงาน แปลงระยะทางให้เป็นความต้องการพลังงานโดยประมาณ
รองรับการชาร์จ AC ช่วยประเมินตัวเลือกการชาร์จระหว่างพักยาวและที่จุดหมายปลายทาง
รองรับการชาร์จ DC ช่วยให้ประเมินตัวเลือกการชาร์จเร็วระหว่างเส้นทางได้
ความเข้ากันได้ของหัวชาร์จ ช่วยระบุสถานีที่ใช้งานได้
ระดับแบตเตอรี่ปัจจุบัน กำหนดสถานะพลังงานเริ่มต้นของการเดินทาง

ความจุแบตเตอรีรวมและความจุที่ใช้งานได้จะถูกประเมินแยกกัน ค่าที่ใช้เป็นฐานในการคำนวณระยะทางวิ่งคือพลังงานที่ใช้ขับขี่ได้

ในขั้นตอนการใช้งานปัจจุบัน ผู้ใช้กรอกระดับแบตเตอรี่ด้วยตนเองก่อนเริ่มเดินทาง โปรไฟล์รถที่บันทึกไว้เก็บข้อมูลทางเทคนิค ส่วนเปอร์เซ็นต์แบตเตอรี่คือข้อมูลป้อนเข้าล่าสุดสำหรับการเดินทางครั้งนั้น การเชื่อมต่อกับรถในอนาคตจะเป็นพื้นที่ขยายที่ทำให้ดึงข้อมูลนี้จากรถที่รองรับได้โดยอัตโนมัติ

6.4.2 การคำนวณระยะทางวิ่งและพลังงานสำรอง

พื้นฐานของการคำนวณระยะทางวิ่งคือความสัมพันธ์ระหว่างพลังงานที่มีอยู่กับการใช้พลังงานที่คาดการณ์:

พลังงานปัจจุบัน = ความจุแบตเตอรี่ที่ใช้งานได้ × ระดับแบตเตอรี่ / 100

ประมาณการระยะทางพื้นฐาน = พลังงานที่มีอยู่ / อัตราการใช้พลังงาน × 100

ในที่นี้ พลังงานมีหน่วยเป็น kWh การใช้พลังงานเป็น kWh/100 km และระยะทางวิ่งเป็นกิโลเมตร

ตัวอย่างเช่น ลองพิจารณารถที่มีความจุแบตเตอรี่ที่ใช้งานได้ 60 kWh ระดับการชาร์จปัจจุบัน 40% และอัตราสิ้นเปลืองที่ใช้ในการคำนวณ 18 kWh/100 km

ในกรณีนี้:

  • พลังงานที่คำนวณได้ในแบตเตอรี่คือ 24 kWh

  • ระยะทางตามทฤษฎีจนถึงระดับศูนย์ประมาณ 133 กิโลเมตร

  • ตัวอย่างเช่น หากคงพลังงานสำรองเมื่อถึงที่หมายไว้ 15% พลังงานที่ใช้วางแผนได้จะลดลงเหลือ 15 kWh

  • ด้วยสมมติฐานการใช้พลังงานเดียวกัน ระยะทางที่คำนวณโดยคงพลังงานสำรองไว้อยู่ที่ประมาณ 83 กิโลเมตร

ตัวอย่างนี้อธิบายว่าเหตุใดระยะทางตามทฤษฎีที่แสดงบนหน้าจอจึงต่างจากระยะทางที่ใช้วางแผนได้จริง 15% ในที่นี้เป็นเงินสำรองตัวอย่างที่ใช้แสดงตรรกะการคำนวณ

ในการคำนวณเส้นทางจริง ระยะทางจะได้รับการประเมินร่วมกับลักษณะของถนนและข้อมูลการใช้พลังงานที่เข้าถึงได้ เมื่อความครอบคลุมของข้อมูลเพิ่มขึ้น ปัจจัยอย่างความลาดชัน การจราจร และสภาพอากาศอาจถูกเพิ่มเข้าในโมเดล เมื่อเงื่อนไขที่ใช้ประมาณการเปลี่ยนไป แผนก็จะถูกประเมินใหม่

6.4.3 จุดเริ่มต้น ปลายทาง และจุดแวะระหว่างทาง

ผู้ใช้กำหนดจุดเริ่มต้นได้จากตำแหน่งปัจจุบัน การค้นหาที่อยู่ หรือจากแผนที่ จุดหมายปลายทางและจุดแวะระหว่างทางก็เป็นส่วนหนึ่งของแผนการเดินทางเดียวกัน

จุดแวะระหว่างทางสำคัญเป็นพิเศษในการวางแผนรถยนต์ไฟฟ้า เมื่อเดินทางจากอิสตันบูลไปอิซเมียร์ การแวะที่บูร์ซาไม่ได้เปลี่ยนแค่ระยะทางรวม ระยะเวลาที่แวะ การมีที่ชาร์จในพื้นที่นั้นหรือไม่ และระดับแบตเตอรีที่ใช้เริ่มช่วงถัดไป ก็ส่งผลต่อแผนด้วย

ผู้ใช้สามารถเปลี่ยนลำดับของจุดแวะหรือคงลำดับที่ต้องการไว้ได้ ลำดับที่กำหนดเองอาจสะท้อนตารางเวลาหรือความสำคัญส่วนตัวของผู้ใช้ ระบบจะคำนวณจุดแวะชาร์จใหม่ให้สอดคล้องกับความต้องการนี้

แผนที่เกี่ยวข้องจะได้รับการอัปเดตในทุกการเปลี่ยนแปลง โดยผู้ใช้ไม่ต้องกรอกข้อมูลทั้งหมดใหม่

6.4.4 โหมดเส้นทางและตัวเลือกถนน

eBattery เชื่อมโยงตัวเลือกเส้นทางกับลำดับความสำคัญในการเดินทางของผู้ใช้

เร็วที่สุด มุ่งเน้นที่เวลาเดินทางรวม นอกจากเวลาขับขี่แล้ว การอ้อมเส้นทางเพื่อชาร์จ เวลาชาร์จ และเวลารอ (เมื่อมีข้อมูล) ก็นำมาประเมินด้วย

ประหยัดที่สุด แนวทางนี้พิจารณาความต้องการพลังงานและข้อมูลต้นทุนที่เข้าถึงได้ร่วมกับระยะเวลาเดินทางที่สมเหตุสมผล เมื่อเสนอทางเลือกที่ต้นทุนต่ำกว่าให้ผู้ใช้ ก็จะแสดงผลต่อระยะเวลาด้วย

ทั้งสองตัวเลือกนี้ไม่มีข้อได้เปรียบตายตัวสำหรับทุกการเดินทาง ในการเดินทางเพื่อธุรกิจ เวลาอาจสำคัญกว่า ส่วนในทริปวันหยุดสุดสัปดาห์ ตารางการพักหรืองบประมาณอาจสำคัญกว่า

ตัวเลือกเส้นทาง เช่น ถนนเก็บค่าผ่านทาง ทางหลวง และเรือเฟอร์รี่ จะถูกเพิ่มในคำขอเส้นทาง Google Maps Routes API ก็มีตัวเลือกการหลีกเลี่ยงสำหรับความต้องการเหล่านี้เช่นกัน ตัวเลือกเหล่านี้ช่วยกำหนดทิศทางการค้นหาเส้นทาง และการมีเส้นทางทางเลือกที่เหมาะสมหรือไม่ขึ้นอยู่กับโครงข่ายถนน eBattery นำความสามารถเหล่านี้ที่บริการแผนที่ที่ใช้อยู่มีให้ มารวมกับการวางแผนยานพาหนะและการชาร์จ

ข้อจำกัดของถนนในระดับภูมิภาคหรือรายละเอียดมากกว่านั้นจะพิจารณาร่วมกับขอบเขตของข้อมูลและบริการเส้นทางที่เกี่ยวข้อง เส้นทางที่นำเสนอแก่ผู้ใช้ควรแสดงผลของการตั้งค่าที่มีต่อผลลัพธ์ให้เข้าใจได้ชัดเจน

6.5 การวางแผนการชาร์จและการให้คะแนนสถานี — คำแนะนำปริมาณการชาร์จ ส่วนสำรองเพื่อความปลอดภัย

6.5.1 ความเข้ากันได้ก่อน แล้วจึงเปรียบเทียบ

ขั้นตอนแรกของการวางแผนการชาร์จคือการระบุสถานีที่ใช้งานได้ การที่สถานีมีคะแนนสูงหรือราคาถูกไม่ได้หมายความว่ารถจะชาร์จที่นั่นได้

ด้วยเหตุนี้ การประเมินจึงดำเนินการเป็นสองขั้น

  1. การระบุตัวเลือกที่เข้ากับรถและการเดินทาง

  2. การเปรียบเทียบตัวเลือกที่เหมาะสมในด้านระยะเวลา ต้นทุน และเงื่อนไขการใช้งาน

ความเข้ากันได้ของหัวชาร์จ การเข้าถึง และพลังงานที่ต้องใช้เพื่อไปให้ถึงสถานี เป็นเรื่องของขั้นแรก เงื่อนไขพื้นฐานเหล่านี้ไม่ถูกจัดเป็นปัจจัยคะแนนที่ชดเชยได้ด้วยข้อได้เปรียบอื่น

ตัวอย่างเช่น สถานีที่เข้ากันไม่ได้กับรถจะไม่ถูกแนะนำเพียงเพราะราคาถูกกว่า ในทำนองเดียวกัน จุดที่ดูเหมือนไปไม่ถึงด้วยพลังงานที่มีอยู่ก็ไม่ได้รับการจัดลำดับก่อนเพียงเพราะกำลังชาร์จสูง

6.5.2 การให้คะแนนสถานี: ความเหมาะสมที่เปลี่ยนไปตามการเดินทาง

เมื่อระบุผู้สมัครที่เหมาะสมแล้ว สถานีจะผ่านการประเมินแบบหลายเกณฑ์

เกณฑ์ หัวข้อที่ประเมิน
การเบี่ยงเบนจากเส้นทาง ระยะทางและเวลาเพิ่มเติมที่ต้องใช้เพื่อไปยังสถานีและกลับสู่เส้นทางหลัก
ความเข้ากันได้ของกำลังไฟกับรถ ความสัมพันธ์ระหว่างกำลังของสถานีกับช่วงที่รถสามารถใช้ประโยชน์ได้
ราคา อัตราค่าบริการที่เข้าถึงได้และใช้ได้กับผู้ใช้ที่เกี่ยวข้อง
สถานะปัจจุบัน สถานะปัจจุบันของจุดชาร์จที่เหมาะสมในระบบเชื่อมต่อที่รองรับ
ข้อมูลการรอ เวลารอที่เป็นไปได้เมื่อมีข้อมูลที่เชื่อถือได้หรือมีโมเดลสนับสนุนเพียงพอ
ความน่าเชื่อถือในการดำเนินงาน ความต่อเนื่องของบริการและประสบการณ์การใช้งานเมื่อมีข้อมูล
รีวิวของผู้ใช้ ความทันสมัยของประสบการณ์ เนื้อหา และการอิงจากข้อสังเกตในจำนวนที่เพียงพอ
ความเหมาะสมกับการพัก ความสัมพันธ์ของสถานีกับจุดแวะและแผนเวลาปัจจุบันของผู้ใช้
ความเป็นปัจจุบันของข้อมูล ข้อมูลที่ใช้ในการตัดสินใจมีความทันสมัยเพียงใด

ความสำคัญของเกณฑ์เหล่านี้จะแตกต่างกันไปตามโหมดเส้นทางที่เลือก ในการเดินทางที่เน้นเวลา ระยะทางที่ต้องอ้อมและเวลาชาร์จอาจมีผลตัดสินมากกว่า ส่วนในการเดินทางที่เน้นต้นทุน ความต่างของอัตราค่าบริการจะถูกประเมินควบคู่กับเวลาที่เพิ่มขึ้นจากการนั้น

การขาดข้อมูลก็รวมอยู่ในการประเมินด้วย สถานีที่ไม่ทราบสถานะแบบเรียลไทม์จะไม่ถูกถือว่า "ว่าง" เช่นเดียวกัน ข้อมูลการใช้งานช่องเสียบเพียงอย่างเดียวไม่เพียงพอเสมอไปในการคำนวณเวลารอคิวที่เชื่อถือได้

คะแนนจากผู้ใช้เพียงอย่างเดียวก็ไม่อาจแทนความน่าเชื่อถือในการดำเนินงานได้ ไม่ควรให้น้ำหนักรีวิวเก่าเพียงไม่กี่รายการเท่ากับชุดประสบการณ์ที่ใหม่และกว้างกว่า

6.5.3 ความสัมพันธ์ระหว่างกำลังของสถานีกับประสบการณ์การชาร์จจริง

ค่ากำลังไฟที่ระบุบนสถานีไม่ได้หมายความว่ารถจะชาร์จด้วยกำลังไฟนั้นตลอดทั้งเซสชัน เวลาในการชาร์จขึ้นอยู่กับหลายปัจจัย เช่น ระดับแบตเตอรี่ ความจุ และคุณลักษณะของรถและอุปกรณ์ชาร์จ แหล่งข้อมูล Alternative Fuels Data Center ของกระทรวงพลังงานสหรัฐฯ ก็อธิบายเช่นกันว่าตัวแปรเหล่านี้ร่วมกันกำหนดเวลาในการชาร์จ

ตัวอย่างเช่น สำหรับรถที่รองรับการชาร์จ DC ได้สูงสุด 100 kW สถานีที่มีกำลัง 350 kW อาจไม่เร็วกว่าสถานีที่เหมาะสมกำลัง 150 kW เพียงเพราะกำลังตามป้ายระบุ หากการไปถึงสถานีแรกต้องอ้อมไกลกว่า ตัวเลือกที่สองอาจเหมาะกับการเดินทางโดยรวมมากกว่า

การประเมินของ eBattery พิจารณากำลังไฟของสถานีร่วมกับคุณลักษณะของรถ แทนที่จะนำเสนอตัวเลขที่สูงว่าเป็นตัวเลือกที่ดีกว่าโดยอัตโนมัติ ระบบจะดูประโยชน์ที่สถานีจะมอบให้กับการเดินทางของผู้ใช้

6.5.4 ปริมาณการชาร์จ: พลังงานที่เหมาะกับช่วงถัดไป

แผนการชาร์จครอบคลุมทั้งการเลือกสถานีและปริมาณพลังงานที่แนะนำ

แนวทางพื้นฐานคือพิจารณาพลังงานที่ต้องใช้ในช่วงเส้นทางถัดไป สำรองพลังงานเมื่อถึงที่หมายที่ตั้งเป้าไว้ และทางเลือกที่เหมาะสมควบคู่กัน ผู้ใช้ไม่จำเป็นต้องมีระดับแบตเตอรี่เท่ากันทุกจุดแวะ การเดินทางช่วงสั้น ช่วงถัดไปที่ยาว หรือความพร้อมของการชาร์จที่ปลายทาง ล้วนทำให้เป้าหมายต่างกันได้

ความสัมพันธ์พื้นฐานของพลังงานที่ต้องเติมเข้าแบตเตอรี่เป็นดังนี้

พลังงานที่จะเติม = ความจุที่ใช้ได้ × (เปอร์เซ็นต์แบตเตอรี่เป้าหมาย − เปอร์เซ็นต์แบตเตอรี่ปัจจุบัน) / 100

ตัวอย่างเช่น ในรถที่มีความจุใช้งานได้ 60 kWh การเพิ่มระดับแบตเตอรี่จาก 20% เป็น 70% เทียบเท่ากับพลังงานในแบตเตอรี่ที่เพิ่มขึ้นประมาณ 30 kWh

ค่านี้ไม่จำเป็นต้องตรงกันทุกประการกับพลังงานที่วัดจากมิเตอร์ของสถานีหรือที่เรียกเก็บเงิน เนื่องจากการสูญเสียจากการชาร์จและการใช้พลังงานเสริม จุดที่ใช้วัดพลังงานจึงมีความสำคัญ

เวลาในการชาร์จก็ไม่ได้คำนวณจากการหารด้วยกำลังไฟสูงสุดของสถานีเพียงอย่างเดียว เมื่อเข้าถึงข้อมูลได้ โมเดลจะพิจารณาพฤติกรรมการชาร์จของรถที่ระดับแบตเตอรี่ต่าง ๆ ด้วย เป็นตัวอย่างประกอบ หากเติมพลังงาน 30 kWh เข้าแบตเตอรี่ที่กำลังสุทธิเฉลี่ย 60 kW เวลาถ่ายโอนพลังงานจะอยู่ที่ประมาณ 30 นาที ค่าที่เป็นตัวกำหนดในที่นี้คือกำลังไฟเฉลี่ยตลอดเซสชัน

ในการคำนวณต้นทุน นอกจากค่าพลังงานแล้ว ยังนำองค์ประกอบของเซสชัน เวลา หรืออัตราค่าบริการอื่น ๆ ที่ใช้ได้มาคิดด้วย ผู้ใช้ควรเข้าใจได้ว่าค่าประมาณที่แสดงครอบคลุมขอบเขตใดบ้าง

6.5.5 การรักษาส่วนเผื่อความปลอดภัยและทางเลือกสำรอง

การวางแผนไม่ได้อิงกับการใช้แบตเตอรี่ตามทฤษฎีจนถึงหน่วยพลังงานสุดท้าย แต่เว้นพื้นที่ไว้สำหรับพลังงานสำรองเมื่อถึงที่หมาย ความแปรปรวนของการประมาณการใช้พลังงาน และการเข้าถึงทางเลือกระหว่างทาง

พลังงานสำรองที่จำเป็นจะประเมินร่วมกับความยาวเส้นทาง ความหนาแน่นของสถานี ความทันสมัยของข้อมูล และความยืดหยุ่นของแผน เส้นทางในเมืองที่มีที่ชาร์จบ่อยกับช่วงทางไกลที่มีทางเลือกจำกัดไม่มีเงื่อนไขเหมือนกัน

เมื่อ eBattery AI อธิบายปริมาณการชาร์จที่แนะนำ จะแสดงตรรกะนี้ให้เห็น ผู้ใช้เข้าใจได้ว่าทำไมจึงแนะนำให้รับพลังงานเพิ่มที่สถานีหนึ่ง หรือทำไมการชาร์จสั้น ๆ จึงถือว่าพอสำหรับไปถึงจุดแวะที่เหมาะสมถัดไป

ข้อมูลความพร้อมใช้งานปัจจุบันสะท้อนสถานการณ์ ณ เวลาที่สร้างแผนเช่นกัน ข้อมูลนี้ไม่ได้เป็นการจองว่าหัวชาร์จเดิมจะว่างเมื่อไปถึง ดังนั้นการประเมินสถานีทางเลือกจึงเป็นส่วนสำคัญของแผน

6.6 การคำนวณใหม่แบบไดนามิก

6.6.1 การสะท้อนเงื่อนไขที่เปลี่ยนไประหว่างการเดินทางลงในแผน

เส้นทางไม่ได้ถือเป็นเอกสารตายตัวที่สร้างก่อนเริ่มเดินทาง เมื่อผู้ใช้เดินทางต่อไป ตำแหน่ง การจราจร สถานะสถานี และความต้องการของผู้ใช้เองอาจเปลี่ยนแปลง

การคำนวณใหม่แบบไดนามิกประเมินผลกระทบของการเปลี่ยนแปลงเหล่านี้ต่อแผน อย่างไรก็ตาม ตัวกระตุ้นแต่ละตัวทำงานเฉพาะในขอบเขตที่เข้าถึงข้อมูลที่เกี่ยวข้องได้

การเปลี่ยนแปลง ข้อมูลที่ใช้ ผลกระทบที่อาจเกิดขึ้นต่อแผน
การเปลี่ยนแปลงของการจราจร แหล่งข้อมูลแผนที่และการจราจร การอัปเดตตัวเลือกระยะเวลาและเส้นทาง
การเปลี่ยนแปลงสถานะของสถานีที่วางแผนไว้ การเชื่อมต่อกับผู้ให้บริการ การประเมินจุดชาร์จทางเลือก
ผู้ใช้เบี่ยงออกจากเส้นทาง ตำแหน่งและความคืบหน้าของเส้นทาง การคำนวณระยะทางที่เหลือและความต้องการพลังงานใหม่
การอัปเดตข้อมูลแบตเตอรี่ การลงชื่อเข้าใช้ของผู้ใช้ การเชื่อมต่อรถในอนาคตที่รองรับ การอัปเดตจุดชาร์จและปริมาณพลังงานเป้าหมาย
การเพิ่มหรือลบจุดแวะระหว่างทาง การแก้ไขโดยผู้ใช้ การวางแผนส่วนของเส้นทางที่เกี่ยวข้องใหม่
สภาพอากาศที่เปลี่ยนแปลง ขอบเขตที่การเชื่อมต่อที่เกี่ยวข้องเปิดใช้งานอยู่ การประเมินประมาณการการใช้พลังงานใหม่

ในการเดินทางที่ใช้ระดับแบตเตอรี่ที่ป้อนเอง พลังงานคงเหลือที่ระบบคำนวณได้เป็นเพียงค่าประมาณ จึงไม่ติดป้ายเหมือนกับข้อมูลแบตเตอรี่ปัจจุบันที่วัดจากรถ

6.6.2 ไม่นำเสนอทุกการเปลี่ยนแปลงให้ผู้ใช้เป็นเส้นทางใหม่

ความแตกต่างเล็กน้อยที่เปลี่ยนแปลงอยู่ตลอดเวลาอาจสร้างภาระในการตัดสินใจที่ไม่จำเป็นให้ผู้ใช้ ความผันผวนของการจราจรเพียงไม่กี่วินาทีหรือข้อได้เปรียบด้านเวลาเพียงเล็กน้อยไม่จำเป็นต้องมีคำแนะนำใหม่ทุกครั้ง

แนวทางการคำนวณใหม่จะประเมินว่าการเปลี่ยนแปลงมีความหมายอย่างไรต่อการเดินทาง ความเป็นไปได้ของแผนปัจจุบัน พลังงานสำรอง และประโยชน์ที่ชัดเจนต่อผู้ใช้ได้รับความสำคัญเป็นอันดับแรก

ด้วยวิธีนี้แผนจึงคงความเสถียร แทนที่ผู้ใช้จะถูกนำทางสลับไปมาระหว่างสองตัวเลือกที่ใกล้เคียงกันมาก ผู้ใช้จะเห็นการอัปเดตที่มีความหมายเมื่อจำเป็นเท่านั้น

6.6.3 การอธิบายเหตุผลของการเปลี่ยนแปลง

เส้นทางใหม่ที่แนะนำจะแสดงเทียบกับแผนปัจจุบัน ผู้ใช้ควรเห็นได้ว่าเงื่อนไขใดเปลี่ยนไปและผลที่ตามมาคืออะไร

ตัวอย่างเช่น:

“ข้อมูลการใช้งานของหัวชาร์จที่เหมาะสมที่สถานีซึ่งคุณวางแผนไว้มีการเปลี่ยนแปลง สถานีทางเลือกอยู่ใกล้เส้นทางมากกว่าและเข้าถึงได้ตามการประเมินพลังงานปัจจุบัน คุณสามารถตรวจสอบตัวเลือกใหม่ได้”

คำอธิบายใช้เฉพาะองค์ประกอบที่ข้อมูลที่มีอยู่รองรับ หากไม่มีการประมาณเวลารอที่เชื่อถือได้ จะไม่ระบุจำนวนนาทีที่ประหยัดได้อย่างแน่นอน

ข้อมูลการจราจรจากผู้ให้บริการแผนที่ และการประเมิน EV ของ eBattery ที่อิงข้อมูลนี้ ก็ถูกเชื่อมโยงอย่างถูกต้องเช่นกัน เหตุผลของคำแนะนำทำให้เข้าใจได้ว่าใช้ข้อมูลใดและอย่างไร

6.7 การวางแผนทริปด้วย AI — กลุ่มตัวเลือก การจัดกลุ่ม การจัดสรรเวลา การเชื่อมต่อกับการชาร์จ

6.7.1 จากแผนการเดินทางสู่ประสบการณ์ในชีวิตประจำวัน

การวางแผนทริปจัดสรรเวลาที่ผู้ใช้จะใช้ในพื้นที่หนึ่งๆ เป้าหมายคือเปลี่ยนสถานที่น่าสนใจให้เป็นตารางที่เหมาะกับเวลา ความสนใจ และความต้องการพลังงานของรถผู้ใช้

เมื่อผู้ใช้บอกว่า “ฉันจะอยู่ที่คัปปาโดเกีย 2 วัน เน้นธรรมชาติและประวัติศาสตร์” ระบบจะพิจารณาพื้นที่ ระยะเวลาเที่ยว และความสำคัญก่อนหลังไปพร้อมกัน จุดเริ่มต้น จังหวะในแต่ละวัน และสถานที่ที่ผู้ใช้อยากไปเป็นพิเศษ (ถ้ามี) จะถูกเพิ่มลงในแผน

ตารางที่ได้จะให้โครงสร้างการเดินทางที่แบ่งเป็นรายวันและแก้ไขได้

6.7.2 การสร้างกลุ่มสถานที่ตัวเลือก

ขั้นแรกคือการระบุสถานที่ท่องเที่ยวที่เหมาะสมในพื้นที่ กลุ่มตัวเลือกอาจรวมถึงสถานที่ทางวัฒนธรรม พิพิธภัณฑ์ พื้นที่ธรรมชาติ จุดอาหารและเครื่องดื่ม และจุดพักรถ

ข้อมูลที่นำมาพิจารณา ขึ้นอยู่กับขอบเขตของแหล่งข้อมูล ประกอบด้วยตำแหน่ง หมวดหมู่ ระยะเวลาเยี่ยมชม เวลาทำการ และรีวิวของผู้ใช้

ความนิยมสูงเพียงอย่างเดียวไม่ใช่เหตุผลในการเลือก หากสถานที่ไม่ตรงกับความสนใจของผู้ใช้ อยู่ไกลจากตารางประจำวันมากเกินไป หรือมีเวลาไม่พอสำหรับการเยี่ยมชม สถานที่นั้นอาจได้ลำดับความสำคัญต่ำลง

การเล่าเนื้อหาจะเชื่อมโยงกับบันทึกของสถานที่ที่เลือก ข้อมูลที่เปลี่ยนแปลงได้ เช่น เวลาทำการหรือเงื่อนไขการเข้า จะไม่ถูกสร้างขึ้นจากความรู้ทั่วไปของโมเดลภาษาเสมือนเป็นข้อมูลที่เป็นปัจจุบัน

6.7.3 การจัดกลุ่มตามภูมิศาสตร์และความสัมพันธ์กับการขนส่ง

สถานที่ที่เป็นตัวเลือกจะได้รับการประเมินในแง่ความสัมพันธ์ทางภูมิศาสตร์และการเดินทางก่อนจัดตารางรายวัน เป้าหมายคือลดการเดินทางไปกลับที่ไม่จำเป็นภายในวันเดียวกัน

สองจุดที่ดูใกล้กันบนแผนที่อาจใช้เวลาเดินทางไม่สั้นก็ได้ การเชื่อมต่อของถนน จุดข้าม และภูมิศาสตร์ของพื้นที่เป็นตัวกำหนดรูปแบบการเคลื่อนที่จริง ด้วยเหตุนี้ การจัดกลุ่มรายวันจึงไม่ได้อิงเพียงระยะทางเส้นตรง

ตัวอย่างเช่น ขณะที่ตารางของแต่ละวันถูกจัดจากการเยี่ยมชมในพื้นที่เดียวกัน จุดแวะที่อยู่ไกลออกไปอาจถูกย้ายไปวันอื่น ด้วยวิธีนี้ผู้ใช้จึงใช้เวลาไปกับการเยี่ยมชมได้มากขึ้น แทนที่จะหมดไปกับการเดินทาง

เมื่อผู้ใช้ต้องการลำดับใดโดยเฉพาะ ตัวเลือกนี้จะถูกรักษาไว้ ระบบจะปรับแผนที่เหลือให้สอดคล้องกับลำดับนั้น

6.7.4 การจัดสรรเวลา: ตารางประจำวันที่เป็นจริง

ความเป็นไปได้ของแผนรายวันขึ้นอยู่กับเวลาเดินทางและเวลาพัก ควบคู่กับระยะเวลาเข้าชมทั้งหมด

งบเวลาของหนึ่งวันประกอบด้วยองค์ประกอบต่อไปนี้:

  • การเดินทางระหว่างจุดต่าง ๆ

  • ระยะเวลาที่ใช้ในการเยี่ยมชมแต่ละแห่ง

  • การพักรับประทานอาหารและพักผ่อน

  • จุดชาร์จที่จำเป็น

  • เวลาที่สมเหตุสมผลสำหรับการจอด การเข้าถึง และการเปลี่ยนผ่านลักษณะเดียวกัน

การใส่เฉพาะจุดแวะที่เวลาเยี่ยมชมรวมกันเป็นหกชั่วโมงลงในแผนทริปหกชั่วโมงของผู้ใช้ จะไม่เหลือเวลาสำหรับการเดินทาง eBattery AI จึงสร้างแผนภายในกรอบเวลารวมของทั้งวัน

คุณค่าของโปรแกรมไม่ได้วัดจากการแสดงรายการสถานที่ให้ได้มากที่สุด สิ่งสำคัญคือผู้ใช้สามารถทำตามได้ในจังหวะที่ตนเลือก และมีที่ว่างสำหรับการเปลี่ยนแปลง

6.7.5 จัดการชาร์จให้เข้ากับตารางประจำวัน

จุดแวะชาร์จจะได้รับการพิจารณาร่วมกับความต้องการพลังงานเมื่อสร้างแผนทริป ไม่ถูกมองเป็นความต้องการแยกต่างหากที่เพิ่มเข้ามาตอนท้ายวัน

หากพักรับประทานอาหารสามารถจับคู่กับจุดชาร์จที่เหมาะสมได้ กิจกรรมทั้งสองก็เกิดขึ้นในช่วงเวลาเดียวกันได้ ตัวอย่างเช่น การพักรับประทานอาหาร 40 นาทีกับการชาร์จ 25 นาทีที่เริ่มพร้อมกันในที่เดียวกัน ภายใต้เงื่อนไขที่เหมาะสมจะไม่ต้องแวะเพิ่มรวม 65 นาที แผนจะประเมินช่วงเวลาที่ซ้อนกันไปด้วยกัน

ในการจับคู่นี้ การเข้าถึงสถานีจริง เงื่อนไขการดำเนินงาน ผังที่จอดรถ และความชอบของผู้ใช้ล้วนสำคัญ สถานีที่ดูอยู่ใกล้ร้านอาหารบนแผนที่ จะไม่ถูกสันนิษฐานว่าเป็นตัวเลือกจุดพักที่เหมาะสมในทุกกรณี

สำหรับทริปที่ยาวหลายวัน การคำนวณพลังงานจะต่อเนื่องข้ามวัน แบตเตอรี่เริ่มต้นของวันถัดไปจะเชื่อมโยงกับจุดสิ้นสุดที่วางแผนไว้ของวันก่อนหน้า การชาร์จข้ามคืนจะนำมาคำนวณก็ต่อเมื่ออยู่ในแผนของผู้ใช้และมีสิ่งอำนวยความสะดวกที่เกี่ยวข้องรองรับ

6.7.6 เรื่องราวการเดินทางที่แก้ไขได้

ตารางที่คำนวณได้จะแสดงเป็นจุดแวะที่แบ่งตามวัน พร้อมคำอธิบายด้วยภาษาธรรมชาติ ผู้ใช้สามารถดูได้ว่าวันไหนจะเที่ยวพื้นที่ใด จุดชาร์จอยู่ตรงไหน และการแบ่งเวลาโดยประมาณของแต่ละวัน

คำขออย่าง “ทำให้วันที่สองผ่อนคลายขึ้น” “เอาพิพิธภัณฑ์ออก” หรือ “อยากอยู่กลางธรรมชาติช่วงบ่าย” ช่วยให้คุณแก้ไขแผนได้

หลังการเปลี่ยนแปลง วันและช่วงเส้นทางที่ได้รับผลกระทบจะถูกประเมินใหม่ เรื่องราวของทริปก็เปลี่ยนไปตามแผนที่อัปเดตด้วย หลักการคือไม่ให้เกิดความขัดแย้งระหว่างคำอธิบายเดิมกับรายการจุดแวะใหม่

โครงสร้างที่เน้นเมืองและภูมิภาคนี้เป็นพื้นฐานของการวางแผนระดับประเทศที่กว้างขึ้นและระยะยาวในขั้นต่อ ๆ ไป

6.8 การวิเคราะห์ประสิทธิภาพ

6.8.1 ทำให้ข้อมูลมีความหมายจากมุมมองของผู้ขับขี่

การวิเคราะห์ประสิทธิภาพช่วยให้ผู้ใช้ประเมินบันทึกพลังงานและการเดินทางของตนได้ชัดเจนขึ้น

หากข้อมูลที่เข้าถึงได้เพียงพอ ก็เปรียบเทียบการใช้พลังงาน ระยะทาง ค่าใช้จ่ายในการชาร์จ และค่าที่วางแผนไว้กับค่าจริงของช่วงเวลาต่าง ๆ ได้ AI อธิบายการเปลี่ยนแปลงที่อยู่ในตัวเลข และชี้ให้เห็นว่าบันทึกใดที่ผู้ใช้ควรตรวจสอบ

ขอบเขตของการวิเคราะห์ขึ้นอยู่กับข้อมูลที่ใช้ ข้อมูลที่ได้จากการเชื่อมต่อรถ บันทึกเซสชัน หรือการเข้าสู่ระบบของผู้ใช้ จะแยกออกจากค่าประมาณที่คำนวณจากเส้นทางเพียงอย่างเดียว

6.8.2 การใช้พลังงานที่วัดได้และค่าประมาณที่คำนวณ

ในการประเมินอัตราการใช้พลังงาน พลังงานและระยะทางต้องเป็นของช่วงเวลาเดียวกัน รถคันเดียวกัน และใช้วิธีการวัดที่สอดคล้องกัน

หากทราบพลังงานรวมและระยะทางรวม การคำนวณอัตราการใช้พลังงานพื้นฐานเป็นดังนี้:

การใช้พลังงานเฉลี่ย = พลังงานที่ใช้ในการขับขี่ทั้งหมด / ระยะทางทั้งหมด × 100

การนำค่าการใช้พลังงานของการเดินทางที่มีระยะทางต่างกันมารวมกันแล้วหารด้วยจำนวนการเดินทางอย่างง่ายๆ อาจไม่ได้ค่าเฉลี่ยของช่วงเวลาที่ถูกต้อง การคำนวณจากพลังงานรวมและระยะทางรวมจะรักษาน้ำหนักของการเดินทางสั้นและยาวไว้

พลังงานที่ซื้อระหว่างการชาร์จก็ไม่ได้เท่ากับพลังงานที่ใช้ขณะขับขี่ในช่วงเวลาเดียวกันเสมอไป ระดับแบตเตอรี่ตอนต้นและปลายช่วง การสูญเสียจากการชาร์จ และขอบเขตของบันทึก ล้วนส่งผลต่อความสัมพันธ์นี้

ด้วยเหตุนี้ eBattery จึงถือว่าค่าใช้จ่ายการชาร์จ พลังงานที่ซื้อ และการสิ้นเปลืองจากการขับขี่ เป็นแนวคิดแยกกันที่มีความหมายต่างกัน

6.8.3 การแสดงความเปลี่ยนแปลงและอธิบายสาเหตุด้วยข้อมูล

ยกตัวอย่างเพื่อประกอบคำอธิบาย สมมติว่าการใช้พลังงานเฉลี่ยในสองช่วงเวลาที่เปรียบเทียบกันได้เพิ่มขึ้นจาก 18 kWh/100 km เป็น 19,8 kWh/100 km การเปลี่ยนแปลงนี้หมายถึงการใช้พลังงานเพิ่มขึ้น 10%

อย่างไรก็ตาม ผลลัพธ์นี้เพียงอย่างเดียวไม่ได้บอกสาเหตุของการเพิ่มขึ้น เส้นทาง ความเร็ว สภาพอากาศ น้ำหนักบรรทุก หรือลักษณะการเดินทางอาจเปลี่ยนไป

การประเมินของ AI อยู่ในระดับที่ข้อมูลรองรับ หากมีเพียงบันทึกการใช้พลังงานและระยะทาง ก็พูดได้ว่า "การใช้พลังงานของคุณเพิ่มขึ้น" แต่การสรุปว่าพฤติกรรมเฉพาะ เช่น การเบรกกะทันหันหรือการใช้เครื่องปรับอากาศเป็นสาเหตุ ต้องมีการวัดที่เกี่ยวข้อง

หากไม่มีข้อมูลรถโดยตรง จะไม่นำเสนอสุขภาพแบตเตอรี่ราวกับว่าได้วัดมาแล้ว การวิเคราะห์พฤติกรรมการขับขี่โดยละเอียดจะขยายขอบเขตขึ้นเมื่อมีการเชื่อมต่อที่ให้ข้อมูลเพียงพอสำหรับประเมินพฤติกรรมเหล่านี้

6.8.4 การสร้างนิสัยการใช้งานที่เปรียบเทียบกันได้

จุดประสงค์ของหน้าจอประสิทธิภาพคือช่วยให้ผู้ใช้เข้าใจการใช้งานของตนเองตามช่วงเวลาได้ง่ายขึ้น

การเปรียบเทียบเส้นทางที่คล้ายกัน การตรวจสอบค่าใช้จ่ายในการชาร์จที่สถานีต่าง ๆ และการดูความแตกต่างระหว่างระยะเวลาที่วางแผนกับที่เกิดขึ้นจริง ช่วยสนับสนุนความเข้าใจนี้

ข้อเสนอแนะของผู้ช่วยเป็นรูปธรรมและมีความพอเหมาะ แทนที่จะสัญญาเปอร์เซ็นต์การประหยัดที่ยังไม่ได้ยืนยันกับผู้ใช้ ผู้ช่วยจะอธิบายว่าข้อมูลใดเปลี่ยนไปและควรดูเงื่อนไขใดเพื่อการเปรียบเทียบที่มีความหมายมากขึ้น

6.9 การ์ดผลลัพธ์และ Deep Linking

6.9.1 การเปลี่ยนบทสนทนาให้เป็นผลลัพธ์ที่ใช้งานได้ในแอป

เส้นทาง ทริป หรือข้อเสนอแนะสถานีที่สร้างใน AI Chat จะแสดงเป็นการ์ดผลลัพธ์ การ์ดช่วยให้ผู้ใช้เห็นข้อมูลสำคัญได้อย่างรวดเร็วและไปยังโมดูลที่เกี่ยวข้องได้

ประเภทบัตร เนื้อหาหลักของการ์ด หน้าจอที่เกี่ยวข้อง
การ์ดเส้นทาง จุดเริ่มต้น จุดหมาย สรุปเส้นทาง เวลาโดยประมาณ และจุดแวะชาร์จ การวางแผนเส้นทาง
การ์ดการเดินทาง ภูมิภาค จำนวนวัน และสรุปตารางรายวัน การวางแผนทริป
การ์ดสถานี ตำแหน่ง ความเข้ากันได้ กำลังไฟ และข้อมูลปัจจุบันที่เข้าถึงได้ รายละเอียดสถานี
การ์ดประสิทธิภาพ ช่วงเวลา ตัวชี้วัดหลัก และสรุปการประเมิน ประสิทธิภาพ

จุดประสงค์ของการ์ดไม่ใช่การอัดรายละเอียดทั้งหมดลงในพื้นที่เล็ก ๆ แต่เพื่อให้ข้อมูลเพียงพอที่ผู้ใช้จะจดจำผลลัพธ์และเลือกการดำเนินการถัดไปได้

6.9.2 การเปิดแผนเดียวกันด้วย deep linking

Deep linking ทำให้การ์ดผลลัพธ์พาผู้ใช้ไปยังเนื้อหาที่ถูกต้องบนหน้าจอที่เกี่ยวข้อง

เมื่อผู้ใช้เปิดเส้นทางที่สร้างไว้ในแชต จะไม่พบแบบฟอร์มเส้นทางที่ว่างเปล่า จุดเริ่มต้นและจุดหมายที่เลือก รถ จุดแวะพัก และรายละเอียดอื่น ๆ ของแผนจะแสดงอยู่บนหน้าจอที่เกี่ยวข้อง

ความสัมพันธ์เดียวกันนี้ยังคงอยู่ในการ์ดการเดินทางและการ์ดสถานีด้วย ดังนั้นหน้าจอแชท แผนที่ และการวางแผนจึงเป็นมุมมองที่ต่างกันของการดำเนินการเดียวกัน

ในทางเทคนิค การ์ดจะเชื่อมโยงกับบันทึกที่เกี่ยวข้องและเวอร์ชันของแผน เมื่อผู้ใช้เปลี่ยนแผน ก็ยังเห็นชัดเจนว่าผลลัพธ์ใดเป็นปัจจุบัน

6.9.3 การดำเนินการด่วนที่เหมาะกับบริบท

ตามผลลัพธ์ จะมีการดำเนินการให้เลือก เช่น “เริ่มเส้นทาง” “ไปที่สถานี” “บันทึก” “แชร์” หรือ “เพิ่มในรายการโปรด”

ไม่จำเป็นที่ทุกการ์ดต้องแสดงการดำเนินการทั้งหมด การดำเนินการจะถูกเลือกตามผลลัพธ์ที่ผู้ใช้สร้างขึ้นในขณะนั้น

การ์ดที่แชร์ได้ก็ได้รับการจัดการควบคู่กับขอบเขตเนื้อหา ข้อมูล เช่น ที่อยู่บ้านหรือจุดเริ่มต้นส่วนตัวของผู้ใช้ ไม่ถือเป็นส่วนที่เป็นธรรมชาติหรือจำเป็นของการแชร์ ผู้ใช้ควรเห็นได้ว่าตนแชร์เนื้อหาใด

6.10 คำแนะนำและการแจ้งเตือนเชิงรุก

6.10.1 ให้ความช่วยเหลือที่มีความหมายเมื่อเกิดความต้องการ

เมื่อมีข้อมูลที่เกี่ยวข้อง eBattery AI สามารถแสดงการเปลี่ยนแปลงสำคัญได้แม้ผู้ใช้ไม่ได้ถาม

ขอบเขตนี้ครอบคลุมการเปลี่ยนแปลงสถานะสถานีระหว่างการเดินทาง ผลกระทบด้านการจราจรที่ชัดเจน หรือการประเมินแผนการชาร์จใหม่ตามข้อมูลแบตเตอรี่ที่อัปเดต

จุดประสงค์ของการสนับสนุนเชิงรุกคือการช่วยเหลือผู้ใช้ได้ทันเวลา ไม่ใช่ทุกการเปลี่ยนแปลงของข้อมูลที่จะสร้างการแจ้งเตือน ระบบจะประเมินว่าข้อมูลนั้นเกี่ยวข้องกับการเดินทางปัจจุบันอย่างไรและต้องมีการดำเนินการหรือไม่

6.10.2 การประเมินการแจ้งเตือนร่วมกับข้อมูลที่ใช้เป็นฐาน

ความหมายของการแจ้งเตือนแบตเตอรี่ต่ำขึ้นอยู่กับแหล่งที่มาของข้อมูล

หากอ่านระดับแบตเตอรี่ปัจจุบันจากรถได้ ก็สามารถใช้ค่าที่วัดได้ หากผู้ใช้กรอกด้วยตนเองตอนเริ่มต้น ค่าที่คำนวณระหว่างการเดินทางจะเป็นค่าประมาณ ถ้อยคำของการแจ้งเตือนจะคงความแตกต่างนี้ไว้

ในทำนองเดียวกัน การจะให้คำแนะนำเกี่ยวกับข้อได้เปรียบด้านราคาของสถานีโปรด ต้องรู้อัตราค่าบริการปัจจุบันและเงื่อนไขที่ใช้กับผู้ใช้รายนั้น ส่วนการแจ้งเตือนการบำรุงรักษาจะผูกกับวันที่ผู้ใช้บันทึกไว้หรือแหล่งข้อมูลที่เหมาะสม

แนวทางนี้ทำให้คำแนะนำเชิงรุกสอดคล้องกับขอบเขตข้อมูลที่มีอยู่

6.10.3 ความถี่ของการแจ้งเตือนและค่ากำหนดของผู้ใช้

การแจ้งเตือนจะถูกจัดการตามระดับความสำคัญและบริบท การเปลี่ยนแปลงที่กระทบต่อความเป็นไปได้ของการเดินทางที่กำลังดำเนินอยู่ย่อมมีลำดับความสำคัญไม่เท่ากับคำแนะนำการใช้งานทั่วไป

ผู้ใช้สามารถจัดการการตั้งค่าการแจ้งเตือนของตนได้ การลดข้อความซ้ำสำหรับเหตุการณ์เดียวกัน การไม่แสดงการแจ้งเตือนที่หมดความสมบูรณ์แล้ว และการนำทางคำแนะนำไปยังแผนที่ถูกต้อง ล้วนเป็นส่วนหนึ่งของประสบการณ์ใช้งาน

ฟังก์ชันตำแหน่งและการทำงานเบื้องหลังทำงานตามสิทธิ์ที่ผู้ใช้อนุญาตและภายในเงื่อนไขการทำงานของระบบปฏิบัติการมือถือ ข้อมูลที่แสดงระหว่างการเดินทางจะสั้นและเน้นการลงมือทำ ส่วนรายละเอียดตรวจดูได้บนหน้าจอที่เกี่ยวข้อง

6.11 ความไว้วางใจและการจัดการข้อผิดพลาด

6.11.1 ทำให้ลักษณะของข้อมูลมองเห็นได้ชัดเจน

แนวทางด้านความไว้วางใจของ eBattery AI สร้างขึ้นบนการทำให้เข้าใจได้ว่าผลลัพธ์อ้างอิงจากข้อมูลใด

ระดับแบตเตอรี่ที่ผู้ใช้กรอก สถานะเต้ารับที่ได้รับจากผู้ให้บริการ เวลาที่แผนที่ประเมินไว้ และคำอธิบายของ AI เป็นข้อมูลคนละประเภทกัน การแยกแยะนี้ช่วยให้ประเมินคำแนะนำได้อย่างถูกต้อง

ระบบปัญญาประดิษฐ์เชิงสร้างสรรค์อาจนำเสนอข้อมูลที่ไม่มีหลักฐานรองรับด้วยภาษาที่โน้มน้าวใจ โปรไฟล์ความเสี่ยงด้านปัญญาประดิษฐ์เชิงสร้างสรรค์ของ NIST ก็กล่าวถึงพฤติกรรมนี้เช่นกัน แนวทางการคำนวณและการตรวจสอบยืนยันที่อิงข้อมูลของ eBattery ถูกออกแบบมาเพื่อลดผลกระทบของข้อผิดพลาดเช่นนี้ต่อการตัดสินใจในแอป

แนวทางนี้สำคัญเป็นพิเศษกับตำแหน่ง สถานะสถานี ราคา และการคำนวณพลังงาน คำอธิบายที่ลื่นไหลจะไม่ถูกใช้แทนข้อมูลที่ผ่านการตรวจสอบยืนยัน

6.11.2 การทำงานอย่างชัดเจนและสม่ำเสมอเมื่อข้อมูลไม่ครบ

การที่แหล่งข้อมูลหนึ่งไม่ตอบสนองไม่ได้หมายความว่าทุกฟังก์ชันของแอปต้องหยุดพร้อมกัน ระบบจะประเมินว่าสามารถให้ผลลัพธ์อะไรได้จากข้อมูลที่มีอยู่

ตัวอย่างเช่น หากมีข้อมูลตำแหน่งและซ็อกเก็ตของสถานีแต่ไม่สามารถดึงสถานะสดได้ การค้นหาสถานีก็ยังดำเนินต่อไปได้ โดยความพร้อมใช้งานจะแสดงเป็นไม่ทราบ

ในทำนองเดียวกัน เมื่อโมเดลภาษาไม่สามารถตอบได้ชั่วคราว ผลลัพธ์เส้นทางที่ถูกต้องซึ่งได้รับจากบริการคำนวณจะถูกแยกวิเคราะห์เพื่อให้นำเสนอได้ด้วยการ์ดมาตรฐานและคำอธิบายสั้น ๆ

ในกรณีที่ใช้ข้อมูลล่าสุดที่ทราบ ความสดใหม่ของข้อมูลจะได้รับการรักษาไว้ สถานะเก่าที่แสดงจากแคชจะไม่ถูกนำเสนอเหมือนเป็นข้อมูลสดที่เพิ่งได้รับมา

6.11.3 อำนาจ ความเป็นส่วนตัว และความปลอดภัยของเนื้อหาภายนอก

ข้อมูลที่ชั้น AI ต้องการจะถูกจำกัดตามขอบเขตของงานที่จะทำ การอธิบายว่าเหตุใดจึงแนะนำสถานีหนึ่ง ไม่จำเป็นต้องส่งประวัติข้อความทั้งหมดหรือข้อมูลการชำระเงินของผู้ใช้ให้โมเดล

ตำแหน่ง แผนการเดินทาง และความชอบของผู้ใช้จัดการภายใต้การควบคุมการเข้าถึง สิทธิการทำธุรกรรมของแอปได้รับการตรวจสอบแยกจากการสร้างข้อความอิสระของโมเดลภาษา

คำอธิบายจากแหล่งภายนอกและรีวิวของผู้ใช้ก็ถูกประมวลผลเป็นข้อมูลเช่นกัน หลักความปลอดภัยข้อหนึ่งของสถาปัตยกรรมคือไม่อนุญาตให้คำสั่งที่อาจแฝงอยู่ในเนื้อหาเหล่านี้เปลี่ยนแปลงกฎการทำรายการของแอป

ในกระบวนการธุรกรรมในอนาคต เช่น การชำระเงินหรือการจอง คำแนะนำของ AI และการดำเนินธุรกรรมเป็นขั้นตอนที่แยกจากกัน ผู้ใช้จะเห็นขอบเขตของธุรกรรม และยังคงมีขั้นตอนการอนุมัติที่เกี่ยวข้อง

6.11.4 การเรียนรู้จากข้อผิดพลาดอย่างวัดผลได้

ความน่าเชื่อถือต้องอาศัยการประเมินสถานการณ์การใช้งานจริงอย่างสม่ำเสมอ

สถานการณ์ เช่น สถานีที่เข้ากันไม่ได้กับรถ ราคาที่ขาดหาย ข้อมูลแบตเตอรี่ที่เปลี่ยนไป การเชื่อมต่อขัดข้อง หรือคำขอเส้นทางเก่าที่เสร็จช้า เป็นสถานการณ์ทดสอบที่กำหนดว่าระบบควรทำงานอย่างไร

ความคิดเห็นของผู้ใช้ก็มีส่วนช่วยในกระบวนการนี้ การเลือกที่ทำบนข้อมูลสถานีที่ผิดพลาด กับการเลือกที่ไม่ตรงตามความคาดหวัง ไม่ใช่ข้อผิดพลาดประเภทเดียวกัน การจับคู่ความคิดเห็นกับข้อมูลและขั้นตอนการตัดสินใจที่เกี่ยวข้องช่วยให้พัฒนาองค์ประกอบที่ถูกต้องได้

แนวทางด้านความน่าเชื่อถือไม่ได้หยุดอยู่แค่การนับผลลัพธ์ว่า “สำเร็จ” หรือ “ไม่สำเร็จ” แต่ตั้งอยู่บนความเข้าใจถึงที่มาของข้อผิดพลาดและผลกระทบต่อผู้ใช้

6.12 เป้าหมายโครงสร้างพื้นฐานและประสิทธิภาพที่ไม่ขึ้นกับโมเดล

6.12.1 การทำให้ตรรกะของผลิตภัณฑ์เป็นอิสระจากผู้ให้บริการโมเดล

โครงสร้างพื้นฐานของ eBattery AI ยึดแนวทางที่ไม่ผูกฟังก์ชันหลักของผลิตภัณฑ์เข้ากับคุณสมบัติของโมเดลภาษาเพียงโมเดลเดียว

โปรไฟล์รถ ข้อมูลสถานี การคำนวณเส้นทาง และการตั้งค่าของผู้ใช้ จัดการอยู่ในบริการของแอปเอง โมเดลภาษาเชื่อมต่อกับบริการเหล่านี้ผ่านงานที่กำหนดไว้และข้อตกลงด้านข้อมูล

โครงสร้างนี้เปิดโอกาสให้ประเมินตระกูลโมเดลต่าง ๆ เช่น GPT และ Gemini หรือทางเลือกที่จะพัฒนาขึ้นในอนาคต การเปลี่ยนโมเดลไม่ควรต้องเขียนกฎพื้นฐาน เช่น ความเข้ากันได้ระหว่างรถกับสถานี ขึ้นใหม่

การเลือกโมเดลพิจารณาจากคุณภาพภาษา ความแม่นยำของผลลัพธ์ที่มีโครงสร้าง ความสำเร็จของงาน ความหน่วง ต้นทุน และเงื่อนไขการประมวลผลข้อมูล ชื่อผู้ให้บริการเพียงอย่างเดียวไม่ถูกใช้เป็นเกณฑ์วัดคุณภาพของผลิตภัณฑ์

6.12.2 การใช้โมเดลและบริการที่เหมาะกับงาน

คำขอของผู้ใช้แต่ละรายการไม่ได้ต้องใช้ภาระการประมวลผลเท่ากัน การจัดประเภทเจตนาแบบสั้นกับการเล่าเรื่องการเดินทางอย่างละเอียดมีความต้องการต่างกัน

โครงสร้างพื้นฐานออกแบบมาเพื่อให้กำหนดเส้นทางงานตามความแตกต่างนี้ได้ งานที่บริการคำนวณแก้ได้โดยตรงจะดำเนินการในบริการเหล่านั้น ส่วนขั้นตอนที่ต้องตีความและอธิบายด้วยภาษาธรรมชาติจะใช้โมเดลที่เหมาะสม

แนวทางด้านสถาปัตยกรรมที่สนับสนุนประสิทธิภาพประกอบด้วยองค์ประกอบดังต่อไปนี้

  • การเรียกข้อมูลที่ไม่ขึ้นต่อกันพร้อมกันเมื่อเหมาะสม

  • การแคชข้อมูลรถที่เปลี่ยนแปลงช้ากว่าอย่างมีการควบคุม

  • การใช้กฎความทันสมัยกับข้อมูลที่เปลี่ยนแปลงได้ เช่น ความพร้อมใช้งานและราคา

  • การยกเลิกบัญชีที่ใช้ไม่ได้เมื่อคำขอของผู้ใช้เปลี่ยนไป

  • การทำงานที่ใช้เวลานานในเบื้องหลังโดยไม่บล็อกอินเทอร์เฟซ

  • การนำเสนอส่วนที่พร้อมของผลลัพธ์เป็นระยะ โดยรักษาความสมบูรณ์ของผลลัพธ์ไว้

บริการแผนที่และการจราจรก็มีการแลกเปลี่ยนระหว่างเวลาตอบสนองกับรายละเอียดการคำนวณเช่นกัน Google Routes API กำหนดตัวเลือกต่าง ๆ สำหรับการประเมินการจราจร และอธิบายว่าการค้นหาที่ครอบคลุมกว่าอาจทำให้เกิดความหน่วงสูงขึ้น แนวทางด้านประสิทธิภาพของ eBattery ประเมินพฤติกรรมของบริการภายนอกเหล่านี้ภายในประสบการณ์ผู้ใช้โดยรวม

6.12.3 การกำหนดเป้าหมายด้านประสิทธิภาพ

ใน eBattery AI ประสิทธิภาพจะประเมินจากประสบการณ์ตั้งแต่ผู้ใช้ส่งคำขอจนถึงได้ผลลัพธ์ที่ใช้งานได้

การเริ่มต้นของคำตอบแรกกับการเสร็จสิ้นของแผนเส้นทางเป็นการวัดที่แตกต่างกัน การแสดงแอนิเมชันโหลดไม่ถือว่าเหมือนกับการเริ่มต้นของคำตอบ AI ที่มีความหมาย

พื้นที่ประสิทธิภาพ เป้าหมายการออกแบบ แนวทางการวัดผล
AI เริ่มตอบ เริ่มสตรีมการตอบกลับที่มีความหมายครั้งแรกภายใน 2 วินาทีภายใต้เงื่อนไขมาตรฐาน ระยะเวลาตั้งแต่ส่งคำขอจนถึงเนื้อหาที่มีความหมายชิ้นแรกที่ผู้ใช้มองเห็น
การสร้างเส้นทางมาตรฐาน ให้ผลลัพธ์เส้นทางที่ใช้งานได้ภายในเวลาไม่เกิน 5 วินาทีเท่าที่เป็นไปได้ในสถานการณ์ทั่วไปที่รองรับ ระยะเวลาตั้งแต่การร้องขอจนถึงเส้นทางและแผนการชาร์จพื้นฐานพร้อมใช้งาน
การเปลี่ยนหน้าจอ รักษาการโต้ตอบและความลื่นไหลขณะที่กำลังคำนวณ ความล่าช้าในการเปิดตัวและอินเทอร์เฟซค้าง
การคำนวณใหม่ การสะท้อนการเปลี่ยนแปลงที่มีนัยสำคัญลงในแผนอย่างทันเวลา ระยะเวลาตั้งแต่ได้รับการอัปเดตจนถึงตัวเลือกใหม่พร้อมใช้งาน
แผนการเดินทางที่ซับซ้อน ส่งมอบผลลัพธ์เป็นขั้นตอนโดยแสดงความคืบหน้าให้เห็นได้ตลอด ผลลัพธ์แรกที่ใช้งานได้และเวลาที่ใช้ในการทำแผนให้เสร็จสมบูรณ์

ค่าเหล่านี้เป็นเป้าหมายทางวิศวกรรม ผลลัพธ์จริงวัดตามสภาพเครือข่าย ผู้ให้บริการข้อมูล ความยาวเส้นทาง จำนวนจุดแวะ และความซับซ้อนของแผน

ค่าเฉลี่ยเพียงค่าเดียวไม่อาจอธิบายประสบการณ์ทั้งหมดได้ นอกจากประสบการณ์ของผู้ใช้โดยทั่วไป ยังมีการติดตามค่าวัด เช่น ค่ามัธยฐานและเปอร์เซ็นไทล์ที่ 95 เพื่อให้มองเห็นคำขอที่ช้ากว่า ทำให้เห็นช่องว่างระหว่างการที่ระบบทำงานเร็วสำหรับคนส่วนใหญ่ กับการที่ผู้ใช้บางส่วนต้องรอนาน

6.12.4 การวัดความถูกต้องและความใช้งานได้ควบคู่กับความเร็ว

การประเมินประสิทธิภาพครอบคลุมทั้งเวลาตอบสนองและคุณภาพของผลลัพธ์

ด้านหลักที่ประเมินมีดังนี้:

  • ความแม่นยำในการเลือกสถานีที่เข้ากันได้กับยานพาหนะ

  • ความสอดคล้องของการคำนวณพลังงานและเปอร์เซ็นต์แบตเตอรี่

  • การปฏิบัติตามลำดับจุดแวะที่ผู้ใช้กำหนด

  • การรักษาความแตกต่างระหว่างข้อมูลปัจจุบันกับข้อมูลเก่า

  • ข้อความอธิบายตรงกับค่าบนการ์ดผลลัพธ์

  • การ์ดผลลัพธ์เปิดแผนและหน้าจอที่ถูกต้อง

  • การใช้การเปลี่ยนแปลงของผู้ใช้กับเวอร์ชันที่ถูกต้อง

  • ความเข้าใจคำขอเดียวกันอย่างสอดคล้องกันในหลายภาษา

เมื่อมีข้อมูลที่เกิดขึ้นจริง ระบบจะเปรียบเทียบเวลาถึงที่ประมาณการกับผลที่สังเกตได้ด้านการใช้พลังงานและเวลาชาร์จ การเปรียบเทียบเหล่านี้ชี้ให้เห็นว่าภูมิภาค โปรไฟล์รถ หรือเงื่อนไขการใช้งานใดต้องปรับปรุง

การอัปเดตโมเดลก็ได้รับการดูแลด้วยวินัยการประเมินแบบเดียวกัน โมเดลใหม่ที่พูดคล่องขึ้นไม่ได้หมายความว่าอธิบายเส้นทางได้แม่นยำขึ้น จึงตรวจสอบประสิทธิภาพในงานปัจจุบัน ผลลัพธ์ที่มีโครงสร้าง และความสอดคล้องกับการดำเนินการในแอปไปพร้อมกัน

6.12.5 รากฐานร่วมสำหรับความสามารถที่ขยายตัว

โครงสร้างที่ไม่ขึ้นกับโมเดลช่วยให้ eBattery AI ขยายไปพร้อมกับข้อมูลและบริการใหม่ ๆ เมื่อผลิตภัณฑ์พัฒนาขึ้น

ข้อมูลรถโดยตรง การนำสภาพอากาศเข้าสู่โมเดลพลังงาน คำแนะนำที่เรียนรู้จากความชอบของผู้ใช้ และแผนท่องเที่ยวที่ครอบคลุมพื้นที่ภูมิศาสตร์กว้างขึ้น ล้วนเชื่อมโยงกับโครงสร้างการคำนวณและบริบทเดียวกัน

เมื่อการชาร์จและชำระเงิน EV Market การสนับสนุนการชาร์จเคลื่อนที่ และบริการอื่น ๆ เริ่มให้บริการ การดำเนินการที่ผู้ช่วยสามารถนำทางได้ก็จะขยายตามไปด้วย ฟังก์ชันใหม่แต่ละอย่างจะพิจารณาร่วมกับขอบเขต ข้อมูล และการอนุมัติของผู้ใช้ตามจริงของบริการที่เกี่ยวข้อง

ตลอดการพัฒนานี้ ความสัมพันธ์ที่ผู้ช่วยมีกับผู้ใช้จะยังคงอยู่ คือ เข้าใจความต้องการ ใช้ข้อมูลที่เหมาะสม อธิบายผลของแต่ละตัวเลือก และทำให้การดำเนินการที่ผู้ใช้เลือกสะดวกขึ้นภายในแอป

ค้นหาใน eBattery

ค้นหาฟีเจอร์ คู่มือ หรือหัวข้อ

จุดเริ่มต้นการค้นหาสถานีชาร์จ →ตัวอย่างโครงการ RWA →คู่มือและข่าวสาร →