Wie vandaag een elektrische auto koopt, baseert zich vaak op één enkele waarde: het WLTP-rijbereik. Maar het cijfer op het technische fiche stemt zelden overeen met wat je op de weg ervaart. Dat weet iedereen en het geldt trouwens ook voor benzine- en hybridewagens. De reden is simpel: de WLTP-norm geeft een gestandaardiseerde waarde die vooral dient om modellen onderling te vergelijken. De opzet was nochtans lovenswaardig: de oude NEDC-norm uit de jaren zeventig vervangen door een realistischer protocol dat het verschil tussen een laboratoriumtest en dagelijks gebruik moest verkleinen.
Maar ondanks een langere testcyclus en hogere snelheden blijft de WLTP-test een standaardoefening onder strikte omstandigheden die ver afwijken van de dagelijkse realiteit. Temperatuur, reliëf, rijstijl en batterijniveau beïnvloeden immers voortdurend het verbruik. De WLTP-waarde geeft dus vooral een theoretisch potentieel weer, niet het werkelijke rijbereik.
Tijd voor verandering?
Precies dat idee wordt op de helling gezet door een recente studie, gepubliceerd in het vakblad Nature. De onderzoekers vertrekken vanuit een simpele vaststelling: het rijbereik van een elektrische auto valt niet samen te vatten in één cijfer. Het is het resultaat van een combinatie van parameters die constant veranderen.
Advertentie – lees hieronder verder
Om die complexiteit in kaart te brengen, ontwikkelde het team een aanpak gebaseerd op artificiële intelligentie. Omdat er nog geen grootschalige rijdata beschikbaar zijn, hebben de onderzoekers zo’n 2.000 rijsituaties gesimuleerd. Elk scenario bevat variabelen zoals topografie, snelheid, acceleratiefases, buitentemperatuur en batterijniveau. Die scenario’s dienden als trainingsmateriaal voor verschillende machine learning-algoritmes, van klassieke modellen tot geavanceerde systemen.
Reliëf en batterijniveau: cruciale factoren
Behalve een betere inschatting van het rijbereik wilde het onderzoek ook nagaan in welke omstandigheden elektrische auto’s het zuinigst rijden. Daarbij vielen een aantal verrassende resultaten op.
Het reliëf blijkt de meest bepalende factor, nog vóór de gemiddelde snelheid. Deze parameter werd tot nu toe zelden zo nauwkeurig meegenomen in bestaande schattingen. Volgens de onderzoekers speelt ook de laadtoestand van de batterij een belangrijke rol, aangezien het verbruik niet lineair verloopt in functie van het batterijniveau. Weersomstandigheden of het gebruik van accessoires op zich zouden daarentegen een meer gematigd effect hebben. Maar gecombineerd met andere factoren wordt duidelijk hoe sterk ze van elkaar afhangen.
Gedaan met WLTP?
Hoewel deze AI-modellen preciezer en transparanter zijn voor de gebruiker, is het nog niet de bedoeling om de WLTP-norm te vervangen. Ook de onderzoekers zelf noemen de norm onmisbaar. Logisch, want het nieuwe AI-model is voorlopig alleen gebaseerd op gesimuleerde gegevens en werd nog niet getest op wagens die echt de weg op gaan. Maar het idee is er wel: waarom geen AI gebruiken om een dynamisch verbruiksgetal te bepalen – preciezer dan de paar bestaande voorbeelden – en dat rechtstreeks te integreren in het infotainmentsysteem? Handig, toch? En waarom dan ook niet meteen voor modellen met verbrandingsmotor of hybrides?
Op zoek naar een auto? Zoek, vind en koop het beste model op Gocar.be
