Nye data kan gi smartere lastebiltransport

Det pågår en unik datafangst fra lastebiler i Norge. Nær 620 lastebiler gir for tiden fra seg data om GPS-posisjoner og motorytelser.

Publisert

Denne artikkelen ble publisert for over 2 år siden.

Det skjer i et TØI-ledet kompetanseprosjekt for næringslivet og kan bidra til at godstransport med lastebil blir mer effektiv og mindre miljøbelastende.

Denne artikkelen ble først publisert hos Samferdsel.no

I de senere år har transportsektoren vært gjennom en omveltning som følge av at nye digitale datakilder er blitt tilgjengelige.

LIMCO (Logistics, Environment and Costs) er et kompetanseutviklingsprosjekt for næringslivet som ledes av TØI og – kort oppsummert – søker å bidra til kunnskap som kan gjøre godstransport med lastebil mer effektiv og mindre miljøbelastende.

I prosjektet har vi med ni næringslivsaktører som samarbeidspartnere. Disse har en spennvidde fra bedrifter med høy automatiseringsgrad til bedrifter med lav grad av automatisering og derfor et læringsbehov for utnyttelse av digital informasjon.

I tillegg til næringslivsaktørene har vi med Statens vegvesen Vegdirektoratet, Statistisk sentralbyrå, Sitma AS, tre internasjonale logistikkeksperter og et nært samarbeid med Handelshøyskolen BI.

Samarbeidet med BI tilfører prosjektet en ressurs i form av master- og bachelorstudenter som skriver oppgaver om ulike problemstillinger i prosjektet. At dette oppgavearbeidet har vært vellykket, bekreftes av at prisen både for beste masteroppgave og beste bacheloroppgave i logistikk som ble delt ut på Transport & Logistikk 2019 var studentoppgaver utført i tilknytting til LIMCO.

Forskningsspørsmål

I LIMCO søker vi å identifisere og kvantifisere faktorer som på ulike måter kan bidra til å redusere miljøbelastningen fra lastebiltransport. Det er en direkte sammenheng mellom redusert dieselforbruk og utslipp av CO2 og dermed også en direkte sammenheng mellom redusert CO2-utslipp og kostnadsbesparelser.

Eksempler på dette er bedre logistikkplanlegging, endret kjøreadferd og redusert rullemotstand (riktig dekktrykk, vedlikehold, rette aksler, med mer). Det er også et potensial i reduserte krav til leveringstid og -frekvens, da dette kan bidra til økt kapasitetsutnyttelse på kjøretøyene og mindre unødig tomkjøring.

I prosjektet identifiserer vi, gjennom diverse casestudier, effektiviseringspotensialet som ulike faktorer kan bidra med og hvordan dette slår ut i kostnads- og miljøbesparelser.

Prosjektet utnytter data fra sensorer installert i lastebiler og kombinerer disse med data fra logistikk- og ressursplanleggingssystemer i bedriftene for å skape ny innsikt i godstransportsektoren.

Ved å kombinere data fra lastebiler, bedrifter og offentlige myndigheter vil vi søke å besvare en rekke forskningsspørsmål, for eksempel:

1) I hvilken grad påvirker kundekrav (sendingsfrekvens og leveransetidspunkt) og logistikkutforming kostnader og miljø?

2) Hvordan påvirkes kostnader og miljø av det geografiske området der transporten utføres?

3) Hvilken effekt har geografisk plassering av terminaler på miljø og kostnader?

Utfordringer

I søknadsfasen for prosjektet hadde vi stor tro på at data fra lastebiler skulle være lett tilgjengelige fordi næringslivsaktørene i prosjektet representerte både transportbedrifter som skulle levere data og en bedrift, Cognia Technologies, med en teknisk løsning for merkenøytral datafangst fra ombordsystemene i nyere lastebiler.

Dette har imidlertid vist seg å være et større nybrottsarbeid enn hva vi var innforstått med. Vi har støtt på utfordringer som vi ikke forutså da prosjektet startet, som at bedriftene må ha aktive abonnementer på kjøretøydata fra billeverandørene for å ha tilgang til sporings- og sensordata.

Vi trodde også at sporings- og sensordata hadde samme tidsoppløsning og at det var tilgang til data fra mange av de nærmere 2 000 sensorene som er ombord i nyere lastebiler. Dette viste seg å være langt fra realiteten. Mens GPS-data kan ha en nokså høyfrekvent oppløsning, er sensordataene bare tilgjengelig med en oppløsning på døgnnivå for hver sjåfør som benytter kjøretøyet.

En kanskje enda større utfordring er at API-et til kjøretøyene ikke inneholder informasjon om vekten av lasten ombord. Det siste er et mer kritisk punkt og reduserer analysemulighetene. Dette punktet vil vi derfor aktivt følge opp.

Datainnsamling fra 620 lastebiler

Tilgangen til lastebildata fra deltakerbedriftene i prosjektet ble mer begrenset enn hva som var ideelt. Derfor ble det iverksatt et initiativ via Norges Lastebileier-Forbund som resulterte i en økning av antall transportører og lastebiler som inngår i datafangsten.

Dermed økte også tilgangen til hvilke markeder transportørene opererer i og hvilke typer transportoppdrag de utfører, med flere analysemuligheter som resultat.

Datafangsten har pågått siden mars, har økt måned for måned og kommer nå fra nesten 620 lastebiler som utfører transportoppdrag over hele landet og i utlandet. Dette vil gi et helt nytt og unikt datasett om lastebiltransport i Norge og vil åpne opp for nye typer analyser.

Det har blitt avklart med Norsk samfunnsvitenskapelig datatjeneste (NSD) at behandlingen av dataene i prosjektet er i samsvar med personvernlovgivningen.

Kjøretøydataene er avidentifisert og har ikke informasjon om sjåfør, men de mest detaljerte dataene vil inneholde informasjon om stoppmønster basert på leveransemønster og kjøreadferd, som f. eks. akselerasjon, overrusing og bremsing. Datasettet kobles til kjøretøyregisteret for mer informasjon om kjøretøyets tekniske spesifikasjoner.

Kostnadskalkyler

Parallelt med å samle data fra lastebilene, har vi utarbeidet kostnadskalkyler for utvalgte transportopplegg hos transportbrukerne i prosjektet. Vi har også kartlagt transportomfanget som inngår i deres logistikkløsninger og ruteopplegg.

Dette gjøres for å kunne tallfeste kostnads- og miljøeffekter i analysene og dermed kunne besvare forskningsspørsmålene.

Kjøreadferd

Flåtestyringssystemene genererer informasjon om sjåførenes kjøreadferd og gir tall på variabler som utrulling (i hvilken grad sjåførene utnytter fart i kjøringen til å spare drivstoff), bruk av cruisekontroll, tomgangskjøring, overhastighet osv.

For bedriftene som deltar i prosjektet utgjør drivstoff en betydelig del av transportkostnadene, og informasjon fra prosjektet kan bidra til reduserte drivstoffkostnader og redusert miljøbelastning som følge av endret kjøreadferd.

Flere av bedriftene i prosjektet har uttalt at det ligger et betydelig potensial i dette.

Figur. GPS-data kan f.eks. brukes til å identifisere veivalg, når bilene kjører, hvor det er flaskehalser og hvor og hvor lenge kjøretøyene stopper for levering. Datakilde: Testdata fra april måned for ca. 90 lastebiler / Google Maps.

Smart datafangst

I prosjektet deltar SSB som forskningspartner. Formålet er å finne ut hvordan dagens skjemabaserte løsninger for innsamling av data fra bedrifter og transportører kan erstattes med elektronisk datafangst og med det bidra til flere og bedre data for forskning og planlegging, samtidig som rapporteringsbyrden i bedriftene reduseres.

Både SSB og EUs statistikkbyrå, Eurostat, er opptatt av smart datafangst. De løpende lastebilundersøkelsene, som utføres etter samme mal i alle EU- og EØS-land, er kjent for å ha høy oppgavebelastning og lav kvalitet. Blant annet oppgir om lag 30 % av respondentene at lastebilen er ute av drift i rapporteringsuken.

Derfor jobber vi med å kartlegge ulike kilder til elektronisk datafangst og hvordan disse kildene kan utnyttes best mulig for å erstatte deler av eller hele den skjemabaserte undersøkelsen.

Selve prosjektet hadde oppstart i august i fjor og skal fortsette fram til sommeren 2021. Onsdag 11. desember arrangerer vi et frokostseminar, åpent for alle, i Forskningsparken i Oslo. Her vil vi presentere prosjektet, og tre internasjonale logistikkeksperter vil holde hvert sitt innlegg om hvordan logistikken kan bli grønnere og mer miljøvennlig.

STILLING LEDIG:
Powered by Labrador CMS