Mutass a térképen bármelyik pontra, és a Pulse megmondja, mekkora DC gyorstöltési keresletet látna ott. Nem valami ködös “jó” vagy “rossz” minősítést kapsz — hanem egy konkrét számot: becsült kWh töltőállásonként naponta, havi bontásban, és egészen az egyes inputváltozókig visszafejtve, hogy mi hajtotta az eredményt.

A modell három egymásra szorzódó lépésben működik.

1. lépés — Keresleti alap

Egy paraméteres modell megbecsüli, hogy általánosságban mekkora DC gyorstöltési kereslet létezik egy adott országban és hónapban. Három dolgot vesz figyelembe:

Hőmérséklet — hideg időben nő a km-re jutó energiafogyasztás, és erősebb a hatótáv miatti szorongás is. Egy norvég január nagyjából 70%-kal több DC gyorstöltési keresletet termel BEV-nként, mint egy norvég július.
BEV flottaarány — minél több elektromos autó van az utakon, annál több a töltési session. A modell ország- és évszintű, log skálázott BEV penetrációval dolgozik.
Országszintű alapérték — a vezetési kultúra, az autópálya-sűrűség és a töltési szokások országonként strukturálisan eltérnek. Egy norvég BEV-tulajdonos máshogy használja a nyilvános DC gyorstöltést, mint egy finn, még azonos hőmérséklet és flottaarány mellett is.

A keresleti alapot megfigyelt, állomásszintű használati adatokon tanítottuk. Arra válaszol: mi számít “normálisnak” ebben az országban, ebben a hónapban? A kimenet egy szám kWh/EVSE/nap egységben — jellemzően 40 és 120 között, piactól és szezontól függően.

2. lépés — Helyszínpontszám

A keresleti alap a piacról mond valamit. A helyszínpontszám pedig erről a konkrét pontról. Ez egy gépi tanulási modell (gradient-boosted trees), amely 20 térbeli jellemzőt értékel több kategóriában:

Forgalom — összetett forgalmi pontszám, amely állami AADT (éves átlagos napi forgalom) adatokból készül, az út közelsége és típusa szerint súlyozva. Tartalmazza az autópálya-forgalom arányát és a maximális útszakasz-AADT értéket is. Ez a legerősebb előrejelző változó.
Verseny — meglévő DC gyorstöltők 5 km-en, 10 km-en és 25 km-en belül, plusz a legközelebbi versenytárs távolsága. Minél erősebb a verseny, annál kisebb részt hasít ki egy állomás az áthaladó keresletből.
Érdekes pontok — benzinkutak, étkezési lehetőségek, parkolók és egyéb szolgáltatások 1 km-en és 5 km-en belül. Ide tartoznak a retail POI alkategóriák is: bevásárlóközpontok, márkás gyorséttermek, láncüzletek és a kiskereskedelmi sűrűség. Ezek a gyalogosforgalom, a helyben töltött idő és a sofőröket vonzó lokációtípusok proxyi.
Megközelíthetőség — távolság a legközelebbi benzinkúttól, étkezési ponttól és bármely POI-tól. A meglévő autós infrastruktúra közelében lévő helyszínek öröklik ezt a forgalmat.

A modellt több mint 33,934 állomás-hónapnyi megfigyelt töltési használaton tanítottuk, 4,083 állomás adatai alapján. Azt tanulja meg, hogy a térbeli jellemzők milyen kombinációja jelez magas vagy alacsony kihasználtságot — majd ezt alkalmazza bármely új pontra.

Azokon a területeken, ahol sűrű a versenyadat, a teljes 20 jellemzős modell fut. Ahol ritkás a versenyadat (új piacok, vidéki zónák), ott egy külön alapmodell veszi át a szerepet, amely csak forgalmi és POI jellemzőket használ. A kettőt egy, a helyi versenysűrűséghez kötött szigmoid függvény blendeli — így a modell kulturáltan romlik, nem kezd el hallucinálni adatszegény régiókban.

A kimenet egyetlen szám: a helyszínpontszám. Ez szorzóként működik a keresleti alapon. A 3.0-s érték azt jelenti, hogy ez a helyszín az ország/hónap alapérték háromszorosát vonzaná. A 0.5 pedig a felét.

3. lépés — Operátori korrekció

A helyszínpontszám szándékosan operátorvak — a telket méri, nem azt, hogy ki áll rajta. De amikor egy konkrét projekthez keresleti előrejelzést készítünk, belép egy harmadik tényező is: a CPO végrehajtási faktor. Ez azt korrigálja, hogy az adott operátor mennyire tudja a helyszín potenciálját valós sessionökké alakítani (lásd lent: “Mi az a CPO végrehajtási pontszám?”). Az alapértelmezett érték 1.0, vagyis plan-case végrehajtás.

A szorzási lánc

A végső keresleti becslés egyszerűen:

                                kWh / EVSE / nap  =  keresleti alap  ×  helyszínpontszám  ×  CPO faktor
                            

Egy konkrét példa: egy norvégiai helyszín januárban, 1.5-ös helyszínpontszámmal és plan-case végrehajtással:

Keresleti alap (Norvégia, jan., −5°C, 25% BEV)	81 kWh/EVSE/nap
Helyszínpontszám	× 1.50
CPO végrehajtási faktor	× 1.00
Előrejelzett kereslet	122 kWh/EVSE/nap

Ugyanez a helyszín júliusban (15°C) alacsonyabb keresleti alappal (~52 kWh) 78 kWh/EVSE/nap értéket adna — ez 38%-os szezonális visszaesés, ami egybevág azzal, amit a valós adatokban látunk.

Miért térnek el a pontszámok piacok között?

A helyszínpontszám egyetlen globális skálát használ. A 2.5 mindenhol ugyanazt jelenti: a helyi keresleti alap 2.5×-ét. De mivel a pontszámot hajtó térbeli jellemzők (forgalomsűrűség, verseny, POI lefedettség) országonként brutálisan eltérnek, a pontszámok eloszlása piaconként más.

Norvégiában a medián állomás nagyjából 1.0 körül van. Németországban inkább 2.5 körül. Hollandia közel 3.0-n áll. Ez nem hiba — ez maga a jel. A sűrű, nagy forgalmú, sok szolgáltatással rendelkező piacok magasabb pontszámokat adnak, mert ezek a jellemzők tényleg nagyobb keresletet jeleznek előre. Egy 1.5 Norvégiában átlag feletti Norvégiához képest; ugyanez Hollandiában átlag alatti lenne. Mindkettő helyes.

Magyarázhatóság

Minden pontszámhoz teljes SHAP (SHapley Additive exPlanations) bontás tartozik, amely pontosan megmutatja, mely jellemzők tolták fel vagy le a pontszámot, és mennyivel. Láthatod, hogy egy adott helyszín azért kap magas pontszámot, mert a legközelebbi úton 18,000 az AADT, és 200 méteren belül van egy benzinkút — nem csak azt, hogy magas a pontszám. Ez számít, amikor befektetési döntést hozol: tudni akarod, miért, nem csak azt, hogy mi.

A motor minden részegységéhez van külön deep dive: a keresleti modellhez, a helyszínpontszámhoz és a CPO végrehajtási pontszámhoz.

Fiókhelyreállítás