VETIS

Stadsvervoer, in de vorm van elektrische bussen en stadsdistributievoertuigen, doormaakt op het moment een duurzaamheidstransitie. Echter stuit de supply chain van bedrijven dat elektrische voertuigen (door)ontwikkelt, inzet en diensten levert op een aantal uitdagingen. Het rijbereik van deze voertuigen is namelijk kleiner dan dat van conventionele voertuigen, dat bovendien afneemt in de tijd door veroudering van de batterijen. Kan AI en data de sleutel zijn om rijbereik en energieverbruik te optimaliseren, en daarmee elektrisch transport te verduurzamen?

Onderdeel van:

AI en big data
Future automotive

Verder komen met Elektrisch Transport in de Stad (VETIS)

Er zijn verschillende factoren die ervoor kunnen zorgen dat het energiegebruik niet optimaal is. Voordat je daar de gewenste optimalisatieslagen in kunt doorvoeren, is het essentieel om te weten waar de kansen liggen. Dat vereist een grondige analyse van een complexe dataset aan gegevens over verbruik en bereik. De eerste stap is dus het verzamelen van deze data, zodat duidelijk wordt wat de belangrijkste factoren zijn die elektrische voertuigen beperken. AI maakt het mogelijk om uit deze complexe set data de juiste learnings naar voren te halen, na verzameling van de data.

Onderzoeksvraag:

Hoe kan het energieverbruik en het rijbereik van elektrische transportvoertuigen verbetert worden?

Onderzoeksperiode:

2017 - 2021

Methodiek & Bevindingen

VETIS is een RAAK-PRO subsidieproject. Hierin zijn 8 partners betrokken, zowel vanuit onderzoek als het werkveld. Gedurende de looptijd wordt een vloot van bussen én stadsdistributievoertuigen gemonitord. Data wordt verzameld, verwerkt en geanalyseerd en uitgebreid met nieuwe voorspellende data-analyse technieken en machine learning. Met de resultaten van het onderzoek zal onderzocht worden hoe rijbereik en energieverbruik van beide testvloten kan worden verbeterd. Naast bestaande monitoring hardware zijn extra sensoren gebruikt en bijbehorende oplossingen voor dataverwerking en communicatie.

Vanuit het lectoraat Big Data zijn inmiddels 4 studentprojecten uitgevoerd onder begeleiding van Nico Kuijpers van FHICT en Bas Geleijns van Fontys Automotive. 3 projecten werden uitgevoerd in de minor Applied Data Science en 1 project in semester 6 enterprise software engineering. Het doel van de data science projecten was het ontwerpen van modellen voor analyse van energieverbruik en rijgedrag van de chauffeur. Deze modellen werden gebaseerd op grote hoeveelheden data van verschillende bronnen, waaronder weer, verkeer, passagiersdata, locatiegegevens van de bus en metingen zoals snelheid, voorwaartse en zijwaartse acceleratie. In het software engineering project worden deze modellen gevoed met actuele gegevens en geïntegreerd in een grootschalig softwareapplicatie. Via een overzichtelijk dashboard kunnen vlootbeheerders en chauffeurs inzicht verkrijgen in rijgedrag en energieverbruik op basis historische en actuele data.