1. Energieffektiv Navigation för
Tung Trafik
FFI – ”Fordonsstrategisk Forskning
och Innovation”
På uppdrag av projektteamet:
Per-Olof Svensk
Michael L. Sena
12 januari 2012
2012-01-12
2. Projektet
GRO:NT
Grön Rutt Optimering och Navigering för Tunga fordon
Green Route Optimization and Navigation for heavy Trucks
Start: 1 okt 2010 Budget: 4 674 750 SEK
Slut: 31 dec 2011 Finansiering från FFI: 2 537 375 SEK
2012-01-12
3. Förväntade resultat
Identifiera roller och möjliga parter i ett fungerande samspel för
att leverera energieffektiv ruttplanering och navigation
Klargöra vad som krävs för att anpassa dagens
ruttoptimeringsalgoritmer till algoritmer som optimeras för
energieffektivitet och tung trafik.
Analysera hur man ska göra det möjligt att dra nytta av befintliga
data och befintliga tekniska plattformar.
Rekommendera vad som skulle behöva göras för att
implementera en fungerande prototyp för att visa att processen
faktiskt fungerar i verkligheten.
2012-01-12
4. Projektdeltagare
En bra blandning av parter med kompetens inom olika områden som
fordonssystem, navigation, kartdatabaser, användarkrav,
myndighetskrav, etc.
Scania
Trafikverket
NAVTEQ
VTI
Triona
Michael L Sena Consulting AB
2012-01-12
5. State-of-the-Art Analys
Fem arbetspaket:
Övergripande krav på
funktionalitet
Data – vad finns och vad krävs
Ruttplanering och optimering
Systemarkitektur – funktionalitet
gränssnitt, tekniska lösningar
Affärsmodeller – strategier,
incitament, gränssnitt, aktörer,
roller, betalmodeller, intäktsflöden
2012-01-12
6. Generella förutsättningar
Karaktäristiken för tunga lastbilar För en lastbilsflotta är navigation för en
jämfört med personbilar och lätta enstaka lastbil bara en del av optimeringen.
fordon (vikt, längd, höjd, buller, Att utifrån givna lastnings- och
emissioner, långsam acceleration, lossningsplatser optimera hela flottans
bromssträcka och svårigheten att användning är en större uppgift.
Vi har försökt ha ett helhetstänk framförallt
manövrera) genererar specifika och
när det gäller Användarkrav, Systemarkitektur
komplexa utmaningar när man och Affärsmodeller.
försöker hitta lämpliga ruttval. För Data och Ruttoptimering har vi fokuserat
på navigationsdelen eftersom det är där som
Principiella frågeställningar att ta
användningen av mer kartdata kan ge
hänsyn till: signifikanta förbättringar.
Säkerhet ADAS-lösningar har inte behandlats (detta
Logistik gjordes i SOLVI-projektet). För optimala
Drift lösningar behöver hänsyn tas även för
Regelefterlevnad integration med ADAS.
2012-01-12
7. Användarkrav
Vi har inte hittat så mycket material som Projekt som HeavyRoute, SOLVI och
tydligt definierar vare sig användarkrav eCoMove ger input till vissa delar av
eller tekniska krav. kravbilden.
Kategorisering av kraven:
Navigation
Undvika hinder
Energieffektiv ruttning
Bekväm och snabb ruttning
Planering
Planera rutter
Optimera rutter
Management
Operationell kontroll och support
Monitorering
Information
Parkera längs rutt
Restriktioner längs rutt
Övrigt
Tillförlitliga system
Enkla och säkra användargränssnitt
2012-01-12
8. Data
De flesta attribut är specificerade och
tillgängliga. Problemen är framförallt En del av data för ruttoptimering
täckning och aktualitet. Attribute name Available from Used by
NVDB
NAVTEQ
CPU
TomTom
Works
TomTom
ALK
actor
Other
Funktionell vägklass, hastighets-
begränsningar, 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.)
används i navigationslösningar för 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
Höjddata finns tillgängligt för större Slope index *
Steep slope (up/down) X X
vägar, men användningen är ännu 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 påverkar möjligheten att hålla Paved or unpaved road
Junction
X
X
X
X
X
X
? ?
C
jämn fart, men används 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/beräknad bränsleförbrukning Traffic light X X C
används inte heller idag. (T.ex. Artemis-
data)
2012-01-12
9. Ruttplanering och optimering
Navigationssystem för tunga fordon finns
tillgängliga från t.ex. ALK och TomTom.
Eco navigation finns tillgänglig från t.ex.
Idag finns inga system som kombinerar
navigation för tunga fordon med eco-
navigation.
Inga system kombinerar navigation med
ADAS.
a b
Genom att använda tillgängliga data t.ex.
Höjddata, väggeometri,
accelerationsprofiler, historisk och beräknad
bränsleförbrukning skulle man kunna
optimera navigationssystemen för tunga
fordon väsentligt.
Mer optimerade algoritmer som använder
ovanstående data håller på att utvecklas.
Bränsleförbrukning beror väsentligen av c d
acceleration/retardation, medelhastighet,
lutning, fordonstyp, körd väglängd och
vägtyp.
2012-01-12
10. System Arkitektur
Dagens Fleet management system,
Förarstödsystem och Navigations-
systems är inte möjliga att integrera till
ett samverkande system => för detta
behövs standarder.
On-board vs off-board lösningar:
On-board: tät integration med
motorkontroll moduler för bränsleeffektiv
körning och ADAS
Off-boards: tät integration med logistik
och fleet management
Processor och lagringskapacitet är
större på en off-board server än i en
fordonsintegrerad lösning
På Europa-nivå är kostnaden för trådlös
kommunikation fortfarande ett
betydande hinder för att få till
omfattande användning av probe data
och annan realtidsinformation.
Platooning kommer att ställa ny krav på
vilka data som är intressanta att
använda i integrerade lösningar.
2012-01-12
11. Business Models
Navigation för tung trafik kan läggas till
som en komponent i standard fleet
management system.
Idag finns inga företag som har en tydlig
strategi att leverera produkter för
energieffektiv navigation dedikerade för
tung trafik.
De största hindren för marknadslansering
är:
Klart mindre marknad än för personbilar/lätta
fordon
Kostnaden för data blir relativt stor i förhållande
till vad som är fallet för personbilar/lätta fordon.
Åkerier och transportoperatörer är priskänsliga.
Marknaden är omogen.
Det finns större potential för besparingar inom
andra områden än när det gäller navigation för
enskilda lastbilar.
Det kan vara så att det är politiskt tryck
eller tryck från lobbyister som ger ett
genombrott för energieffektiv navigation
för tung trafik.
2012-01-12
12. Jämförelser bränsleoptimering vs
snabbaste rutt - förutsättningar
Tre olika optimeringar:
Snabbaste väg för personbil (personbilsnavigator).
Snabbaste väg för lastbil 60 ton 4.2 meter hög. Hänsyn till
lastbilsrestriktioner.
Optimering för minsta bränsleförbrukning för lastbil 60 ton 4.2 meter hög.
Hänsyn till lastbilsrestriktioner.
Ruttning alla till alla mellan 22 adresser Kiruna till Ystad (462 rutter).
Vägnät och attribut från NVDB.
Höjdvärden från NVDB, saknade värden framinterpolerade.
Bränsleförbrukning enligt Artemis/HBEFA-modellen:
Ny lastbil 50-60 ton, fritt flöde i trafiken
Hänsyn till lutning, hastighetsgräns, vägklasser, tättbebyggt område
Technology SizeClasse Gradient TrafficSit Hastighet km/h EFA_Hot_FC g/km EFA_Hot_CO2 g/km I Sverige FRC NVDB Tättbeb. 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. Jämförelser bränsleoptimering vs
snabbaste rutt - statistik
Bränsleoptimering lastbil vs
Bränsleoptimering lastbil vs snabbaste rutt för personbil
snabbaste rutt för lastbil (personbilsnavigator)
422 av 462 rutter skiljer sig åt i 425 av 462 rutter skiljer sig åt i
längd/ruttval längd/ruttval
45 rutter skiljer mer än 3% i längd 120 rutter skiljer mer än 3% i längd
11 rutter skiljer mer än 5% i längd 69 rutter skiljer mer än 5% i längd
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. Jämförelser bränsleoptimering vs
snabbaste rutt - exempel
Linköping - Växjö
Orange = bil (snabbaste rutt) 253 km, 3 tim 2 min
Violett = lastbil (snabbaste rutt) 223 km, 3 tim 23 min
Grön = bränsleoptimering lastbil 219 km, 3 tim 31 min
Fel i höjddata =>
rampen för
bränsleoptimering
2012-01-12
15. Slutsatser
Data finns tillgängliga.
Algoritmer som kan ta hänsyn till
relevanta data är på väg att tas fram.
Preliminära resultat från jämförelser
mellan bilruttning, traditionell
lastbilsruttning och lastbilsruttning
som optimeras för bränsleeffektivitet,
visar att:
Ruttvalen blir olika
Förfinade modeller och en
kombination av bränsleoptimering,
restidsoptimering och val av stora
vägar behövs
Ännu finns ingen tydlig affärsmodell.
För t.ex. ett åkeri är navigation för en
enskild lastbil endast en (liten?) del av
problemet att optimera en lastning,
lossning och transporter för en hel
flotta av fordon.
2012-01-12
16. Tack!
Frågor?
På uppdrag av projektteamet:
Per-Olof Svensk
per-olof.svensk@triona.se
Michael L. Sena
ml.sena@mlscab.se
Energieffektiv Navigation för
Tung Trafik
2012-01-12