El empleo de las estadística para el análisis de las redes viarias urbanas ha permitido a los investigadores de KAUST, la Universidad de Ciencia y Tecnología Rey Abdalá de Arabia Saudita, avanzar en la implementación de las redes de recarga inalámbrica de coches eléctricos. Gracias a la geometría estocástica, una rama de la probabilidad adaptada al estudio de patrones de comportamiento en un entorno de fenómenos aleatorios, es posible saber cómo la carga inalámbrica puede influir en el comportamiento del conductor y en la planificación de las ciudades en un futuro donde los vehículos eléctricos dominen el mercado de automóviles.

Mustafa Kishk, coautor del estudio publicado en el IEEE (Open Journal on Vehicular Technology), explica que su trabajo responde a la necesidad, en un futuro cercano, de implementar sistemas eficientes de carga inalámbrica bajo la calzada de las calles de las ciudades: “Los investigadores y las empresas de tecnología de todo el mundo están desarrollando sistemas eficientes de carga dinámica”. Para establecer un marco que permita evaluar el buen funcionamiento del despliegue de estas redes que permiten recargar mientras se conduce sin necesidad de detenerse se emplearon herramientas de geometría estocástica. “En este contexto, es necesario analizar matemáticamente el despliegue a gran escala de redes de recarga en las ciudades”, afirma Kishk.

El estudio arranca presentando las acciones que un conductor debe tomar cuando quiere conducir desde un punto A a un punto B, ambos aleatorios, maximizando el uso de la carga dinámica durante el viaje. A continuación, analiza la distribución estadística de la distancia a la vía de recarga más cercana, obteniendo a partir de ahí, mediante técnicas matemáticas, la probabilidad de que un viaje determinado pase por al menos una carretera de carga.

La carga inalámbrica puede influir en el comportamiento del conductor y en la planificación de las ciudades.

Las distribuciones de probabilidad derivadas se pueden utilizar para ayudar a los planificadores urbanos y a los responsables políticos a diseñar los planes de implementación de sistemas de carga inalámbrica dinámicos. Además, los conductores y los fabricantes de automóviles también pueden utilizarlos para elegir, a través del software de navegación y de la base de datos de la red, las mejores rutas de conducción dadas las condiciones de la carretera y el nivel de energía de la batería.

Duc Minh Nguyen, director del estudio, asegura que su principal desafío es la dependencia aleatoria de sus métricas de los puntos de inicio y final del trayecto, de los que se deriva la distancia a la carretera de recarga más cercana. Para capturarlas correctamente, se enumeraron explícitamente todas las situaciones posibles, calculando cada métrica y evaluando la probabilidad real de que ocurra cada situación. “Para modelar y analizar cómo estas métricas se ven afectadas por factores como la densidad de carreteras y la frecuencia de despliegue de carga dinámica utilizamos un enfoque llamado geometría estocástica”.

Al aplicar este análisis al área de Manhattan de Nueva York, con una densidad de una carretera cada 63 metros, el resultado es que un conductor tendría un 80% de posibilidades de encontrar una carretera de carga tras haber recorrido 500 metros suponiendo una red de recarga instalada en el 20% de las carreteras.