Bearbetning och analys av data

Data har bearbetats samt analyserats på två olika sätt i två olika syften. Den data som avser tid och koldioxidutsläpp vid tomgångskörning med kraftuttag, det vill säga då sopbilen står stilla och tömmer kärlen, har behandlats i Microsoft Excel i syfte att se hur nämnda faktorer påverkas av att endast stanna fordonet vid de kärl som är fulla och behöver tömmas. Den förändringen utgör scenario 1. Den data som påverkar körsträckan, det vill säga avstånden mellan de kärl som ska tömmas men även de som åks förbi utan att tömmas, har analyserats i ArcMap i syfte att se hur körsträckan förändras av att reducera antalet kärl som töms. Den förändringen tillsammans med förändringen i scenario 1 utgör scenario 2. Följande beräkningar för förändringar har utförts för respektive scenario i syfte att kunna besvara examensarbetes frågeställningar: Scenario 1 mäter förändringen i:

- Total stillastående tid (min) vid stopp inkl. kärltömningar - Koldioxidutsläpp (kgCO2) vid tomgångskörning

Scenario 2 mäter förändringen i:

- Total stillastående tid (min) vid stopp inkl. kärltömningar + total effektiv körtid - Koldioxidutsläpp (kgCO2) vid tomgångskörning + effektiv körning

- Körsträcka (km)

Ovanstående metod och beräkningar har genomförts enligt olika urvalsprinciper där det förändrande hämtningsbehovet sker hos olika kunder, vilket innebär att hämtningsbehovet kan variera geografiskt. Den ena principen är ett girigt urval där det förändrade hämtningsbehovet är mer geografiskt grupperat medan den andra principen är ett helt slumpmässigt urval. Hur de olika urvalen skett förklaras mer på sidan 29 och 30. Analysen har genomförts på olika körlistor som har olika antal kärl och ligger på olika geografiska platser i Norrköpings kommun.

Genomsnittstiden för ett stopp, som har tagits fram genom observationer med tidsstudie, har använts för att beräkna differensen i total tomgångstid för en rutt då rutten kör som i nuläget och stannar vid alla hus på körlistan jämfört med att stopp endast sker vid de hushåll som har ställt fram kärlen respektive beställt hämtning via app. Antalet färre stopp som sker i det andra alternativet har multiplicerats med genomsnittstiden för ett stopp inklusive en kärltömning och subtraherats från totaltiden för tomgång då rutten körs enligt nuläget. Även tiden för de extra kärltömningarna på stopp med fler tömningar subtraherades från totaltiden för tomgång enligt nuläget. Motsvarande beräkningar gjordes även för bränsleförbrukningen vid

Omvandlingstalet berättar hur många kgCO2 det uppstår per förbrukad liter bränsle. Jämförelsen

genomfördes på respektive valda körlistor för varje scenario och urvalsprincip.

Det gjordes beräkningar i ArcMap, där befintliga körlistor lades in för analys. Data bestod av rutter samt koordinater som visar vart kärlet är placerat och dessa kärl indikerade varje stopp som sopbilen behöver göra längs rutten. Det behövdes olika skikt för att kunna analysera körlistorna. Med hjälp av vägnätet som hämtas hem från NVDB kunde ett dataset med

hastighetsgränser skapas för Norrköpings kommun. Skiktet skapades genom att öppna vägnätet i ArcMap för att sedan använda funktionen field calculator. I field calculator kunde begräsningar för enkelriktade gator och hastighetsgräns skapas. Skiktet öppnades sedan i programmet

ArcCatalog och gjordes om till ett nätverk genom funktionen New Network Dataset. Detta nätverk gav vägarna hastighetsbegränsningar vilket gör det möjligt att få fram tid för att förflytta sig i nätverket, som sedan kan användas inför analysen av körlistorna.

Analysen i ArcMap bestod av hur lång en körlista är i kilometer samt hur lång tid den tog att köra. För att beräkna hur lång tid körlistan tog att köra samt hur många kilometer körlistan var användes funktionen Network Analyst och verktyget New Route. För varje urvalsprincip

skapades två routes, en för nuläget och en för den behovsbaserade körlistan. Den behovsbaserade körlistan skulle visa hur ett minskat behov, på 25% respektive 50%, hos fritidshusen påverkade körsträckan samt tiden för effektiv körning. Ett minskat behov på exempelvis 25% innebär att motsvarande andel av kunderna inte behöver tömning av sina kärl, vid ordinarie tidpunkt. För att plocka bort de fritidshusen som antogs inte behöva tömning, sorterades alla villor i körlistan bort, så att endast fritidshusen var synliga. Utifrån det kunde det totala antalet fritidshus visas och därmed kunde antalet fritidshus som skulle plockas bort beräknas. En behovsminskning på 50% under lågsäsongen som motsvarar perioden för veckorna 19–23 samt 34–38 beräknades på en körlista, rutten som kördes med bil 2 den 14:e juli 2020. På resterande körlistor var

behovsminskningen 25%.

Som tidigare nämnt gjorde genomfördes urvalsprinciper när det kom till vilka kärl som skulle plockas bort från körlistan, ett girigt urval med hänsyn till körsträcka samt ett slumpmässigt urval. Innan dessa urval gjordes plockades alla fritidshus bort från körlistorna, i syfte att visa hur lång körsträckan på just den körlistan som minst måste vara, oavsett hur behovet hos fritidshusen är fördelat geografiskt. Resultatet från den rutten kunde senare användas som referensalternativ för analys av de giriga- och slumpmässiga urvalen. Referensalternativet kan ses som en ”undre gräns” för de olika rutterna.

Inför det giriga urvalet var strategin att se över vilka fritidshus som var placerade på en

avvikande plats där det inte fanns några villor i närheten. De fritidshus som låg i rutt-ändar, det vill säga i utkanter på vägar, plockades manuellt bort från rutten i ArcMap till dess att 25% alternativt 50% av fritidshusen var bortplockade. Efter det togs en ny rutt fram och jämfördes både med nuläget och referensalternativet. Körsträckan för den nya giriga rutten bör ligga någonstans emellan körsträckan för nuläget och körsträckan för referensalternativet för att

säkerställa ett rimligt resultat. Den nya rutten bör alltså vara minst lika lång som

referensalternativet eftersom alla kärl i referensalternativet måste besökas även i den nya giriga rutten, vilket betyder att körsträckan inte kan bli kortare. Körsträckan i den nya giriga rutten bör heller inte vara längre än nuläget eftersom inga nya kärl har tillkommit som skulle kunna förlänga körsträckan. Anledningen till att ett girigt urval gjordes var för att få en så stor

förändring på körsträckan som möjligt. Det önskvärda resultatet var att komma så nära resultatet från körlistan utan fritidshus som möjligt. Dock garanterade inte det giriga urvalet ett optimalt resultat, det vill säga minsta möjliga körsträcka vid en behovsminskning på 25% alternativt 50%, så länge inte resultatet visade på samma körsträcka som det beräknande referensalternativet utan några fritidshus alls. Det beror på att de valda inställningarna i ArcMap inte tar hänsyn till en optimal sekvensering att besöka kärlen i, utan baserar rutten på ordningen som kärlen är sorterade i indata-filen.

Det slumpmässiga urvalet genomfördes på två körlistor, en för varje bil. Totalt utfördes 10 replikationer för att se om det fanns en stokastisk variation. Inför det slumpmässiga urvalet beräknades hur många fritidshus som skulle plockas bort. Varje fritidshus fick ett unikt nummer och med hjälp av en slumpgenerator generades vilka nummer som skulle plockas bort i

respektive replikation. De fritidshus som skulle blockas bort i varje replikation raderas från körlistan i Microsoft Excel innan körlistan sedan exporterades till ArcMap för vidare analys av förändringen. I de slumpmässiga urvalen analyserades endast förändringen i körsträcka och effektiv körtid eftersom tid och koldioxidutsläpp för tomgångskörning inte påverkas av hur behovet är fördelat geografiskt.

När antal kärl hade reducerats för en rutt analyserades hur rutten förändras i tidsåtgång samt i avstånd. Genom att veta vilka besparingar som kan göras på avståndet, kunde även information fås om hur bränsleförbrukningen påverkas av förändringen. Bränsleförbrukningen omvandlades sedan till koldioxidutsläpp. ArcMap hjälpte även till att visualisera hur rutten ser ut och

skillnaden på rutten utifrån en förändring.

En sammanställning av jämförelserna för alla körlistor gjordes, där förändring i tidsåtgång och koldioxidutsläpp för tomgångskörning och effektiv körning summerades. Sammanställningen genomfördes i Microsoft Excel. Med hjälp av beräkningarna gjordes en analys av effekterna på att gå från nuläget till en behovsanpassad insamling, för de studerade körlistorna.