電池問題亟需解決

談及新能源汽車今后的發展趨勢，孫振華認為從整體發展趨勢來看，新能源汽車發展態勢相對穩定，在當前低碳環保發展環境中，今后發展前景很好。同時他也指出當前新能源汽車行業在全面發展中仍舊存有較多問題，諸多問題出現與發展不可避免。孫振華認為，目前來看，新能源汽車領域中電池續航問題相對嚴重，對消費者日常生活出行還不能完全滿足需求，加上新能源汽車各類配套設施建設還跟不上新能源汽車的實際生產速度，充電樁運行功率較低，消耗時間較長，安全規范缺失等問題，導致新能源汽車售后服務水平參差不齊，包括維修技術的運用還不夠成熟，一些維修企業設備應用老化嚴重，也不能滿足用戶要求。

“新能源電池的安全性和高能量密度之間難以實現有效平衡，當前做好各類新型固態電解質電池的研究與全面開發是行業內關注的重要問題。”在電池升級問題上，孫振華認為，“當前在全面提升新能源電池高能量密度基礎上，我們必須要注重規范化選取各類新型運用材料。這樣能有效的優化電池內部整體結構，既能保證電池能量密度，又能強化電池安全性。”

 

計算機仿真技術賦能智慧物流

孫振華認為，未來的智能汽車可以在許多方面便利甚至改變人們的生活和工作方式，將不再只是一種代步工具，而會進一步便利人們的生活和工作。隨著智能車輛的更新，未來的城市道路狀況將會得到天翻地覆的變化，汽車可以智能識別道路路況，合理規劃出行路線，從而大大縮短人們因為堵車而浪費的時間。而新能源汽車巨大的產銷量需要強大的物流體系來支撐，在智慧物流不斷發展的過程中，計算機仿真技術也就走進了我們的視線。

所謂的計算機仿真就是根據研究目標，建立并運行模型，對研究對象進行認識與改造的過程。物流系統是經典的離散事件系統，傳統的物流系統仿真是對于配送中心、倉庫存儲系統、揀貨系統、運輸系統等可以進行仿真分析與評估。但是，隨著物流行業生產自動化與智能化水平的不斷提高，生產系統越來越復雜，生產節奏越來越快，簡單的離散事件系統仿真技術已經滿足不了物流系統仿真的需求，需要新的計算機仿真技術支撐。

作為智慧物流專家，孫振華表示，物流系統的復雜度越來越高，物流系統智能化與自動化水平也越來越高，需要智能仿真支撐。

“舉個例子，供應鏈優化是所有企業在應用數據和機器學習中最嚴峻的挑戰之一，難點在于供應鏈網絡十分復雜，通常涉及到多層配送中心和供應商、多種產品、多個時間段、多種資源約束，并且不同的產品成本不同，還可以有多種運輸方式的選擇，不確定性太多，而現在我們就可以利用人工智能的強化學習技術，用強化學習算法與隨機供應網絡仿真環境結合來取代原來的仿真優化模型，這樣就有助于優化庫存和定價決策。”

另外，孫振華還指出，新能源物流充分利用云計算與邊緣計算平臺，基于網絡形成的物流仿真環境，將物流系統模型存儲在云和邊緣中，并將其與物流運營數據、設置實驗結合，允許最終物流仿真用戶訪問它們并實時利用物流仿真進行分析與研究，實現物流系統建模、仿真運行及結果分析等整體高效的仿真目標。仿真不是簡單的手段和工具，仿真技術具有其他學科難以替代的特性，已形成了一門新的學科，同時為我們如今的智慧物流提供了巨大的幫助。