En modell trent inne i geofencen
Tesla har rullet ut en ny maskinlæringsmodell som er designet for å forutsi hvor travelt det vil være på en Supercharger — ikke bare i øyeblikket en sjåfør ankommer, men flere minutter i forveien, basert på hvilke biler som er på vei mot stedet. Modellen ble trent på 9 millioner mil anonymiserte, aggregerte trajektoriedata samlet inn utelukkende innenfor de geofencede områdene rundt det globale Supercharger-nettverket, ifølge avsløringer sitert av NotATeslaApp og Electrive.
Å begrense treningssettet til geofencen er viktig: det filtrerer ut kjøretøy som passerer gjennom et Supercharger-område uten å lade — som stopper for kaffe, toalett eller for å sette av passasjerer — og isolerer reell ladeintensjon. Det har historisk vært den vanskeligste delen av ventetidsprediksjon, fordi blandet trafikk på området så ut som ladebundet trafikk i tidligere modeller.
Hvordan tallene ser ut
Tesla rapporterer at modellen reduserer feilraten i køestimater med rundt 20 prosent totalt. På steder der 10 eller flere kjøretøy står i kø, ligger prediksjonene nå innenfor 1 til 2 biler av den faktiske kølengden, ifølge dekningen av lanseringen. Det er en nyttig terskel for praktisk turplanlegging: forskjellen mellom 10 minutter og 30 minutters venting avgjør om en sjåfør stopper på neste sted langs korridoren eller kjører videre.
Prediksjonen mater også navigasjonshintene i bilen. Når systemet forutser at en kø dannes, viser det alternative Superchargere i nærheten tidligere i ruten, og reduserer sjansen for at flere Tesla-sjåfører ankommer det samme overbelastede stedet innenfor samme femminuttersvindu.
Hvordan det knyttes til Virtual Queue
Kø-prediksjonsmodellen er backend-halvdelen av et todelt initiativ. Den andre halvdelen er Virtual Supercharger Queue-funksjonen som kom med Tesla-appversjon 4.56 den 25. april 2026. Appen gir sjåfører en geofenced venteliste de kan bli med på når de nærmer seg et travelt sted; den nye ML-modellen gir både Tesla og sjåføren et skarpere estimat av hvordan ventetiden vil utvikle seg.
De to fungerer sammen: KI-en forutsier kødannelse før køen oppstår, og appen koordinerer køen når den oppstår. Sammen erstatter de de improviserte rekkene som har dukket opp på travle korridorsteder i høysesongen.
Hva det betyr for europeiske sjåfører
For europeiske eiere er de umiddelbare mottakerne korridorsteder under vedvarende press — Rygge, Ærø, Hilden, Junction 17 i Storbritannia og Tarn-korridoren i Frankrike er typiske eksempler. Bedre prognoser reduserer sjansen for kø-relaterte ruteomveier under sommerreiser og elbil-klubbenes helgearrangementer.
Utrullingen skjer gradvis. Tesla begrenser i utgangspunktet modellen til utvalgte Supercharger-lokasjoner mens de analyserer prediksjonsnøyaktigheten sted for sted. Det finnes ingen europeisk lanseringsdato; selskapet har historisk lansert ruteforbedringer globalt når den underliggende modellen er stabil.
Lese veikartet
Det dypere signalet i denne lanseringen er hvordan Tesla bruker flåtedataene sine. Ni millioner mil trajektoriedata samlet inn kun innenfor Supercharger-geofencer er en smal del av den totale flåteloggen — men det er den delen som betyr noe for ladelogistikk. Det illustrerer også den typen operasjonelt ML-problem Tesla kan løse med kjøretøytelemetri som konkurrentene mangler: kraftselskaper og tredjeparts ladenettverk ser bare bilene som plugger inn, ikke bilene som nærmer seg stedet og som kan, eller ikke kan, stoppe.
For sjåfører er den praktiske endringen liten, men velkommen. Kjør opp til en kjent Supercharger etter en lang tur, kast et blikk på navigasjonsskjermen, og ventetidstallet er nå mer sannsynlig å være den ventetiden du faktisk får.