- El Intelligent Route Planner de Nissan calcula el estado de carga previsto en el destino combinando la información de Google Maps con un modelo de consumo propio construido sobre 28.000 millones de kilómetros de datos de conducción de vehículos eléctricos Nissan.
- El cálculo no termina en la batería: decide también dónde parar y cuánto cargar en cada parada, porque recuperar diez puntos porcentuales cuesta más tiempo con la batería casi llena que con la batería casi vacía.
- La conducción por autopista es el escenario más exigente para el predictor, porque allí la velocidad la marca el conductor y no el trazado, y porque a esa velocidad un pequeño error de previsión altera mucho la energía consumida.
- Hemos medido cuánto desvía la predicción cada perturbación del mundo real (la dirección y la velocidad del viento, el peso del equipaje y de los ocupantes, la presión de los neumáticos) para que el cálculo siga siendo fiable cuando aparecen.
El estado de carga con el que un coche eléctrico llega a su destino depende de bastantes más cosas que de los kilómetros recorridos. Entre la cifra que aparece al salir y la que aparece al llegar caben la velocidad a la que se ha viajado, los puertos que se han subido, el tráfico que se ha encontrado, la temperatura exterior y el peso del equipaje.
Esa incertidumbre tiene una etiqueta asentada, la “ansiedad de autonomía”, y un origen técnico bastante más concreto. La energía disponible a bordo es finita, el tiempo de recarga varía mucho según dónde y cómo se pare, y los puntos de carga no son ubicuos. Quien sale de viaje necesita saber tres cosas antes de arrancar: si llega, dónde tiene que parar y cuánto va a tardar.
Nissan introdujo el Intelligent Route Planner con el Ariya y hoy lo ofrece también en la tercera generación del LEAF y en el nuevo MICRA. El sistema se apoya en dos materiales que hasta ahora no se habían combinado: la información de Google Maps integrada en el propio coche y el registro de 28.000 millones de kilómetros de conducción real de nuestros vehículos eléctricos.
Qué afecta al consumo en un viaje
La primera variable es la velocidad. La resistencia que el aire opone al coche crece con el cuadrado de la velocidad a la que circula, de modo que el mismo trayecto recorrido a 120 km/h consume bastante más energía que recorrido a 100 km/h, y lo que se gasta de más no se recupera luego. El efecto no es lineal: cada kilómetro por hora adicional cuesta más energía que el anterior.
La segunda es el perfil del terreno. Subir un puerto exige acumular una energía potencial que solo se devuelve en parte al bajar, porque la regeneración tiene un límite de potencia y la batería otro en la carga que admite. Un trayecto de 300 km por la meseta y otro de 300 km cruzando un sistema montañoso plantean dos problemas energéticos distintos.
A la velocidad y al terreno se suman el tráfico, que impone ciclos continuos de aceleración y frenado; la masa, que incluye el equipaje y a los ocupantes; y la climatización, que en un eléctrico se alimenta de la batería de tracción. Las revisiones de la literatura técnica sitúan el impacto del climatizador sobre la autonomía en rangos amplios según condiciones, del orden del 17 al 37 % en verano.
Los procedimientos oficiales de homologación trabajan ya con esa lista: simulan perfiles concretos de velocidad y aceleración, distintas temperaturas y uso del aire acondicionado, y corrigen después el resultado de laboratorio para acercarlo al uso real.
Llegar al cargador no basta
La velocidad a la que un coche eléctrico carga depende de tres factores a la vez: la potencia que entrega el punto, el estado de carga con el que se llega y la temperatura a la que está la batería en ese momento. Ninguno de los tres se mantiene constante a lo largo de un viaje.
La relación entre el tiempo de conexión y la energía recuperada tampoco es lineal. La potencia que la batería admite cae conforme sube su estado de carga, así que recuperar diez puntos porcentuales cuesta bastante menos al 20 % que al 90 %, y los últimos puntos hasta completar la carga tardan mucho más que los primeros.
Eso convierte la parada en una decisión optimizable, en la que la pregunta útil incluye cuánto cargar y no solo dónde detenerse. Google aborda esa optimización como un problema de grafos, la herramienta matemática con la que se calculan las rutas: una red de puntos unidos por conexiones, llamadas aristas, cada una con un coste asignado, que aquí es el tiempo necesario para recorrerla.
Sobre el grafo de carreteras, el navegador busca el camino de menor coste entre origen y destino. Para un vehículo eléctrico, Google construye además una segunda red cuyos puntos son las estaciones de carga, y desdobla cada estación en varios nodos según el nivel de batería con el que se llega y con el que se sale. Elegir un camino en esa red equivale a decidir a la vez dónde parar y cuánto cargar en cada parada, con su coste en tiempo incluido.
Ese aparato matemático necesita números fiables sobre los que operar, y los números son nuestros. La energía que quedará en la batería en cada punto del recorrido, su capacidad real y la potencia que admitirá según la temperatura a la que llegue al cargador salen de nuestro modelo de consumo y de los datos que aporta el propio vehículo. El coche, además, acondiciona la batería durante el trayecto para que al conectarla esté a la temperatura adecuada.
Dos mitades del mismo cálculo
El estado de carga previsto a la llegada se calcula en Google Automotive Services, los servicios de Google que funcionan dentro del vehículo, a partir de la información que envía el propio coche. La precisión del resultado depende, por tanto, de la precisión con la que el coche sea capaz de describirse a sí mismo.
Del lado del mapa llegan la velocidad prevista en cada tramo con el tráfico en tiempo real incorporado, la pendiente de la carretera y los datos de los puntos de carga, incluida su potencia. Del lado del vehículo aportamos la resistencia al avance ajustada a las características del coche, la densidad del aire, las pérdidas de la cadena de tracción eléctrica, el consumo de climatización y de servicios auxiliares, la capacidad máxima de regeneración, las pérdidas de la batería al cargar y descargar, y su capacidad real.
Esa capacidad real no coincide con la de catálogo, porque una batería pierde capacidad con el tiempo y con el uso. Hemos analizado estadísticamente los factores de degradación (temperatura, carga de entrada y salida, rango de estado de carga y días transcurridos) frente al uso real de mercado y hemos revisado el peso de cada uno, para que la estimación corresponda al coche concreto de cada cliente.
Los parámetros del modelo están afinados con esos 28.000 millones de kilómetros. El consumo de climatización se corrige por temperatura exterior a partir del comportamiento medido en flota, no de una tabla teórica. La temperatura de la batería durante la marcha está modelada con el análisis estadístico de las temperaturas reales al empezar y al terminar cada trayecto.
El viento, el equipaje, los neumáticos
Antes de dar por bueno el predictor aplicamos un análisis de árbol de fallos para extraer de forma exhaustiva las fuentes de error posibles y clasificarlas. Esa lista recoge las perturbaciones del mundo real cuyo efecto sobre la predicción hemos medido una por una, para saber cuánto puede desviarse el resultado cuando aparecen.
El análisis arrojó tres familias: las condiciones del entorno (temperatura exterior en el momento de fijar la ruta y durante la marcha, dirección y velocidad del viento, estado del firme), las condiciones del sistema (ajuste del climatizador y configuración de los accesorios) y las condiciones del vehículo (versión, peso del equipaje y de los ocupantes, presión de los neumáticos y velocidad).
El navegador no calcula el viento en tiempo real durante el trayecto. El viento es una de las variables ambientales que identificamos como fuente de error y que fijamos, para cada mercado de destino, a partir de sus estadísticas meteorológicas, de modo que la validación se hace contra condiciones de viento realistas y no contra aire en calma.
El equipaje y la presión de los neumáticos reciben el mismo tratamiento. Ninguno de los dos es un dato que el conductor introduzca en el sistema; los dos influyen en el consumo de forma apreciable, y el predictor tiene que seguir dando una cifra útil con el maletero lleno y los neumáticos por debajo de su presión recomendada.
¿Cuándo es más difícil predecir el consumo?
Al construir el indicador de precisión analizamos en qué escenarios la predicción tiene más margen de desviación, y la conducción a alta velocidad resultó ser el más exigente de todos.
El primer motivo es que en autopista la velocidad la decide el conductor. En ciudad y en carretera convencional, el trazado, los semáforos, las rotondas y el tráfico imponen un patrón de velocidad bastante predecible desde el mapa. En autopista ese anclaje desaparece y la dispersión entre la velocidad que predice el mapa y la que realmente mantiene cada conductor se ensancha.
El segundo motivo es aerodinámico. Como la energía que el coche invierte en vencer la resistencia del aire crece con el cuadrado de la velocidad, unos pocos kilómetros por hora de diferencia alteran mucho más el consumo a 120 que a 60.
Por eso el patrón de conducción con el que evaluamos el sistema incorpora deliberadamente el tramo de alta velocidad, construido a partir de datos telemáticos de mercado, en lugar de quedarse en un ciclo medio más cómodo de superar.
¿Cómo se valida sin recorrer el mundo?
Un predictor que depende de datos de mapa, de tráfico y de red de recarga solo se puede validar con garantías en muchos sitios distintos. Hacerlo con coches reales en cada mercado sería lento, caro y difícil de repetir en idénticas condiciones.
Hemos montado un banco de pruebas de la unidad de infoentretenimiento capaz de obtener en tiempo real datos de las API de Google de cualquier parte del mundo. Sobre esa base, con metodología de desarrollo basado en modelos, simulamos la predicción del estado de carga sin necesidad de desplazar un vehículo.
Las condiciones de esa simulación salen de datos reales. El margen de error de velocidad se fijó analizando la dispersión entre la velocidad del mapa y la velocidad efectiva en los datos telemáticos, y el viento con las estadísticas meteorológicas de cada destino. Así se puede cuantificar cuánto aporta cada fuente de error por separado y verificar un abanico de entornos que ningún plan de pruebas en carretera cubriría en un plazo razonable.
España aparece en ese mapa como un caso especialmente completo. Los viajes largos se concentran en las semanas más calurosas del año, la mayoría de los corredores principales cruzan puertos de montaña y la red de recarga se usa a pleno sol.
“El conductor español no hace un viaje fácil. Sale de Madrid en agosto con el coche cargado de equipaje, cruza un puerto y llega a un cargador a cuarenta grados. Lo que da tranquilidad al conductor es la experiencia repetida y consistente de que la estimación que le da el coche es correcta en todo momento. Es en este aspecto que hemos trabajado para desarrollar el modelo más fiable posible”. Abel Simón, responsable de comunicación de Producto de Nissan en España .
¿En qué modelos está disponible hoy?
El Intelligent Route Planner nació con el Ariya y hoy está presente, con Google integrado, en el nuevo Nissan LEAF, en el nuevo Nissan MICRA y en el Nissan ARIYA a partir del año modelo 2026. La disponibilidad y el alcance de las funciones varían según modelo, versión, mercado e idioma.
En los tres, el planificador propone las paradas de carga según la ubicación, el nivel de batería estimado y la disponibilidad en tiempo real de los puntos, y añade la parada automáticamente cuando el destino queda fuera de alcance, incorporando el tiempo de carga a la duración total del viaje.
Los tres acondicionan además la temperatura de la batería al aproximarse al punto de carga elegido, para que admita la máxima potencia desde el primer minuto y la parada dure lo menos posible.
La expresión “Google integrado” designa un sistema de Google que funciona en el propio hardware del vehículo, sobre el que el fabricante incorpora aplicaciones y servicios como Maps, Assistant o Play, y se distingue de la proyección del teléfono sobre la pantalla del coche. De esa integración procede la capacidad del navegador para trabajar con parámetros reales del vehículo.
¿Qué puede esperar el conductor del planificador?
El planificador responde antes de arrancar a las tres preguntas del viaje: si la carga de la batería alcanza, dónde conviene parar y cuánto tiempo va a durar la parada. La respuesta, además, no es definitiva: la estimación se corrige continuamente durante la marcha con el tráfico, la conducción real y los datos del vehículo.
Un trayecto a velocidad alta, con el climatizador a fondo y el coche cargado consume más energía, y ninguna predicción lo impide. El valor del predictor está en que el conductor lo sepa antes de salir, con margen para ajustar la velocidad, la ruta o las paradas.
El sistema muestra la disponibilidad de los puntos de carga en tiempo real allí donde ese dato existe y la incorpora a la propuesta de parada. Una espera en un cargador ocupado o averiado escapan a cualquier predicción; la respuesta del sistema es mantener la estimación al día durante todo el trayecto y añadir una parada si el destino queda fuera de alcance.
Contra la ansiedad de autonomía funciona mejor una predicción en la que se pueda confiar que una cifra de autonomía muy grande, y esa predicción se construye con cartografía, tráfico, desnivel, red de carga y datos del propio coche.
FAQ
¿Qué es el Intelligent Route Planner de Nissan?
Es el planificador de rutas de los vehículos eléctricos de Nissan. Calcula el estado de carga que tendrá la batería al llegar al destino, determina si hace falta recargar por el camino, propone los puntos de carga más adecuados e incluye el tiempo de carga en la duración total del viaje.
¿Cómo sabe el coche cuánta batería le quedará al llegar?
Combina dos fuentes. De Google Maps toma la velocidad prevista con el tráfico en tiempo real, la pendiente de la carretera y los datos de los cargadores. Del propio vehículo toma la resistencia al avance, las pérdidas de la cadena de tracción y de la batería, el consumo de climatización y auxiliares, la capacidad de regeneración y la capacidad real de la batería. El cálculo se apoya en un modelo de consumo construido sobre 28.000 millones de kilómetros de datos de conducción de vehículos eléctricos Nissan.
¿Puede fallar la predicción de batería?
La predicción de batería trabaja, como toda predicción, con un margen de desviación, y ese margen es mayor en autopista. Allí la velocidad depende del conductor y no del trazado, de modo que es más difícil de anticipar desde el mapa, y la energía necesaria para vencer la resistencia del aire crece con el cuadrado de la velocidad a la que se circula, así que una diferencia pequeña de velocidad tiene un efecto grande sobre el consumo. Por eso la estimación se corrige continuamente durante la marcha.
¿Tiene en cuenta el viento?
El viento es una de las condiciones ambientales que Nissan identifica como fuente de error del predictor, y se fija a partir de las estadísticas meteorológicas de cada mercado para validar el sistema contra condiciones realistas. No es una variable que el navegador calcule en tiempo real durante el trayecto.
¿Cuánta autonomía resta el aire acondicionado?
Depende mucho de la temperatura exterior, del ajuste elegido y del tipo de trayecto. Las revisiones de la literatura técnica sitúan el impacto de la climatización sobre la autonomía en rangos amplios, del orden del 17 al 37 % en verano. Preclimatizar el habitáculo con el coche enchufado reduce ese consumo, porque el primer enfriamiento se hace con energía de la red.
¿Es lo mismo Google integrado que Android Auto?
No. Android Auto proyecta en la pantalla del coche una experiencia que procede del teléfono. Google integrado es un sistema instalado en el hardware del propio vehículo, con las aplicaciones y servicios de Google residentes en el coche. Esa diferencia es la que permite al navegador trabajar con parámetros reales del vehículo.
¿Qué modelos de Nissan cuentan con el Intelligent Route Planner?
El nuevo Nissan LEAF, el nuevo Nissan MICRA y el Nissan ARIYA a partir del año modelo 2026 cuentan con NissanConnect con Google integrado y planificador de ruta por Google Maps. La disponibilidad y las funciones concretas varían según modelo, versión, mercado e idioma.