Glöm taxiköer och bilar som kör runt på måfå i jakt på kunder. Chalmersforskare har utvecklat metoder som ska samordna tusentals självkörande elbilar, från hämtning av passagerare till laddning. Målet är kortare väntetider, lägre kostnader och mindre batterier.
Tänk dig att beställa en taxi med mobilen och få en förarlös elbil till dörren inom några minuter. När resan är klar kör bilen vidare till nästa kund, eller till en laddstation om batteriet börjar sina. I bakgrunden arbetar artificiell intelligens med att hålla ordning på tusentals fordon samtidigt.
Det är framtidsscenariot som forskare vid Chalmers tekniska högskola nu undersöker tillsammans med Volvo Cars. De har tagit fram metoder för att styra stora flottor av självkörande elbilar, även när det är svårt att förutse var kunderna kommer att finnas, hur trafiken flyter och när bilarna behöver ladda.
Enligt studier som forskarna hänvisar till kan den här typen av delade transporttjänster minska resekostnaderna med upp till 60 procent jämfört med traditionella alternativ. Men för att få kalkylen att gå ihop måste bilarna användas effektivt.
På morgonen vill många kanske åka in mot centrum. Senare på dagen går strömmen av resenärer åt andra hållet. Då måste bilar flyttas utan passagerare för att finnas på rätt plats när nästa beställning kommer. Elbilarna behöver dessutom laddas, vilket innebär att de tillfälligt försvinner från trafiken.
– Den gemensamma utmaningen i alla våra studier är osäkerheten kring vad som kommer att hända under dagen, exempelvis resmönster, trafikflöden, restider och energiförbrukning. Vårt arbete handlar om hur man kan planera trots den osäkerheten, säger doktoranden Sten Elling vid Chalmers.
Forskarna har bland annat använt historiska uppgifter från taxiresor i San Francisco och Chicago för att förutsäga var efterfrågan kan uppstå. Med hjälp av prognoserna kan bilarna placeras ut i förväg, i stället för att systemet enbart reagerar när någon beställer en resa.
Metoden kan enligt forskarna planera för en servicenivå där sannolikheten är minst 95 procent att tillräckligt många bilar finns på rätt plats vid rätt tidpunkt. En annan del av forskningen handlar om laddningen. Om bilarna kan styras smart behöver de kanske inte lika stora batterier som dagens elbilar.
– Med rätt styrstrategi kan bilarna klara sig med mindre batterier eftersom de kan ladda under dagen. Ett mindre batteri gör bilen lättare och mer energieffektiv, vilket i sin tur minskar elförbrukningen, säger Sten Elling.
Den största utmaningen uppstår när beställningarna kommer in i realtid. Systemet måste snabbt avgöra vilken bil som ska hämta kunden och i vilken ordning flera passagerare ska plockas upp och lämnas av. När flottan växer blir antalet möjliga kombinationer enormt.
Här använder forskarna AI. Systemet har tränats på miljontals simulerade resor för att lära sig vilka beslut som ger effektivast resultat.
– Traditionella optimeringsmetoder kan bli väldigt långsamma när systemen växer. Med maskininlärning kan vi hitta bra lösningar på mindre än en sekund, säger Sten Elling.
Förarlösa taxibilar är redan verklighet i delar av USA och Kina. Men tekniken har fortfarande problem i vissa situationer, bland annat vid dåligt väder och i möten med mänskliga förare. Chalmers forskning handlar inte om att visa att alla dessa hinder är lösta, utan om hur själva trafiken och fordonsflottorna kan samordnas bättre.
– Metoden från Chalmers skulle kunna bidra genom att förbättra trafikens samordning och hjälpa till att skapa tillförlitlig och pålitlig autonom mobilitet, säger Balázs Kulcsár, professor vid Chalmers.
Än så länge bygger resultaten på avancerade simuleringar. Forskarna har inte heller analyserat hur tusentals självkörande bilar skulle påverka den totala trafiken i en stad, eller hur olika taxibolag och samåkningstjänster skulle konkurrera.
På längre sikt ser forskarna även en möjlighet att använda parkerade elbilar som tillfälliga energilager. Om stora fordonsflottor kan skicka tillbaka el till nätet när bilarna står stilla skulle de kunna bidra med betydande effekt.
LÄS MER:
Karl Wahlin är statistiker och har lång erfarenhet som analytiker inom personbilsmarknaden.
