Il ciclo WLTP è da anni al centro delle polemiche per la scarsa aderenza all’uso reale delle auto elettriche. Un recente studio scientifico propone di superare questo limite con un approccio basato sull’Intelligenza Artificiale, per stimare l’autonomia in modo dinamico e contestuale. Un cambio di paradigma che potrebbe incidere profondamente su come guidatori e costruttori affrontano il tema della percorrenza reale.
La strana vicenda dell’autonomia dei veicoli elettrici in autostrada
Il WLTP resta un test standardizzato, svolto in laboratorio, con parametri definiti e ripetibili. Una condizione che, per definizione, non riesce a rappresentare la varietà infinita degli utilizzi quotidiani, ma serve a confrontare modelli diversi. Molto meno a prevedere quanti chilometri si possano realmente percorrere in un determinato viaggio.
L’autonomia non è un valore fisso
È proprio questo il punto di partenza dello studio pubblicato di recente sulla rivista Nature. Secondo i ricercatori, l’autonomia di un’auto elettrica non può essere descritta da un singolo numero, perché dipende continuamente da fattori dinamici: pendenza della strada, velocità, stile di guida, stato di carica della batteria, temperatura esterna, utilizzo di climatizzazione e sistemi ausiliari. Chi guida elettrico lo sa bene: piccoli cambiamenti di contesto possono tradursi in variazioni significative dei consumi.
L’IA ci viene in aiuto?
Per affrontare questa complessità, il team di ricerca ha sviluppato un modello basato sull’Intelligenza Artificiale (IA), in grado di stimare l’autonomia residua in tempo reale.
In assenza di un database pubblico sufficientemente ampio, i ricercatori hanno creato un set di circa 2.000 scenari di guida simulati, combinando parametri come topografia, condizioni meteo, velocità, accelerazione e livello di carica.
Su questa base sono stati addestrati diversi algoritmi di machine learning, dai modelli più classici a architetture più avanzate.
L’obiettivo non era solo stimare quanti chilometri restano prima di fermarsi, ma anche individuare condizioni di guida ottimali, in particolare per velocità e accelerazione, capaci di massimizzare l’efficienza energetica.
Secondo gli autori, la combinazione di più modelli consente di ottenere una precisione nettamente superiore rispetto a una stima basata su un ciclo statico come il WLTP.
Autonomia reale: l’impatto dei fattori esterni
Uno degli aspetti più interessanti emersi dallo studio riguarda il peso dei singoli fattori sui livelli di autonomia reale.
Il dislivello del percorso, ad esempio, risulta essere il parametro più determinante, persino più della velocità media. Anche lo stato di carica influisce in modo non lineare: il consumo energetico non cresce in maniera uniforme man mano che la batteria si scarica.
Al contrario, elementi spesso citati come decisivi – meteo o uso dei sistemi ausiliari – mostrano un impatto più contenuto se analizzati singolarmente. Diventano rilevanti soprattutto quando si combinano con altri fattori, confermando quanto il comportamento energetico di un’auto elettrica sia il risultato di un equilibrio complesso.
Verso il superamento del WLTP?
Sulla carta, l’approccio basato sull’IA segna una rottura netta rispetto al WLTP. Da una parte un valore unico e immutabile, dall’altra una stima dinamica, aggiornata in base alla situazione reale del veicolo.
Gli stessi ricercatori invitano però alla cautela. Il modello è basato esclusivamente su dati simulati e non è ancora stato validato con misurazioni reali su strada. I risultati sono promettenti, ma non rappresentano, almeno per ora, un’alternativa concreta ai cicli di omologazione.
Resta però il segnale: in futuro, l’autonomia delle auto elettriche potrebbe non essere più raccontata da un numero fisso su una brochure, ma da stime evolutive integrate nei sistemi di navigazione, molto più vicine all’esperienza reale di guida. Una direzione già intrapresa da alcuni costruttori, ma che oggi soffre ancora di limiti evidenti in termini di precisione.
IL NOSTRO PARERE – Riportiamo la notizia di questo studio come una curiosità più che come uno strumento utile per il guidatore elettrico. I principi generali, infatti, sono ben noti a chiunque abbia dimestichezza con l’auto elettrica. E l’apporto dell’Intelligenza Artificiale poco può aggiungere agli algoritmi già utilizzati per le simulazioni di strumenti di navigazione come ABRP o Power Cruise Control, già molto precisi. Entrambi, tra l’altro, possono essere abbinati a un OBD (on-board diagnostics) che preleva i dati base direttamente dall’auto specifica che si sta guidando anzichè dalle specifiche tecniche del costruttore.
Discorso diverso se uno studio del genere fornisse le basi metodologiche per applicare l’Intelligenza Artificiale a una funzione di guida preimpostata (es: “massimizzare l’autonomia”) in grado di sollevare il pilota da ogni preoccupazione sul rispetto dei target impostati.
- Guarda anche il VIDEO di Filippo Pagliuca
Il ciclo vltp non serve per fare stime sulla percorrenza in uso reale, ma serve per poter misurare per ogni veicolo in condizioni uguali per tutti consumi ed emissioni
Concordo: è qualcosa che si fa da tanti anni. Cito Tesla perché la conosco: quando imposti la destinazione tiene già conto della direzione del vento, del numero di occupanti, della temperatura, pressione pneumatici, traffico… Quando sbaglia è di pochissimo oppure abbiamo drasticamente cambiato andatura.
Non è che AI possa aumentare l’autonomia…