تعتبر شركات مثل وايمو (Waymo) في طليعة الابتكار بمجال خدمات سيارات الأجرة الكهربائية في الولايات المتحدة، حيث بدأت فعلاً في توسيع نطاق هذه الخدمة في عدة مدن. ولكن تشغيل أساطيل سيارات الأجرة الكهربائية يتطلب تنسيقاً دقيقاً بين عدة عوامل مثل مطابقة الركوب وإعادة توجيه السيارات وشحن البطاريات، وذلك ضمن بيئة غير متوقعة ولا توجد فيها بنية تحتية متكاملة للشحن.

في هذا السياق، تمثل الخوارزمية الجديدة المعروفة بـ Atomic Proximal Policy Optimization (Atomic-PPO) إنجازًا ملحوظًا في تصميم خوارزميات التحكم الفعالة والقابلة للتوسع. يعمل Atomic-PPO على تقليل مساحة العمل من خلال تحليل الإجراءات الذرية، مما يجعل العملية التدريبية تتطلب موارد حسابية بسيطة، وهو ما يتيح تقييم عدد كبير من التكوينات المختلفة بشكل عملي.

قام الباحثون محاكات بيئة تشغيلية تعتمد على سجلات رحلات المركبات المخصصة في مدينة نيويورك، وقاموا بمقارنة Atomic-PPO مع سياسات تقليدية ومعايير أداء أخرى تعتمد على المكافآت السائلة. أظهرت النتائج أن Atomic-PPO قادر على إنتاج سياسات توجيه أسطول قريبة من المثالية، مما يجعله أداة موثوقة لتقييم الأنظمة.

تتجلى أهمية هذا الابتكار أيضًا فيما يتعلق بتوزيع الشواحن، حيث يسهم ذلك في تحسين تصميم وأساليب الاستثمار في سرعة الشحن وعدد الشواحن المتاحة. كما أظهرت التجارب العددية الشاملة التي أُجريت كيفية تأثير حجم الأسطول على أداء النظام، مما يبرز الحاجة إلى تخطيط متكامل.

إن فعالية هذا النظام الجديد يمكن أن تفتح الأبواب أمام مستقبل أكثر كفاءة في خدمات النقل العام، مما يسهم في تحسين تجربة المستخدم ويحقق فوائد بيئية ملحوظة.