Så optimerar svenska forskare distributionen med elfordon

Genom att utgå från hur mycket energi fordonet gör av med i stället för hur lång sträcka det behöver köra har forskare vid Chalmers tekniska högskola lyckats åstadkomma upp till 20 procents energibesparing för elfordon. 

”Vi har utvecklat systematiska verktyg som beräknar och rekommenderar den optimala energianvändningen. Dessutom kan vi garantera att elfordonen aldrig blir stående eller lägger onödig tid på att ladda”, säger Balázs Kulcsár, biträdande professor vid Chalmers institution för elektroteknik, i en kommentar.

I studien har forskarna undersökt hur en eller flera eldrivna lastbilar kan leverera ut matkassar eller möbler till olika adresser i ett komplext trafiknät och tagit fram en algoritm för detta. Studien som tagits fram i ett gemensamt forskningsprojekt mellan Chalmers och Volvo Group. Volvo Trucks har redan börjat använda algoritmerna.

”I verklig trafik kan en längre sträcka vara bättre än en kortare, beroende på alla andra parametrar som påverkar energiförbrukningen”, konstaterar Balázs Kulcsár.

Några av de ingående parametrarna är hastighet, last, trafikinformation, hur backig vägen var och möjligheterna till snabbladdning. Dessutom används maskininlärning för att få med oförutsedda faktorer. Med den nya algoritmen kunde fordonen minska sin energiförbrukning med mellan fem och 20 procent.

Resultaten har publicerats i två vetenskapliga artiklar i tidskriften Transportation Research.

Läs den vetenskapliga artikeln Electric Vehicle Routing Problem with Machine Learning for Energy Prediction

Läs den vetenskapliga artikeln Dynamic Stochastic Electric Vehicle Routing with Safe Reinforcement Learning