Nooit meer een lege accu in het OV dankzij nieuw algoritme

Energieverbruik is een belangrijke factor bij routeplanningen van busoperators in het OV. Omdat bij elektrisch rijden met meer omgevingsfactoren rekening moet worden gehouden, is dat een stuk lastiger dan bij traditioneel rijden. De meeste voorspellingsmodellen voor energieverbruik kennen dan ook een gemiddelde foutmarge van 18,5%. Bij het nieuwe model dat wij samen met de TU Eindhoven hebben ontwikkeld, is dat slechts 1,2%! Hoe hebben we dat voor elkaar gekregen?

Omgevingsfactoren
Bestaande modellen baseren zich bij het voorspellen van de resterende accucapaciteit, of State of Charge (SoC), alleen op historische data. Daarbij is geen of nauwelijks rekening gehouden met factoren als het variërende aantal passagiers c.q. het gewicht van de bus en de buitentemperatuur. Die laatste factor heeft uiteraard weer direct invloed op het energieverbruik voor airco en ventilatie van de bus. Omdat de genoemde foutmarge incidenteel kan oplopen tot maar liefst 40% kom je onherroepelijk voor operationele problemen te staan. Investeren in meer accucapaciteit of meer bussen is dan een optie, maar wel een heel dure.

Realtime, dynamische routeplanning
Om dat te voorkomen, hebben we een nieuw algoritme ontwikkeld dat wèl rekening houdt met deze omgevingsvariabelen en deze voortdurend laat herberekenen. Met dynamische routeplanning als gevolg dankzij uiterst accurate en realtime voorspelling van de SoC, die al begint zodra de eerste meters van een rit zijn gereden. Hierdoor kunnen operators niet alleen eerder ingrijpen, maar ook meer gefundeerde beslissingen nemen. En veel onnodige kapitaal- en operationele kosten voorkomen. Om het nieuwe model naast accuraat ook zo simpel mogelijk te houden, zijn er naast de gekozen routes en bijbehorende karakteristieken slechts twee parameters nodig.

‘Vehicle mass value’
Een offline algoritme maakt eerst een ruwe inschatting van het energieverbruik op basis van historische data zoals tijdstip, locatie, snelheid en diverse accuparameters. Een online algoritme corrigeert die initiële voorspelling door voortdurend de zogenoemde ‘vehicle mass value’ recursief aan te passen. Praktisch gezien betekent dit dat eventuele significante afwijkingen van bepaalde aannames die de planning kunnen frustreren vroegtijdig worden gesignaleerd. Anderzijds is het een tool om de tactische lijn- en laadplanning continu te blijven verbeteren dankzij meer inzicht in de vehicle mass value en de omgevingsfactoren. En dat is juist vanwege de vaste routes en vergelijkingsmogelijkheden met historische data heel goed nieuws voor OV-bedrijven!

Lees hier het volledige artikel in e-motec.

Staat jouw (OV)-bedrijf voor een transitie naar volledig uitstootvrij, of zit je er middenin? Of wil je gewoon meer weten over realtime, dynamische routeplanning? Bijvoorbeeld omdat jullie werkzaamheden zich veelal in (toekomstige) milieuzones bevinden. Maak dan een afspraak met ons om de mogelijkheden van Cloud Your Bus voor jouw organisatie te bespreken. Mail je vraag naar Jesse Stuiver op stuiver@sycada.com.