Eldrivna lastbilar kommer längre när algoritm sätter rutten
Eldrivna lastbilar kan göras mer energieffektiva med en algoritm som planerar rutten på ett smart sätt. Det visar forskare vid Chalmers tekniska högskola.
Begränsad räckvidd är en utmaning när eldrivna bilar ska användas för leveranser. Lastbilarna förväntas kunna köra mycket långa sträckor och anpassa rutten under resans gång om nya upphämtningar dyker upp.
Nu har forskare vid Chalmers tekniska högskola tillsammans med Volvo Trucks utvecklat en algoritm som väljer den mest energisnåla rutten – och förhindrar att lastbilen blir strandsatt med ett tomt batteri.
I en mindre studie baserad på en simulering av Luxemburg sparade algoritmen fem procent energi i genomsnitt, och som mest upp till tolv procent.
– Det anser jag är rätt bra. Vi jämför dessutom med system för ruttplanering som är mer avancerade än de som vanligtvis används i dag, säger Balázs Kulcsár, biträdande professor vid Chalmers institution för elektroteknik och en av forskarna bakom projektet.
Bygger på artificiell intelligens
Metoden är baserad på maskininlärning, en sorts artificiell intelligens. Algoritmen får först träna på ruttplanering i en dator där den provar sig fram och lär av sina misstag.
När träningen är färdig vet algoritmen vilka beslut den ska ta för att göra rutten så energieffektiv som möjligt, och kan implementeras i lastbilen. Den vet även när lastbilen behöver stanna och laddas för att fullfölja rutten utan att batteriet tar slut.
Metoden kan användas i olika städer med några få, enkla justeringar, säger Balázs Kulcsár. Hittills har forskarna bara gjort småskaliga experiment, och säger att den största begränsningen just nu är att implementera lösningen i större skala.
– Till exempel en flotta med 100 lastbilar som levererar till 100 kunder. Ju fler fordon, kunder och vägar – desto svårare är det att räkna ut vilken rutt som är optimal.
Forskningsartikeln om algoritmen som planerar rutten i eldrivna lastbilar finns publicerad i tidskriften Transportation Research Part E: Logistics and Transportation Review.