PREDIÇÃO DA AUTONOMIA DE VEÍCULOS ELÉTRICOS ATRAVÉS DE ACELERADORES DE AI CUSTOMIZADOS
Resumo
A ansiedade de autonomia gera insegurança acerca dos veículos elétricos, quando relacionado com a quantidade e localização das estações de recarga. O objetivo desse projeto foi desenvolver um sistema embarcado para encontrar padrões de consumo e, posteriormente, estimar a autonomia desses veículos, baseado em um modelo de aprendizado de máquina não supervisionado. Para o protótipo foi utilizado um grupo de dados que possuía rótulos, de forma que sua eficiência pudesse ser facilmente detectada. Para implementação do algoritmo com finalidade de software foi utilizada da linguagem de programação Python, empregando as bibliotecas científicas NumPy e Pandas para que pudesse ter um menor nível de abstração e um melhor entendimento sobre o algoritmo. Em seguida, para o dispositivo a ser embarcado, sua implementação foi feita em System Verilog, linguagem de descrição de hardware, e sintetizado em uma FPGA (Field Programmable Gate Array). As implementações, como software e como hardware, foram capazes de encontrar os padrões a partir dos agrupamentos de dados de forma aproximada. Contudo, foi percebido uma notória superioridade na velocidade da FPGA em relação a implementação em Python, tendo utilizado apenas uma parcela ínfima dos recursos da placa.
