EV Router.

KD-Tree gợi ý trạm sạc gần nhất trên lộ trình.

Ước tính pin theo tốc độ, khoảng cách và điều kiện tuyến đường.

Điều chỉnh mật độ lấy mẫu tuyến đường để tuyến dài không bị timeout.

Fallback Goong/Mapbox/OSRM giúp hệ thống vẫn trả kết quả khi API chính lỗi.

Xử lý dữ liệu trạm sạc, cao tốc, trạm thu phí và tuyến đặc thù Việt Nam.

Backend Flask đọc dữ liệu route/station từ MongoDB và trả kết quả cho bản đồ.

Nếu quét toàn bộ danh sách trạm cho từng điểm route, thời gian xử lý tăng mạnh khi dữ liệu nhiều.

Route Bắc-Nam có quá nhiều điểm; sample quá dày thì chậm, sample quá thưa thì dự báo pin/trạm thiếu chính xác.

Tiêu thụ pin phụ thuộc khoảng cách, tốc độ, điều kiện route và việc sạc cũng không nên giả định luôn tuyến tính.

Goong/Mapbox/OSRM có giới hạn, route thiếu hoặc lỗi mạng; hệ thống cần fallback và warning thay vì crash.

Người dùng cần thấy trạm sạc đề xuất, cảnh báo, khoảng cách, pin và route chứ không chỉ một polyline trên bản đồ.

KD-Tree giảm chi phí tìm trạm gần route, đặc biệt khi số lượng trạm sạc tăng.

Repo có dataset trạm sạc/toll/highway, Flask app, Mongo import script và giao diện bản đồ để kiểm chứng.

EV Router giúp tôi nói về algorithm, geospatial data, fallback strategy, performance trade-off và modeling.

Độ chính xác phụ thuộc dữ liệu trạm/API bản đồ; chưa có dữ liệu realtime về trạm trống, công suất sạc và traffic.

Có thể thêm realtime availability, cache tuyến phổ biến, profile xe theo model và benchmark tự động cho nhiều route.

Tôi học được cách chuyển một thuật toán học thuật như A* thành logic sản phẩm có ràng buộc pin, trạm sạc, thời gian và trải nghiệm người dùng.

Tôi hiểu hơn về trade-off hiệu năng: chính xác tuyệt đối nhưng timeout thì không dùng được; nhanh nhưng sai pin thì nguy hiểm.

Dự án giúp tôi có một câu chuyện kỹ thuật sâu hơn về optimization, fallback strategy và dữ liệu không gian.