| Summary: | Nowadays the industrial world has a common goal to build environment-friendly transportation and power-train systems. The first step for this aim is electrification of vehicles on the road which has remarkable influence on energy dependency and greenhouse gas emissions. Besides the first aspect the second most important factor is automation of driving technology. Self-driving technology is a significant sight for the industry to develop quality and reduce operation costs. These highlighted tendencies cooperate to enhance the sustainability along with intelligence of the modern transportation world. VERA is Volvo’s concept for driverless, electric truck technology. It holds the following tremendous advantages: automation, connectivity and electromobility – to accomplish optimal flows in transportation and logistics operations. The control is managed by autonomous electric vehicles equipped with refined systems for autonomous driving. Each vehicle is connected to a control centre. The transport control centre continuously regulates the progress of the transport and keeps an accurate supervision of each vehicle’s position, load content, the batteries’ charge and a number of other parameters. Despite the improvements performed to refine this technology, heavy batteries, long time charging and the cost of vehicle itself limit the wide usage of electric AV for long distances. The research of this paper illustrates one of the most substantial aspects in autonomous electrified driving which is the charging decision. There are several approaches used to solve this question. It is popular among contributions to provide a data-driven method, i.e by considering constraints from personal daily trips and existing charging infrastructure. As a solution, stochastic energy consumption models are designed within proposed dynamic and multi-stage optimization problems. This paper provides treatment through evaluation and optimization of expenditures for AV involved in a certain road trip. === Numera har världens industri ett gemensamt mål att bygga miljövänliga transport- och drivlinesystem. Det första steget för att nå detta mål är elektrifiering av fordon på väg, vilket har anmärkningsvärt stort inflytande på energiberoende och växthusgasutsläpp. Förutom detta är nästa viktiga steg automation av fordonsframförande. Självkörande teknik är en viktig pusselbit för industrin att utveckla kvalitet och minska driftskostnaderna. Dessa tydliga trender samverkar i intelligenta system för att förbättra hållbarheten i den moderna transportvärlden. VERA är Volvos koncept för förarlösa eldrivna transportfordon. VERA utnyttjar de stora fördelarna med automation, uppkoppling och elektromobilitet för att uppnå optimala flöden inom transport och logistik. Varje fordon är anslutet till ett kontrollcenter. Transportkontrollcentralen reglerar kontinuerligt transportens fortskridande och övervakar noggrant varje fordonets position, lastinnehåll, batteriernas laddnivå och ett antal andra parametrar. Trots att de förbättringar som gjorts för att förfina denna teknik, begränsas den breda användningen av elektriska automatiserade fordon för långa avstånd p g a tunga batterier, att laddning lång tid och kostnaden för fordonet. Undersökningen i detta kommer in på en av de mest väsentliga aspekterna i autonom elektrifierad körning som är laddningsbeslut. Syftet med detta examensarbete är att utveckla en strategi för att optimera ett godsflöde från punkt A till punkt B för medelst elekrifierade självkörande lastfordonskombinationer. Målet uppnås genom minimering av energi- och driftskostnad med den mest optimala strategin för körning och laddning. För att hitta ett optimalt köralternativ behöver man också en fordonsmodell som beskriver fordonets beteende i förhållande till färdprofil, höjd, hastighet, acceleration, massa tillsammans med drivlinedata och vissa tidsramar i transportprocessen som anses vara begränsningar för optimeringsproblem. Ett resultat var att energikostnadsvärdena visade sig vara små jämfört med driftskostnaderna. Följaktligen inriktades arbetet på tidskostnadsoptimering för att erhålla önskat transportflöde och lägsta driftkostnad med beaktande av stokastisk störning orsakad av andra fordon.
|
|---|
