Energy-efficient Navigation for Heavy Vehicles

Transkript

1 Energy-efficient Navigation for Heavy Vehicles FFI Fordonsstrategisk Forskning och Innovation Vehicle Research Initiative Programme Transport Effectiveness For the Project Team: Michael L. Sena Project Manager 18 August 2011

2 Energieffektiv navigering g för tunga fordon FFI Fordonsstrategisk Forskning och Innovation Vehicle Research Initiative Programme Transport Effectiveness För Projektgruppen: Michael L. Sena Projektledare 18 augusti 2011

3 The Project GRO:NT Grön Rutt Optimering och Navigering för Tunga fordon Green Route Optimisation and Navigation for heavy Trucks

4 Projektet GRO:NT Grön Rutt Optimering och Navigering för Tunga fordon Green Route Optimisation and Navigation for heavy Trucks

5 The Project The goal of the project is to analyse the preconditions for implementing solutions that optimise energy efficient route planning for heavy vehicles while at the same time accomplishing the following: Clarify the relationships between the different participants in the entire ecosystem: data assembly; data delivery; and, payment processes. Prepare recommendations on how Green Routing for heavy vehicles can be implemented in Sweden, Europe and globally. Budget: MSEK Financing from FFI: MSEK

6 Projektet Det föreslagna projektet ska ge en grund som gör det möjligt att få igång en kommersiellt driven marknad för energieffektiv navigation för tunga fordon: Klargöra relationen mellan de olika deltagarna i ekosystemet: datainsamling, dataleverans och betalningsprocesser. Förbereda rekommendationer för hur energi effektiv ruttning för tunga fordon ska kunna implementeras Sverige, Europa och globalt. Budget: MSEK Financering från FFI: MSEK

7 The Project Team The project team is made up of members who were part of the IVSS-funded SOLVI Project Scania a with the addition of VTI. Each team member brings to the pre- Trafikverket study a specific set of Navigation Technologies Sweden knowledge in vehicle systems, AB (NAVTEQ) navigation and routing, navigable databases and VTI dynamic data. VTI adds the Triona important component of user requirements evaluation and its Michael L Sena Consulting AB experience from the HeavyRoute project.

8 Projektgruppen Projektgruppen består av medlemmarna som ingick i IVSS-finansierade SOLVI Scania a projektet med tillägg av VTI. Varje gruppmedlem tillför Trafikverket förstudien en specifik Navigation Technologies Sweden uppsättning av kunskap AB (NAVTEQ) gällande fordonssystem, navigation och ruttplanering, VTI navigerbara vägdatabaser och Triona dynamiska data. VTI tillför de viktiga delarna användarkrav Michael L Sena Consulting AB och utvärderingsmetoder samt erfarenhet från HeavyRoute projektet.

9 Expected Results The project will: Identify who must do what in order to deliver energy efficient route planning and navigation; Suggest and verify how the various roles in the ecosystem must be carried out; and, Recommend what would need to be done in order to implement a functioning prototype to demonstrate that t the process actually functions in the real world.

10 Förväntade resultat Projektet har som mål att: Identifiera vilken part som måste göra vad för att leverera energieffektiva ruttplanering och navigation; Föreslå och verifiera hur de olika rollerna i ekosystemet bör samverka; och, Rekommendera vad som skulle behöva göras för att implementera en fungerande prototyp för att visa att processen faktiskt fungerar i verkligheten.

11 State-of-the-Art Analysis Five work packages comprise the principal work performed by the project team members. Each work package consists of one important area in the stateof-the-art analysis: User and Usage Requirements Data what exists, what is needed Route Planning and Optimisation System Architecture functionality required, interfaces, data transfer methods Business Models strategies, tactics, payment models, revenue flows

12 State-of-the-Art analys Arbetet har utförts av projektmedlemmarna inom ramen för fem arbetspaket. Varje arbetspaket innefattar ett viktigt t område i state-of-the-art t th t analysen. Övergripande krav på funktionalitet t Data vad finns, hur kan data användas, kvalitet, åtkomst, etc. Ruttplanering/optimering Systemarkitektur funktioner, gränssnitt, tekniska lösningar Affärsmodeller roller, aktörer, gränssnitt, incitament, betalflöden, vilka aktörer kan ta vilka roller

13 Large Goods Vehicle Navigation The physical characteristics of LGVs compared to both light commercial vehicles and passenger cars (weight, length, height, noise generation, emissions, slowness of acceleration and length of stopping, and their difficulty to maneuver) generate distinct and complex challenges for providing suitable route planning. There are four principal issues that Freight Carriers with their Transportation Supplier must address for their own business and on behalf of the Shipper and the Consignee: Security Logistics Operations Compliance For a fleet of trucks, navigation for a single truck is only a part of the total t optimization i problem. The task is to optimize the loading and movement of all trucks in the fleet. We have attempted to address this broader issue in a holistic manner in each of the work packages. With respect to data and route optimization, we have focused specifically on the navigation component since it is there that the use of more and better road data can result in significant improvements. ADAS solutions have not been addresses specifically in our work since it was analyzed in depth in SOLVI, but it is understood that an optimal solution would require integration ti with ADAS.

14 Navigation för tunga fordon Den fysiska egenskaper för LGV:s jämfört med både lätta kommersiella fordon och personbilar (vikt, längd, höjd, ljudalstring, utsläpp, långsamma acceleration och längd stopp och deras svårigheter att manövrera) generera olika och komplexa utmaningar för att ge lämplig ruttplanering. Det finns fyra huvudsakliga frågor som Transportbolaget med sina Transportleverantör måste ta itu med för sin egen verksamhet och på uppdrag av avsändaren och mottagaren. Säkerhet Logistik Drift Regel efterlevnad För en lastbilsflotta är navigation för en enstaka lastbil bara en del av optimeringen. i Att utifrån givna lastnings- och lossningsplatser optimera hela flottans användning är en större uppgift. Vi har tangerat denna frågeställning i arbetet. Detta gäller framförallt i arbetspaketen Användarkrav, Systemarkitektur och Affärsmodeller. Ett helhetstänk behövs för att optimera i alla led. Gällande data och ruttoptimering har vi fokuserat på navigationsdelen eftersom det är där som användningen av mer kartdata kan ge signifikanta förbättringar. ADAS-lösningar har inte behandlats (detta gjordes i SOLVI-projektet). För optimala lösningar behöver hänsyn tas även för integration med ADAS.

15 Conclusions User and Usage Requirements There is not a significant ifi body of research completed in gathering and quantifying the technical or commercial requirements for energy-efficient navigation for heavy vehicles. Project work completed to-date, such as HeavyRoute and SOLVI, and research in progress, such as ecomove, provide good information about parts of the problem which look at the specific problem of energy-efficient navigation and route optimization for Large Goods Vehicles.

16 Slutsatser Användar- och användningskrav Det finns ingen betydande d mängd forskning färdig att samla in och använde för att bedöma tekniska eller kommersiella krav på energieffektiva navigering för tunga fordon. Avslutade projekt, som HeavyRoute och SOLVI, samt pågående forskning, som ecomove, ger god information om delar av kravbilden, de som fokusera på det specifika problemet med energieffektiva navigering och ruttoptimering för stora lastbilar.

17 Conclusions Most of the attributes, relevant for energy efficient heavy vehicle navigation, are specified by the map providers and many Part of data for Route Optimization of them are available. The obstacles are coverage and up-to-dateness. Attribute name Available from Used by Functional road class, speed limits, restrictions, real time travel times and as Road geometry X X X X X historical travel time profiles are used for LGV Speed limit (depending X X X X X on vehicle-type, weight, type of goods, etc.) heavy vehicle navigation today. Functional Road Class X X X X X Height values included in X Slope data are of large value for energy geometry Slope (angle or percentage) X X? C Hyundai efficient navigation. Slope data are Slope index * available for major roads, but the use is Steep slope (up/down) X X Recommended road for LGV X X?? X? still minimal. Preferred LGV routes * defined by the authorities Functional Road Class Traffic lights, junctions, stop signs, and dedicated for LGV Recommended road for X curvature are not used today, although dangerous goods Paved or unpaved road X X X?? they affect the ability to maintain a Junction X X X C Road ferries X X X?? constant speed. Road charging X X?? Urban area X X X Statistics like acceleration profiles and Stop sign X X C Traffic light X X C historical fuel consumptions affect smooth driving, but are also not used today. Data NVDB NAVTEQ To omtom CPU To omtom Works ALK Other ac ctor

18 Slutsatser Data Part of data for Route Optimization Attribute name Available from Used by NVDB NAVTEQ To omtom CPU To omtom Works Road geometry X X X X X LGV Speed limit (depending on vehicle-type, weight, type of goods, etc.) X X X X X Functional Road Class X X X X X Height values included in X geometry ALK Other ac ctor Slope (angle or percentage) X X? C Hyundai Slope index * Steep slope (up/down) X X Recommended road for LGV X X?? X? Preferred LGV routes defined by the authorities Functional Road Class dedicated for LGV Recommended road for X dangerous goods Paved or unpaved road X X X?? Junction X X X C Road ferries X X X?? Road charging X X?? Urban area X X X Stop sign X X C Traffic light X X C * De flesta av de attribut som är relevanta för energieffektiv navigation för tunga fordon är specificerade av kartleverantörerna och många är även tillgängliga. Problemen är framförallt täckning och aktualitet. Funktionell vägklass, hastighetsbegränsningar, restriktioner, restider i realtid och historiska restidsprofiler används i navigationslösningar för tunga fordon idag. Lutning/höjddata är av stort värde för energieffektiv navigation. Höjddata finns tillgängliga för större vägar, men användningen är fortfarande minimal. Trafikljus, korsningar, stoppskyltar och kurvatur påverkar möjligheten att hålla jämn fart, men används inte idag. Statistik som accelerationsprofiler, historiska bränsleförbrukning används inte heller idag.

19 Conclusions Route Optimization a c b d There is very little research available on route optimization and navigation for Large Goods Vehicles. There are only a few companies (e.g. ALK, TomTom) who are providing navigation and route optimization products to the LGV market today. There do not seem to be any examples where route optimization is combined with advanced driver assistance systems (ADAS). By using already available data describing slopes, junctions, stop signs, curvature, etc. route optimization i for LGV could be improved today.

20 Slutsatser Ruttplanering och optimering a c b d Det finns väldigt lite forskning tillgänglig li gällande ruttoptimering och navigation för tunga fordon. Endast ett fåtal företag (ALK, TomTom,) tillhandahåller idag navigation och ruttoptimering för tunga fordon. Det finns inga exempel på produkter där ruttoptimering och avancerat förarstöd (ADAS) har kombinerats. Genom att använda redan tillgängliga data gällande t.ex. lutning, korsningar, stoppskyltar, kurvatur, etc. är det möjligt att förbättra ruttoptimeringen i dagens lösningar avsevärt..

21 Conclusions System Architecture Truck navigation requires more processing and storage capacity than most current navigation systems. Although the cost for processing and storage capacity on embedded systems is decreasing, it is still higher than on a server for off-board solutions. It is important to chose a navigational map that also offers a ADAS Horizon Provider in order to be able to use the map data for ADASIS functions. Platooning will have implications on the need for using external data for route optimization and fuel saving. The cost for wireless communication is still a major barrier for extensive use of real time data.

22 Slutsatser Systemarkitektur Lastbilnavigation kräver mer processorkraft och lagringskapacitet än de flesta befintliga navigationssystemen. Även om kostnaden för behandling och lagringskapacitet på inbyggda system minskar, är det fortfarande högre än på en server för off-board-lösningar. Det är viktigt att välja en navigationskarta som också erbjuder en ADAS Horizon Provider för att kunna använda kartdata t även för ADASIS funktioner. Platooning kommer att få konsekvenser på behovet av att använda externa data för ruttoptimering och bränslesparing. Kostnaden för trådlös kommunikation är fortfarande ett stort hinder för en omfattande användning av realtidsdata.

23 Conclusions Business Models There are no companies supplying navigation and route optimization products that t have a clearly l stated t strategy t to deliver energy-efficient products to the LGV market. Companies selling truck navigation products today have combined them with off-the-shelf fleet management, and navigation is offered as one of the features. The major inhibiting factors to building an effective business model based on such a strategy are the relatively small number of LGVs compared to cars and light commercial vehicles, ces, the incremental e cost of the data a compared to what has been sufficient for cars, and the price sensitivity of the majority of the freight carriers. Business models for LGV navigation will need to be built around non-market dynamics since market forces do now appear to be strong enough to support the cost of their development and continued maintenance.

24 Slutsatser Affärsmodeller Det finns inga företag som levererar navigations och ruttplaneringsprodukter idag som också har en tydlig strategi att leverera produkter för energieffektiv navigation till marknaden för tunga fordon. Företag som säljer navigationsprodukter idag har kombinerat dessa med off-the-shelf fleet management där navigering bara är en funktion. De principiella hämmande faktorerna för att bygga en effektiv affärsmodell baserad på energieffektiv ruttplanering för tunga fordon är: de få antal tunga fordonen jämfört med vanliga bilar och lätta yrkesfordon; inkrementella kostnader för de data som behövs; och marknadens priskänsligheten. Affärsmodeller gällande navigationslösningar för tunga fordon behöver byggas omkring en icke-marknadsdynamik därför att marknadskrafterna ännu inte är tillräckligt starka för att stödja utvecklings- och underhållskostnaderna.

25 Thank you For the Project Team: Michael L. Sena Project Manager Energy-efficient Navigation for Heavy Vehicles

26 Tack För Projektgruppen: Michael L. Sena Projektledare Energieffektiv navigering för tunga fordon