JavaScript is currently disabled.Please enable it for a better experience of Jumi.

Tidigare har system som sköter ruttplaneringen för eldrivna fordon alltid utgått från att den kortaste körsträckan är den mest energieffektiva. I ett gemensamt forskningsprojekt kullkastar Chalmers och Volvo Group den teorin så pass att Volvo redan börjat använda den nya metoden.

– I verklig trafik kan en längre sträcka vara bättre än en kortare, beroende på alla andra parametrar som påverkar energiförbrukningen, säger Balázs Kulcsár, i ett pressmeddelande.

Balázs Kulcsár är biträdande professor vid institutionen för elektroteknik på Chalmers. Tillsammans med forskarkollegor på Chalmers och Volvo Group har han utvecklat ett verktyg som beräknar hur eldrivna bilar i ett distributionsnät ska navigera för att göra av med så lite energi som möjligt.

– Dessutom kan vi garantera att elfordonen aldrig blir stående eller lägger onödig tid på att ladda, konstaterar han.

Resultatet är energibesparingar på upp till 20 procent jämfört med då rutterna alltid optimeras utgående från den kortaste sträckan för respektive fordon.

I studien har forskarna undersökt hur en flotta med flera eldrivna lastbilar på effektivast sätt kan leverera varor i ett komplext trafiknät. De har beräknat ellastbilarnas energikonsumtion i en stad genom att ta hänsyn till faktorer som hastighet, last, trafikinformation, hur backig vägen är och möjligheter till snabbladdning.

Resultatet är en matematisk modell som beskriver den mest energieffektiv rutten för ett distributionsuppdrag. Om ett fordon dessutom behöver laddas under sin färd beräknas den effektivaste vägen till närmsta snabbladdningsstation.

Eftersom de eldrivna distributionsfordonen verkar i en komplex verklighet uppstår situationer som kan vara svåra att förutsäga även för en effektiv algoritm. Energiprognoserna optimeras därför genom maskininlärning, där fordonen samlar in data som går tillbaka till verktyget.

– På det sättet kan vi anpassa ruttplaneringen till osäkra och förändrade förhållanden, minimera energianvändningen och garantera framgångsrik stadsdistribution, förklarar Balázs Kulcsár.

I en studie visar forskarna att den nya algoritmen kan minska energiförbrukning med 5 till 20 procent. Resultatet är så gott att Volvo Trucks redan börjat använda algoritmen.

Forskningen är huvudsakligen finansierad av Vinnova inom projektet ELFORT I-II. Här kan du hitta en vetenskaplig artikel i ämnet, ”Dynamic Stochastic Electric Vehicle Routing with Safe Reinforcement Learning” (länk).

MER LÄSNING: