Un modello addestrato all'interno del geofence

Tesla ha lanciato un nuovo modello di machine learning progettato per prevedere quanto sarà affollato un Supercharger — non solo nel momento in cui arriva un conducente, ma diversi minuti in anticipo, in base a quali auto si stanno dirigendo verso il sito. Il modello è stato addestrato su 9 milioni di miglia di dati di traiettoria anonimizzati e aggregati, raccolti esclusivamente all'interno delle aree geofenced che circondano la rete globale di Supercharger, secondo le rivelazioni citate da NotATeslaApp ed Electrive.

Limitare il set di addestramento al geofence è importante: filtra i veicoli che attraversano un piazzale Supercharger senza ricaricare — quelli che si fermano per un caffè, per il bagno o per far scendere i passeggeri — e isola la vera intenzione di ricarica. Storicamente è stata la parte più difficile della previsione dei tempi di attesa, perché il traffico misto del piazzale appariva indistinguibile dal traffico destinato alla ricarica nei modelli precedenti.

Come appaiono i numeri

Tesla riporta che il modello riduce il tasso di errore nelle stime delle code di circa il 20 per cento complessivamente. Nei siti dove sono in coda 10 o più veicoli, le previsioni si collocano ora entro 1 o 2 auto dalla lunghezza effettiva della coda, secondo la copertura del rilascio. È una soglia utile per la pianificazione reale dei viaggi: la differenza tra un'attesa di 10 minuti e una di 30 minuti determina se un conducente si ferma al prossimo sito lungo il corridoio o prosegue.

La previsione alimenta anche le indicazioni della navigazione di bordo. Quando il sistema anticipa la formazione di una coda, propone alternative di Supercharger vicini più presto nel percorso, riducendo la probabilità che più conducenti Tesla arrivino allo stesso sito congestionato all'interno della stessa finestra di cinque minuti.

Come si collega alla Virtual Queue

Il modello di previsione code è la metà di back-end di un'iniziativa in due parti. L'altra metà è la funzione Virtual Supercharger Queue, arrivata con la versione 4.56 dell'app Tesla il 25 aprile 2026. L'app offre ai conducenti una lista d'attesa geofenced a cui possono unirsi mentre si avvicinano a un sito affollato; il nuovo modello ML fornisce sia a Tesla che al conducente una stima più precisa di come si svolgerà quell'attesa.

Le due lavorano insieme: l'IA prevede la congestione prima che la coda si formi e l'app coordina la coda una volta che si è formata. Insieme sostituiscono le file improvvisate apparse in siti corridoio affollati durante i periodi di punta delle vacanze.

Cosa significa per i conducenti europei

Per i proprietari europei i beneficiari immediati sono i siti corridoio sotto pressione costante — Rygge, Ærø, Hilden, Junction 17 nel Regno Unito e il corridoio del Tarn in Francia sono esempi tipici. Previsioni migliori riducono la probabilità di deviazioni di percorso legate alle code durante i viaggi estivi e gli eventi del weekend dei club EV.

Il rollout è graduale. Tesla limita inizialmente il modello a sedi Supercharger selezionate mentre analizza l'accuratezza delle previsioni sito per sito. Non c'è una data di lancio europea; storicamente l'azienda ha distribuito i miglioramenti di routing a livello globale una volta che il modello sottostante è stabile.

Leggere la roadmap

Il segnale più profondo in questo rilascio è il modo in cui Tesla utilizza i dati della sua flotta. Nove milioni di miglia di informazioni di traiettoria raccolte solo all'interno dei geofence dei Supercharger sono una fetta ristretta del log complessivo della flotta — ma è la fetta che conta per la logistica della ricarica. Illustra anche il tipo di problema operativo di ML che Tesla può risolvere con la telemetria dei veicoli che manca ai concorrenti: le utility e le reti di ricarica di terze parti vedono solo le auto che si collegano, non le auto che si avvicinano al sito e che potrebbero o meno fermarsi.

Per i conducenti il cambiamento pratico è piccolo ma benvenuto. Arrivate a un Supercharger familiare dopo un lungo viaggio, date un'occhiata allo schermo della navigazione e il numero del tempo di attesa è ora più probabile che corrisponda all'attesa che otterrete davvero.