في إطار سعيها لاستكشاف تحديات توجيه المركبات الكهربائية، قدم العلماء تقنية جديدة تُعرف بـ "سينث تشارجر" (SynthCharge) التي تعد بمثابة مُولد لحالات توجيه المركبات الكهربائية ذات القيود الزمنية (EVRPTW).

تعتبر هذه التقنية تطوراً مهماً في نموذج التوجيه التقليدي، حيث تأخذ في الاعتبار قيود سعة البطارية وقرارات محطات الشحن. تعاني قواعد البيانات الحالية من نقص في قابلية التحقق، مما يعيق التقييم القابل للتكرار لنماذج التوجيه المعتمدة على التعلم.

تستطيع سينث تشارجر إنتاج مجموعة متنوعة من حالات EVRPTW مع فحص الجوانب القابلة للتنفيذ، مما يتيح تقييمًا أكثر موثوقية لشتى نماذج الذكاء الاصطناعي. تستهدف التجارب النماذج الورقية من 5 إلى 100 عميل، رغم أن التقنية تستطيع إدخال عدد أكبر يصل إلى 500 عميل.

تتميز سينث تشارجر بالتكامل بين هندسة الحالة ومعايير سعة الطاقة القابلة للتكيف مع تخطيط محطات الشحن المراعية للمدى، وهو ما يعطي حقائق عملية وعلمية قوية. وبفضل عملية فحص سريعة وفعالة، يتم تصفية الحالات غير القابلة للحل لضمان الالتزام بالمعايير الهيكلية.

إن وجود بنية تحتية تقييم ديناميكية مثل سينث تشارجر يعزز من أهمية التقنيات النورانية ونماذج البيانات في تقييم قوة هذه التقنيات الجديدة. سيسهم هذا التطور في تعزيز موثوقية نماذج توجيه المركبات الكهربائية وبالتالي دعم جهود الاستدامة في هذا المجال.