Gyözö Gidofalvi, KTH Royal Institute of Technology

KTH Royal Institute of Technology

Author Of 2 Presentations

Vad händer inom digitalisering på transportmyndigheterna och hur samverkar dessa? Digitalisering

10.5.5 - Framtidsscenarier för det digitala godstransportlandskapet

Abstract

Bakgrund

Under 2019 har KTH, Drive Sweden, Kairos Future, Closer och Scania tillsammans drivit ett projekt för att utvärdera möjliga scenarier för det digitala godstransportlandskapet år 2035+. Under arbetet har en analysgrupp bestående av medlemmar från KTH, Kairos Future, Closer och Scania arbetat tillsammans med en expertgrupp med 56 deltagare från 25 olika organisationer i branschen för att ta reda på säkra och osäkra trender och tillsammans ta fram scenarier för godstranspoerterna på väg i en mer digital framtid.

Metod

Det har anordnats tre olika workshops med expertgruppen. Vid första workshoppen togs säkra och osäkra trender fram. Det gjordes också en bedömning av magnituden på deras respektives förväntade påverkan på framtiden kunde tänkas vara. Arbetsgruppen skapade sedan en gemensam berättelse av dessa säkra trender som har legat som bakgrund för de osäkra trender som valts ut som mest signifikanta och därför blivit till ett fyrfältskors där fyra olika scenarier har skapats. Expertgruppen har sedan tagit ställning till, förändrat, diskuterat, förfinat och fyllt dessa scenarier med olika utfall för godstransportlandskapet under de kommande två workshopparna. Arbetsgruppen har arbetat vidare med materialet emellan och efter workshopparna, klätt berättelserna i ord och sedan sammanställt.

Resultat och slutsats

De säkra trenderna har beskrivits och används som en bas för beskrivningen av framtidens samhälle, även de innehållande en stor påverkan och ger stor förändring på godstransportlandskapet. Ovanpå de säkra trenderna har sedan de utvalda osäkerhetsaxlarna adderats. Osäkerhetsaxlarna har valts utifrån sin möjlighet att skapa intressanta och trovärdiga scenarier att förhålla sig till. Den ena axel är "det hållbara paradigmet". Här förflyttar vi oss på en skala från att antingen förhålla sig till klimatmålen som ett av flera viktiga hållbarhets mål som samsas med exempelvis ekonomisk tillväxt och social hållbarhet till att klimatmål har överordnats alla andra mål och således påverkat samhället fundamentalt. Den andra axeln fokuserar på datadelning i samband med företagsklimatet. Här förflyttar vi oss på en skala från att antingen röra oss i ett landskap där rådanade systemgränser mellan företag och företagsområden gäller. Där data, både från företag och privatpersoner delas med avtal mellan enskilda parter eller grupper enligt överenskommelser. I andra änden, en ny företagslogik med mer nätverksbaserat affärslandskap där datadelning sker mer i ett ekosystem. Detta gav de olika scenarierna: Partnership Society, Bathing in Data, Green Circle och Next Generation Social Engineering. Alla scenarierna är beskrivna utifrån sina specifika drivkrafter, målbilder och konsekvenser för godstransportlandskapet.

Scenarioarbetets fundament handlar inte om att försöka gissa så rätt som möjligt utifrån vad framtiden kommer att erbjuda eller att beskriva den bästa av alla möjliga världar utan snarare om att bygga möjliga och intressanta framtidsscenarier som skapar diskussion och är en utgångspunkt för att undersöka sin egen beredskap inför framtiden. Partnership Society, Bathing in Data, Green Circle och Next Generation Social Engineering innehåller alla både möjligheter och utmaningar för transportbranschen och belyser olika aspekter av det vi ännu inte vet någonting om, framtiden.

Collapse
Digitalisering och datakällor Digitalisering

10.8.4 - The potential of route based ERS network optimization

Room
SF, St Larssalen (140)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Digitalisering

Abstract

Bakgrund

The large scale deployment of Electric Road Systems (ERS) is a necessary and viable choice for reaching the emission reduction targets in the road-bound heavy freight sector. The per-kilometer infrastructure development cost of ERS is large, thus selecting segments that yield a high utility is important.

Current methods that utilize freight routes try to optimize the ERS network infrastructure based on the amount of freight routes that include a road segment / link based on select link analysis which, based on network assignment models / assumptions or real data, provides information of where traffic comes from and goes to at selected links, i.e., it provides the spatial distribution and origin–destination (OD) pair composition of aggregate link flows.

However, as it is suggested in a recent pre-study [1], it is not sufficient to select segments simply based on the number of routes that include the segment or based on the OD-information. In particular, different vehicle-powertrain-onboard and road charging technologies have different energy consumption, energy storage and charging characteristics. The energy consumption and charging characteristics of these vehicle-energy-technology configurations are also heavily affected by the load that they carry as well as the surface and 3D geometry of the roads that they are operated on. Finally, last but not least, as the vehicles have a finite energy storage and an objective to complete maximal part of their routes on electric energy, the electrification utility of segments / links in a network are not independent of one another, but largely depend on which part of the routes include the segments.

Metod

To take the aforementioned aspects into account, the proposed methodology, adopts the newly introduced concept of Route Based Electrification Utility (RBEU) [1], which can be informally defined as the extra transport work that can be performed in electric operations because of the electrification of the segment in question. Given an infrastructure budget of N segments, to find the N segments that maximizes the electrification utility, the proposed Route based ERS Network Optimization (RENO) method first compresses and indexes the massive input set of vehicle trajectories (routes) and then utilizes this data structure to incrementally add segments to the partial solution that maximize the RBEU of the selection. To take into consideration of vehicle load, speed and road geometries two approaches are proposed: one based on GIS data and simulations and one based on vehicle fuel consumption as a proxy.

Resultat och slutsats

Empirical evaluations on a real word data set 1) illustrate the superiority of the RENO method over the segment based optimization approach for a wide range of electrification scenarios and 2) analyze the characteristics of the solutions found by the RENO methodology. The potential infrastructure cost savings resulting from RENO are up to 75%, which for national expressway networks is estimated to be in the range of 120M€ (Sweden) to 8,520M€ (China).

[1] Gidofalvi, G., Yang, C., 2019. Delivery Route Based ERS Network Optimization. 3rd Electric Road Systems Conference.

Collapse

Presenter Of 1 Presentation

Digitalisering och datakällor Digitalisering

10.8.4 - The potential of route based ERS network optimization

Room
SF, St Larssalen (140)
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Presentation Topic
Digitalisering

Abstract

Bakgrund

The large scale deployment of Electric Road Systems (ERS) is a necessary and viable choice for reaching the emission reduction targets in the road-bound heavy freight sector. The per-kilometer infrastructure development cost of ERS is large, thus selecting segments that yield a high utility is important.

Current methods that utilize freight routes try to optimize the ERS network infrastructure based on the amount of freight routes that include a road segment / link based on select link analysis which, based on network assignment models / assumptions or real data, provides information of where traffic comes from and goes to at selected links, i.e., it provides the spatial distribution and origin–destination (OD) pair composition of aggregate link flows.

However, as it is suggested in a recent pre-study [1], it is not sufficient to select segments simply based on the number of routes that include the segment or based on the OD-information. In particular, different vehicle-powertrain-onboard and road charging technologies have different energy consumption, energy storage and charging characteristics. The energy consumption and charging characteristics of these vehicle-energy-technology configurations are also heavily affected by the load that they carry as well as the surface and 3D geometry of the roads that they are operated on. Finally, last but not least, as the vehicles have a finite energy storage and an objective to complete maximal part of their routes on electric energy, the electrification utility of segments / links in a network are not independent of one another, but largely depend on which part of the routes include the segments.

Metod

To take the aforementioned aspects into account, the proposed methodology, adopts the newly introduced concept of Route Based Electrification Utility (RBEU) [1], which can be informally defined as the extra transport work that can be performed in electric operations because of the electrification of the segment in question. Given an infrastructure budget of N segments, to find the N segments that maximizes the electrification utility, the proposed Route based ERS Network Optimization (RENO) method first compresses and indexes the massive input set of vehicle trajectories (routes) and then utilizes this data structure to incrementally add segments to the partial solution that maximize the RBEU of the selection. To take into consideration of vehicle load, speed and road geometries two approaches are proposed: one based on GIS data and simulations and one based on vehicle fuel consumption as a proxy.

Resultat och slutsats

Empirical evaluations on a real word data set 1) illustrate the superiority of the RENO method over the segment based optimization approach for a wide range of electrification scenarios and 2) analyze the characteristics of the solutions found by the RENO methodology. The potential infrastructure cost savings resulting from RENO are up to 75%, which for national expressway networks is estimated to be in the range of 120M€ (Sweden) to 8,520M€ (China).

[1] Gidofalvi, G., Yang, C., 2019. Delivery Route Based ERS Network Optimization. 3rd Electric Road Systems Conference.

Collapse

Moderator Of 1 Session

SF, St Larssalen (140) Gods och logistik
Date
Thu, 09.01.2020
Time
11:00 - 12:30
Room
SF, St Larssalen (140)