Slutsats - Självkörande fordon -En analys av energianvändning och kapacitet Jonas Örarbäck

Genom en fallstudie beskrivande E4/E20 vid Midsommarkransen i Stockholm har konventionell trafik och självkörande fordon jämförts med syfte att kvantifiera energianvändningen och kapacitetsförmåga. Utgångspunkten var ett normalt belastat trafikflöde, där efterfrågan var densamma som genomströmningen. Verklig trafikdata var hämtat från MCS-detektorer vilket beskrev trafikflödet under en tvåtimmarsperiod 11:00-13:00. I basfallet uppvisade fordonen symboliserat av självkörning en energianvändning som var i storleksordning åtta procent lägre än motsvarande konventionella uppsättning. När systemet belastades med ett ökat trafikflöde av 50 procent uppvisade självkörning en energianvändning som var ungefär 15 procent lägre än motsvarande fall av konventionell trafik. I medeltal över de olika belastningsgraderna visade självkörningskonstellationen en minskad energianvändning med drygt tio procent jämfört med den konventionella trafiken.

I egenskap av kapacitetsförmåga resulterade självkörningsfallet i bättre värden gällande genomströmning och medelhastighet. Analysen utgick från att studera en flaskhals i systemet, där ett medelvärde av trafikflödet från basfallet utgjorde grunden för mängden fordon. Flödet var initialt 0,1 av medelvärdet vilket successivt ökades under en tretimmarsperiod upptill 1,6 av medelvärdet. Scenariot med självkörning hade då en medelhastighet av 74,7 km/h medan den konventionella uppsättningen hade en medelhastighet av 67,1 km/h. 92 % av de självkörande fordonen kunde hålla en hastighet över 70 km/h medan endast 52 % av den vanliga trafiken kunde hålla motsvarande hastighet.

Det karaktärsdrag i körprofil som haft mest inverkan på energianvändning och kapacitet var den reducerande variationen. Variationsreduceringen har varit en konsekvens av en snävare hastighetsfördelning, reducerad tidslucka, minskad avståndsoscillation samt en ökad medvetenhet för omgivningen hos fordonen.

Källor

Barcelo, J. (2010). Fundamentals of Traffic Simulation. New York: Springer. Belanovic et al. (2010). On wireless links for vehicle-to-infrastructure

communications [Elektronisk]. IEEE Transactions on Vehicular Technology, vol

55, nr 1. Tillgänglig:

http://ieeexplore.ieee.org.ezproxy.its.uu.se/stamp/stamp.jsp?tp=&arnumber=5 191040

[2014-01-25]

Berry, I. (2007). The effect of driving style and vehichle performance on the real

world fuel consumption of US light-duty vehichles [Elektronisk]. Virginia

Polytechnic Institute and State University. Master of Science in Mechanical Engineering and Master of Science of Technology and Policy. Tillgänglig:

http://web.mit.edu/sloan-auto-lab/research/beforeh2/files/IreneBerry_Thesis_February2010.pdf [2014-03-16]

Bierstedt et al. (2014). Effects of next-generation vehicles on travel demand and

highway capacity. Fehr and Peers. Tillgänglig:

http://orfe.princeton.edu/~alaink/Papers/FP_NextGenVehicleWhitePaper0124 14.pdf

[2014-03-04]

Drugge, L. (2011). Föreläsningsmaterial i kurs SD2222 Vehicle components, KTH. Stockholm, Sverige.

Eijk et al. (2014) EnViVer 4.0 Pro and Enterprise Manual.

Eno Center for Transportation. (2013). Preparing a nation for Autonomous

Vehicles: opportunities, barriers and Policy Recommendations. Washington, DC.

Tillgänglig:

http://www.enotrans.org/wp-content/uploads/wpsc/downloadables/AV-paper.pdf

[2014-03-19]

Google maps. (2015). https://www.google.se/maps [2015-05-19]

IEA. (2009). Transport, Energy and CO2. Moving toward sustainability. Paris,

France. Tillgänglig:

http://www.iea.org/publications/freepublications/publication/transport2009.p df

[2015-03-25]

IEA. (2012). Technology Roadmap – Fuel economy of road vehichles. Paris, France. Tillgänglig:

http://www.iea.org/publications/fueleconomy_2012_final_web.pdf [2015-03-25]

40 IEEA. (2014). Google’s autonomous cars are smarter than ever at 700 000 miles. http://spectrum.ieee.org/cars-that-think/transportation/self-driving/google-autonomous-cars-are-smarter-than-ever

[2015-04-12]

iMobility. (2013). Automation in Road Transport. Tillgänglig:

http://www.imobilitysupport.eu/library/imobility-forum/working- groups/active/automation/reports-3/2185-auto-wg-automation-roadmap-final-report-june-2013/file

[2014-01-27]

KPMG. (2012). Self-driving cars: The next revolution. Tillgänglig:

http://www.kpmg.com/US/en/IssuesAndInsights/ArticlesPublications/Docume nts/self-driving-cars-next-revolution.pdf

[2015-02-09]

Minderhoud M.M. (1999) Supported Driving: Impacts on Motorway Traffic flow. The Netherlands. Delft University Press.

Movea. (2014) Effekter av självstyrande bilar – litteraturstudie och

probleminventering. Tillgänglig:

http://www.trafa.se/PageDocuments/Movea_Effekter%20av%20sj%C3%A4lvst yrande%20bilar-%20litteraturstudie%20och%20probleminventering.pdf

[2015-04-15]

PATH. (1995). The Aerodynamic Performance Of Platoons: A Final Report. University of California, Berkeley. Tillgänglig:

http://its.berkeley.edu/publications/UCB/95/PRR/UCB-ITS-PRR-95-35.pdf [2015-02-13]

PTV. (2015). PTV VISSIM.

http://vision-traffic.ptvgroup.com/en-us/products/ptv-vissim/ [2015-04-13]

R. Den Braven, Karen et al. (2012). Modeling vehicle fuel consumption and

emissions at signalized intersection. Approaches: Integrating field-collected data into microscopic simulation. National Institute for Advanced Transportation

Technology, University of Idaho. Tillgänglig:

http://www.webpages.uidaho.edu/niatt/research/Final_Reports/KLK721_N12-12.pdf

[2015-01-28]

RAND Corporation. (2014). Autonomous Vehicle Technology: A Guide for

Policymakers. Tillgänglig:

http://www.rand.org/content/dam/rand/pubs/research_reports/RR400/RR44 3-1/RAND_RR443-1.pdf

41 Tientrakool et al. (2011). Highway Capacity Benefits from Using Vehicle-to-Vehicle

Communication and Sensors for Collision Avoidance. Columbia University, New

York, USA. Department of Electrical Enginneering. Tillgänglig:

http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6093130 [2015-01-26]

Trafikanalys. (2015) Självkörande bilar – utveckling och möjliga effekter. Rapport 2015:6. Tillgänglig:

http://trafa.se/PageDocuments/Rapport_2015_6_Sjaelvkoerande_bilar_-_utveckling_och_moejliga_effekter.pdf

[2015-04-13]

Trafikverket. (2013). Unikt pilotprojekt med självkörande bilar på allmän väg. Tillgänglig:

http://www.trafikverket.se/Aktuellt/Nyhetsarkiv/Nyhetsarkiv2/Nationellt/201 3-12/Unikt-pilotprojekt-med-sjalvkorande-bilar-pa-allman-vag/

[2015-04-12]

Trafikverket. (2014). Handbok för kapacitetsanalys med hjälp av simulering. Traffic technology today. (2015). Longest ever autonomous-vehicle road trip

completed.

http://www.traffictechnologytoday.com/news.php?NewsID=67901 [2015-04-13]

Transportstyrelsen. (2014). Autonom körning - Förstudie: Dnr TSG 2014-1316, 08 2014 ISBN.

Shladover et al. (2013). Impacts of Cooperative Adaptive Cruise Control on

Freeway Traffic Flow. California Path Program. Tillgänglig:

http://www.researchgate.net/publication/266391703_Impacts_of_Cooperative_ Adaptive_Cruise_Control_on_Freeway_Traffic_Flow_Impacts_of_Cooperative_Ada ptive_Cruise_Control_on_Freeway_Traffic_Flow

[2015-02-04]

Stanley. (2014). Autonomous Cars Self-Driving the New Auto Industry Paradigm. Tillgänglig:

http://www.wisburg.com/wp-content/uploads/2014/09/%EF%BC%88109- pages-2014%EF%BC%89MORGAN-STANLEY-BLUE-PAPER-AUTONOMOUS-CARS%EF%BC%9A-SELF-DRIVING-THE-NEW-AUTO-INDUSTRY-PARADIGM.pdf [2015-01-20]

Van Arem et al. (2006). The impact of cooperative adaptive cruise control on

traffic-flow characteristics. IEEE Transactions of ITS. vol. 7, no 4. Tillgänglig:

http://www.utwente.nl/ctw/aida/research/publications/AremDrielVisser2006. PDF

42 Vine, Zolfaghari, Polak. (2015). Autonomous cars: The tension between occupant

experience and intersection capacity. Transportation Research Part C 52 (2015)

1-14. Tillgänglig: http://www.sciencedirect.com/science/article/pii/S0968090X15000042 [2015-03-18] Vissim. (2014). Envivier. http://vision-traffic.ptvgroup.com/en-uk/products/ptv-vissim/use-cases/emissions-modelling/ [2015-03-20]

VolvoTrucks. (2013). European accident research and saety report 2013. Tillgänglig:

http://www.volvotrucks.com/SiteCollectionDocuments/VTC/Corporate/Values /ART%20Report%202013_150dpi.pdf

[2015-03-26]

Wikipedia. (2015). Headway time. http://en.wikipedia.org/wiki/Headway [2015-03-02]

Wisdot. (2014). Model Calibration. Wisconsin Department of Transportation. http://www.wisdot.info/microsimulation/index.php?title=Model_Calibration [2015-04-26]

Zohdy et al. (2013). Intersection Management via Vehicle Connectivity: The

Intersection Cooperative Adaptive Cruise Control System Concept. Journal of

Intelligent Transportation Systems: Technology, Planning, and Operations. Tillgänglig:

http://dx.doi.org/10.1080/15472450.2014.889918 [2015-03-03]

Appendix

Konventionellt trafikflöde ^Basflöde ^+10% ^+20% ^+30% ^+40% ^+50% Totalt antal fordon ^{12 959} ^{14 211} ^{15 496} ^{16 751} ^{18 029} ^{19 236} Total distans [km] ^{41 227} ^{45 204} ^{49 219} ^{53 194} ^{57 106} ^{60 353} Färdtid [h] 500,2 551,1 603,4 659,7 727,1 861,0 Medelhastighet [km/h] ^82,4 ^82,0 ^81,6 ^80,63 ^78,6 ^70,1 Försening [h] 9,6 12,9 17,2 25,9 46,5 142 Försening per fordon [s] ^2,7 ^3,3 ^4,0 ^5,6 ^9,3 ^26,6 Totalt antal stopp ⁶¹ ⁹⁰ ¹³⁰ ²⁶⁶ ⁷²⁵ ^{3 968} Stopp per fordon ^0,00 ^0,01 ^0,01 ^0,02 ^0,04 ^0,2 Självkörande trafikflöde ^Basflöde ^+10% ^+20% ^+30% ^+40% ^+50% Totalt antal fordon ^{12 976} ^{14 228} ^{15 514} ^{17 968} ^{18 030} ^{19 297} Total distans [km] ^{41 225} ^{45 203} ^{49 216} ^{53 189} ^{57 120} ^{60 982} Färdtid [h] 538,5 591,3 644,5 699,2 754,2 828,5 Medelhastighet [km/h] ^76,6 ^76,4 ^76,4 ^76,1 ^75,5 ^73,6 Försening [h] 2,1 2,8 3,7 5,9 10,1 33,0 Försening per fordon [s] ^0,6 ^0,7 ^0,87 ^1,3 ^2,0 ^6,1 Totalt antal stopp 26 34 60 119 363 2 633 Stopp per fordon ^0,00 ^0,00 ^0,00 ^0,01 ^0,02 ^0,1

In document Självkörande fordon -En analys av energianvändning och kapacitet Jonas Örarbäck (Page 45-50)