
Aanzienlijke energiebesparingen wanneer elektrische distributievoertuigen hun beste route nemen. Krediet: Volvo Trucks
Bereikangst bij elektrische bedrijfswagens is reëel, aangezien een lege batterij ernstige gevolgen kan hebben. Onderzoekers van de Chalmers University of Technology, Zweden, hebben tools ontwikkeld om elektrische bestelwagens te helpen strategisch te navigeren om zo min mogelijk energie te verbruiken. Het geheim ligt in het verder kijken dan alleen de afgelegde afstand, en in plaats daarvan focussen op het totale energieverbruik – en dit heeft geleid tot energiebesparingen tot 20 procent.
“We hebben systematische tools ontwikkeld om optimaal energieverbruik te leren. Bovendien kunnen we ervoor zorgen dat elektrische voertuigen niet zonder batterij komen te zitten of onnodig worden opgeladen in complexe verkeersnetwerken”, zegt Balázs Kulcsár, professor aan de afdeling Elektrotechniek aan de Chalmers University of Technologie.
Het onderzoek is het laatste resultaat van een gezamenlijk project tussen Chalmers en Volvo Group dat onderzoekt hoe elektrische voertuigen kunnen worden gebruikt voor distributietaken, en het nieuwe algoritme voor het leren en plannen van het optimale pad van elektrische voertuigen is zo efficiënt dat het al wordt gebruikt door de Volvo-groep.
Kortste afstand niet altijd de minste energie
In het onderzoek onderzochten de onderzoekers hoe een vloot elektrische vrachtwagens goederen kan afleveren in een complex en druk verkeersnetwerk. De uitdaging is hoe bestelwagens die huishoudelijke artikelen, zoals boodschappen of meubels naar verschillende adressen vervoeren, hun routes het beste kunnen plannen. Door de optimale volgorde voor levering aan klanten uit te werken, kunnen de voertuigen zo lang mogelijk worden gereden zonder dat het werk hoeft te worden onderbroken om onnodig op te laden. Bij het plannen van routes voor elektrische voertuigen ging men er normaal gesproken van uit dat de laagste kilometerstand ook het meest efficiënt is, en was daarom gericht op het vinden van de kortste route als prioriteit. Balázs Kulcsár en zijn collega’s concentreerden zich in plaats daarvan op het algemene batterijgebruik als het belangrijkste doel en zochten naar routes met het laagst mogelijke energieverbruik.
“In echte verkeerssituaties kan een langere reis minder energie vergen dan een kortere, als alle andere parameters die van invloed zijn op het energieverbruik in rekening zijn gebracht”, legt Balázs Kulcsár uit.
Een aanzienlijke vermindering van het energieverbruik
De onderzoekers hebben het energieverbruik van distributievrachtwagens die in een stad rijden gemodelleerd door naar veel factoren te kijken; snelheid, belasting, verkeersinformatie, hoe heuvelachtig verschillende routes waren en gelegenheidslaadpunten.
Het energieverbruiksmodel is vervolgens ingevoerd in een wiskundige formule, resulterend in een algoritme voor het berekenen van een route waarmee de voertuigen de leveringen kunnen doen met zo min mogelijk energie. En als opladen onderweg nodig is, kan het voertuig tijd besparen door de meest energiezuinige route naar een snellaadpunt te nemen. Door rekening te houden met extra factoren zoals deze, konden de voertuigen met de nieuwe methode van de onderzoekers hun energieverbruik met 5 tot 20 procent verminderen.
Omdat de elektrische bestelwagens in complexe praktijksituaties opereren, kunnen er vaak onvoorziene complicaties optreden die moeilijk te verklaren zijn, zelfs als het algoritme vanaf het begin nauwkeurig is. De prognoses van het energieverbruik zullen daarom verder worden geoptimaliseerd door middel van machine learning, waarbij gegevens die van de voertuigen zijn verzameld, worden teruggestuurd naar de tool voor verdere invoer en analyse.
“Alles bij elkaar zal dit ons in staat stellen om de routeplanning aan te passen aan onzekere en veranderende omstandigheden, het energieverbruik te minimaliseren en een succesvolle stadsdistributie te verzekeren”, zegt Balázs Kulcsár.
Het artikel is gepubliceerd in het tijdschrift Transportonderzoek, deel E: Overzicht van logistiek en transport.
Rafael Basso et al, Dynamische stochastische routing van elektrische voertuigen met veilige versterkingsleren, Transportonderzoek, deel E: Overzicht van logistiek en transport (2021). DOI: 10.1016/j.tre.2021.102496
Geleverd door Chalmers University of Technology