Session 70 Per-Olof Svensk presentation
- 1. Energieffektiv Navigation f旦r Tung Trafik FFI Fordonsstrategisk Forskning och Innovation P奪 uppdrag av projektteamet: Per-Olof Svensk Michael L. Sena 12 januari 2012 2012-01-12
- 2. Projektet GRO:NT Gr旦n Rutt Optimering och Navigering f旦r Tunga fordon Green Route Optimization and Navigation for heavy Trucks Start: 1 okt 2010 Budget: 4 674 750 SEK Slut: 31 dec 2011 Finansiering fr奪n FFI: 2 537 375 SEK 2012-01-12
- 3. F旦rv辰ntade resultat Identifiera roller och m旦jliga parter i ett fungerande samspel f旦r att leverera energieffektiv ruttplanering och navigation Klarg旦ra vad som kr辰vs f旦r att anpassa dagens ruttoptimeringsalgoritmer till algoritmer som optimeras f旦r energieffektivitet och tung trafik. Analysera hur man ska g旦ra det m旦jligt att dra nytta av befintliga data och befintliga tekniska plattformar. Rekommendera vad som skulle beh旦va g旦ras f旦r att implementera en fungerande prototyp f旦r att visa att processen faktiskt fungerar i verkligheten. 2012-01-12
- 4. Projektdeltagare En bra blandning av parter med kompetens inom olika omr奪den som fordonssystem, navigation, kartdatabaser, anv辰ndarkrav, myndighetskrav, etc. Scania Trafikverket NAVTEQ VTI Triona Michael L Sena Consulting AB 2012-01-12
- 5. State-of-the-Art Analys Fem arbetspaket: vergripande krav p奪 funktionalitet Data vad finns och vad kr辰vs Ruttplanering och optimering Systemarkitektur funktionalitet gr辰nssnitt, tekniska l旦sningar Aff辰rsmodeller strategier, incitament, gr辰nssnitt, akt旦rer, roller, betalmodeller, int辰ktsfl旦den 2012-01-12
- 6. Generella f旦ruts辰ttningar Karakt辰ristiken f旦r tunga lastbilar F旦r en lastbilsflotta 辰r navigation f旦r en j辰mf旦rt med personbilar och l辰tta enstaka lastbil bara en del av optimeringen. fordon (vikt, l辰ngd, h旦jd, buller, Att utifr奪n givna lastnings- och emissioner, l奪ngsam acceleration, lossningsplatser optimera hela flottans bromsstr辰cka och sv奪righeten att anv辰ndning 辰r en st旦rre uppgift. Vi har f旦rs旦kt ha ett helhetst辰nk framf旦rallt man旦vrera) genererar specifika och n辰r det g辰ller 粥稼厩辰稼糸温姻一姻温厩, Systemarkitektur komplexa utmaningar n辰r man och Aff辰rsmodeller. f旦rs旦ker hitta l辰mpliga ruttval. F旦r Data och Ruttoptimering har vi fokuserat p奪 navigationsdelen eftersom det 辰r d辰r som Principiella fr奪gest辰llningar att ta anv辰ndningen av mer kartdata kan ge h辰nsyn till: signifikanta f旦rb辰ttringar. S辰kerhet ADAS-l旦sningar har inte behandlats (detta Logistik gjordes i SOLVI-projektet). F旦r optimala Drift l旦sningar beh旦ver h辰nsyn tas 辰ven f旦r Regelefterlevnad integration med ADAS. 2012-01-12
- 7. 粥稼厩辰稼糸温姻一姻温厩 Vi har inte hittat s奪 mycket material som Projekt som HeavyRoute, SOLVI och tydligt definierar vare sig anv辰ndarkrav eCoMove ger input till vissa delar av eller tekniska krav. kravbilden. Kategorisering av kraven: Navigation Undvika hinder Energieffektiv ruttning Bekv辰m och snabb ruttning Planering Planera rutter Optimera rutter Management Operationell kontroll och support Monitorering Information Parkera l辰ngs rutt Restriktioner l辰ngs rutt vrigt Tillf旦rlitliga system Enkla och s辰kra anv辰ndargr辰nssnitt 2012-01-12
- 8. Data De flesta attribut 辰r specificerade och tillg辰ngliga. Problemen 辰r framf旦rallt En del av data f旦r ruttoptimering t辰ckning och aktualitet. Attribute name Available from Used by NVDB NAVTEQ CPU TomTom Works TomTom ALK actor Other Funktionell v辰gklass, hastighets- begr辰nsningar, restriktioner, restider i Road geometry X X X X X realtid och historiska restidsprofiler LGV Speed limit (depending on vehicle-type, weight, type X X X X X of goods, etc.) anv辰nds i navigationsl旦sningar f旦r tunga Functional Road Class X X X X X Height values included in X fordon idag. geometry Slope (angle or percentage) X X? C Hyun- dai H旦jddata finns tillg辰ngligt f旦r st旦rre Slope index * Steep slope (up/down) X X v辰gar, men anv辰ndningen 辰r 辰nnu Recommended road for LGV X X ? ? X? Preferred LGV routes * minimal. defined by the authorities Functional Road Class dedicated for LGV Trafikljus, korsningar, stoppskyltar och Recommended road for dangerous goods X kurvatur p奪verkar m旦jligheten att h奪lla Paved or unpaved road Junction X X X X X X ? ? C j辰mn fart, men anv辰nds inte idag. Road ferries X X X ? ? Road charging X X ? ? Statistik som accelerationsprofiler, Urban area Stop sign X X X X X C historisk/ber辰knad br辰nslef旦rbrukning Traffic light X X C anv辰nds inte heller idag. (T.ex. Artemis- data) 2012-01-12
- 9. Ruttplanering och optimering Navigationssystem f旦r tunga fordon finns tillg辰ngliga fr奪n t.ex. ALK och TomTom. Eco navigation finns tillg辰nglig fr奪n t.ex. Idag finns inga system som kombinerar navigation f旦r tunga fordon med eco- navigation. Inga system kombinerar navigation med ADAS. a b Genom att anv辰nda tillg辰ngliga data t.ex. H旦jddata, v辰ggeometri, accelerationsprofiler, historisk och ber辰knad br辰nslef旦rbrukning skulle man kunna optimera navigationssystemen f旦r tunga fordon v辰sentligt. Mer optimerade algoritmer som anv辰nder ovanst奪ende data h奪ller p奪 att utvecklas. Br辰nslef旦rbrukning beror v辰sentligen av c d acceleration/retardation, medelhastighet, lutning, fordonstyp, k旦rd v辰gl辰ngd och v辰gtyp. 2012-01-12
- 10. System Arkitektur Dagens Fleet management system, F旦rarst旦dsystem och Navigations- systems 辰r inte m旦jliga att integrera till ett samverkande system => f旦r detta beh旦vs standarder. On-board vs off-board l旦sningar: On-board: t辰t integration med motorkontroll moduler f旦r br辰nsleeffektiv k旦rning och ADAS Off-boards: t辰t integration med logistik och fleet management Processor och lagringskapacitet 辰r st旦rre p奪 en off-board server 辰n i en fordonsintegrerad l旦sning P奪 Europa-niv奪 辰r kostnaden f旦r tr奪dl旦s kommunikation fortfarande ett betydande hinder f旦r att f奪 till omfattande anv辰ndning av probe data och annan realtidsinformation. Platooning kommer att st辰lla ny krav p奪 vilka data som 辰r intressanta att anv辰nda i integrerade l旦sningar. 2012-01-12
- 11. Business Models Navigation f旦r tung trafik kan l辰ggas till som en komponent i standard fleet management system. Idag finns inga f旦retag som har en tydlig strategi att leverera produkter f旦r energieffektiv navigation dedikerade f旦r tung trafik. De st旦rsta hindren f旦r marknadslansering 辰r: Klart mindre marknad 辰n f旦r personbilar/l辰tta fordon Kostnaden f旦r data blir relativt stor i f旦rh奪llande till vad som 辰r fallet f旦r personbilar/l辰tta fordon. kerier och transportoperat旦rer 辰r prisk辰nsliga. Marknaden 辰r omogen. Det finns st旦rre potential f旦r besparingar inom andra omr奪den 辰n n辰r det g辰ller navigation f旦r enskilda lastbilar. Det kan vara s奪 att det 辰r politiskt tryck eller tryck fr奪n lobbyister som ger ett genombrott f旦r energieffektiv navigation f旦r tung trafik. 2012-01-12
- 12. J辰mf旦relser br辰nsleoptimering vs snabbaste rutt - f旦ruts辰ttningar Tre olika optimeringar: Snabbaste v辰g f旦r personbil (personbilsnavigator). Snabbaste v辰g f旦r lastbil 60 ton 4.2 meter h旦g. H辰nsyn till lastbilsrestriktioner. Optimering f旦r minsta br辰nslef旦rbrukning f旦r lastbil 60 ton 4.2 meter h旦g. H辰nsyn till lastbilsrestriktioner. Ruttning alla till alla mellan 22 adresser Kiruna till Ystad (462 rutter). V辰gn辰t och attribut fr奪n NVDB. H旦jdv辰rden fr奪n NVDB, saknade v辰rden framinterpolerade. Br辰nslef旦rbrukning enligt Artemis/HBEFA-modellen: Ny lastbil 50-60 ton, fritt fl旦de i trafiken H辰nsyn till lutning, hastighetsgr辰ns, v辰gklasser, t辰ttbebyggt omr奪de Technology SizeClasse Gradient TrafficSit Hastighet km/h EFA_Hot_FC g/km EFA_Hot_CO2 g/km I Sverige FRC NVDB T辰ttbeb. Omr. diesel TT/AT >50-60t 0% RUR/Access/30/Freeflow 31.3 518.3 1632.5 ja 7-8 diesel TT/AT >50-60t 0% RUR/Access/40/Freeflow 34.5 569.9 1795.1 ja 7-8 diesel TT/AT >50-60t 0% RUR/Access/50/Freeflow 39.6 412.1 1298.2 ja 7-8 diesel TT/AT >50-60t 0% RUR/Distr/100/Freeflow 77.6 334.3 1053.1 ja 3-4 2012-01-12
- 13. J辰mf旦relser br辰nsleoptimering vs snabbaste rutt - statistik Br辰nsleoptimering lastbil vs Br辰nsleoptimering lastbil vs snabbaste rutt f旦r personbil snabbaste rutt f旦r lastbil (personbilsnavigator) 422 av 462 rutter skiljer sig 奪t i 425 av 462 rutter skiljer sig 奪t i l辰ngd/ruttval l辰ngd/ruttval 45 rutter skiljer mer 辰n 3% i l辰ngd 120 rutter skiljer mer 辰n 3% i l辰ngd 11 rutter skiljer mer 辰n 5% i l辰ngd 69 rutter skiljer mer 辰n 5% i l辰ngd Diff tid i procent Diff tid i procent 8 35 7 30 6 25 5 20 4 Diff tid i procent 15 Diff tid i procent 3 2 10 1 5 0 0 0 100 200 300 400 500 0 100 200 300 400 500 2012-01-12
- 14. J辰mf旦relser br辰nsleoptimering vs snabbaste rutt - exempel Link旦ping - V辰xj旦 Orange = bil (snabbaste rutt) 253 km, 3 tim 2 min Violett = lastbil (snabbaste rutt) 223 km, 3 tim 23 min Gr旦n = br辰nsleoptimering lastbil 219 km, 3 tim 31 min Fel i h旦jddata => rampen f旦r br辰nsleoptimering 2012-01-12
- 15. Slutsatser Data finns tillg辰ngliga. Algoritmer som kan ta h辰nsyn till relevanta data 辰r p奪 v辰g att tas fram. Prelimin辰ra resultat fr奪n j辰mf旦relser mellan bilruttning, traditionell lastbilsruttning och lastbilsruttning som optimeras f旦r br辰nsleeffektivitet, visar att: Ruttvalen blir olika F旦rfinade modeller och en kombination av br辰nsleoptimering, restidsoptimering och val av stora v辰gar beh旦vs nnu finns ingen tydlig aff辰rsmodell. F旦r t.ex. ett 奪keri 辰r navigation f旦r en enskild lastbil endast en (liten?) del av problemet att optimera en lastning, lossning och transporter f旦r en hel flotta av fordon. 2012-01-12
- 16. Tack! Fr奪gor? P奪 uppdrag av projektteamet: Per-Olof Svensk per-olof.svensk@triona.se Michael L. Sena ml.sena@mlscab.se Energieffektiv Navigation f旦r Tung Trafik 2012-01-12