Mô tả chi tiết

Bài toán

Khi thực hiện một hành trình dài bằng xe điện, người dùng không chỉ cần biết trạm sạc nằm ở đâu, mà còn phải trả lời nhiều câu hỏi liên quan:

• Với mức pin hiện tại, xe có thể đi được bao xa?
• Nên dừng tại trạm sạc nào?
• Khi đến trạm còn bao nhiêu pin?
• Cần sạc trong bao lâu và đến mức pin nào để tiếp tục hành trình?
• Làm thế nào để giảm tổng thời gian chuyến đi nhưng vẫn đáp ứng các nhu cầu cá nhân trên đường?

Việc tự kết hợp các thông tin này khiến quá trình lên kế hoạch cho những chuyến đi dài bằng xe điện trở nên phức tạp.

Giải pháp

Charge Ahead xây dựng một kế hoạch sạc xuyên suốt hành trình dựa trên mẫu xe, điểm xuất phát, điểm đến, mức pin khởi hành và nhu cầu của người dùng.

Người dùng có thể bổ sung các yêu cầu bằng ngôn ngữ tự nhiên, ví dụ thời gian muốn xuất phát, thời gian ăn trưa hoặc số lần dừng tối đa.

AI có nhiệm vụ phân tích và chuyển những yêu cầu này thành các ràng buộc có cấu trúc. Người dùng được kiểm tra và xác nhận lại các thông tin trước khi chúng được chuyển tới bộ giải.

Sau khi xác nhận, bộ giải tối ưu tìm kế hoạch có tổng thời gian hành trình tốt nhất trong khi vẫn đảm bảo các ràng buộc đã được người dùng chấp nhận.

Kết quả kế hoạch

Kế hoạch cung cấp cho người dùng:

• Tuyến đường và các trạm sạc được lựa chọn.
• Thời gian dự kiến đến từng trạm.
• Mức pin dự kiến khi đến và rời trạm.
• Thời gian cần sạc tại từng điểm.
• Tổng thời gian dự kiến của hành trình.
• Các địa điểm và tiện ích phù hợp xung quanh trạm sạc để người dùng tham khảo trong thời gian chờ.

Các tiện ích xung quanh đóng vai trò bổ trợ, trong khi trọng tâm của Charge Ahead vẫn là tìm trạm sạc và xây dựng kế hoạch sạc phù hợp cho toàn bộ hành trình.

Giải pháp kỹ thuật

Hệ thống tách hai nhiệm vụ chính:

Thành phần	Nhiệm vụ
AI / LLM	Hiểu yêu cầu bằng ngôn ngữ tự nhiên, trích xuất và chuẩn hóa các ràng buộc của người dùng.
Optimization Solver	Tính toán và lựa chọn kế hoạch khả thi, tối ưu về thời gian dựa trên hành trình, đặc tính xe, mức pin, trạm sạc và các ràng buộc đã xác nhận.

Cách tiếp cận này giúp AI tập trung vào việc hiểu ý định người dùng, trong khi việc lựa chọn kế hoạch được thực hiện bởi một bộ giải có ràng buộc, thay vì để LLM tự sinh ra hành trình.

Tính khả thi & hướng phát triển