Det startede som et signaturprojekt i 2020 med fem kommuner, da FleetOptimiser blev skabt. I 2022, da Syddjurs Kommune holdt en workshop som evaluering af første del, dukkede en række nye kommuner op, som viste interesse for de opnåede resultater. Aarhus Kommune blev nu pennefører og projektejer sammen med 13 medansøgere og fik tilsagn fra Digitaliseringsstyrelsen på 10 mio. kr. til projekt ”Intelligent flåde-styring”, hvor AI-løsningen FleetOptimiser i løbet af i år skaleres og implementeres hos 13 myndigheder. Det forventer projektlederne Sofie Buhl og Joachim Daus-Petersen, Aarhus Kommune er sket med udgangen af juni 2024.
Nu tager 13 myndigheder kunstig intelligens i drift i hjemmeplejen.
Intelligent flådestyring bliver fulgt tæt af mange kommuner, da kommunerne har store bilflåder. Den intelligente flådestyring kan ved hjælp af kunstig intelligens reducere antallet af biler ved at køre det samme antal kilometer med bedre ruteplanlægning samt reducere mængden af CO2-udledninger ved at have færre biler eller skifte fra fossilbiler til el-biler.
Den analyse Aarhus Kommune foretog ud fra kørselsmønstre på GPS-data, viste, at hjemmeplejen havde en overkapacitet på ca. 15 pct. Ved et udbud kunne Aarhus Kommune nøjes med at lease 30 nye biler i stedet for 43, som oprindeligt beregnet, efter at have lavet simuleringer med FleetOptimiser. Altså en reduktion på 30 pct. i udbuddet, men hvor det stadig er muligt at opretholde de samme kørselsmønstre.
Fra projekt til drift
FleetOptimiser var i sin første fase et udviklingsprojekt blandt fem kommuner. Nu tages det i drift i 11 kommuner og to regioner.
Projektleder Sofie Buhl, Aarhus Kommune: ”I første fase var det et udviklingsprojekt, med en løsning der var udviklet i et samarbejde mellem fem kommuner og to leverandører. Nu skalerer vi løsningen og implementerer den i 13 myndigheders organisationer. Da kommunerne er organiseret forskelligt, bliver der reelt tale om 13 forskellige IT-projekter for at få det ind i driften”.
I Sønderborg Kommune har de samlet alle kommunale køretøjer i en selvstændig enhed, og i Norddjurs Kommune var der slet ingen flådestyring, da de meldte sig ind i fællesskabet, og har fået det skrevet ind i budgettet for 2024. Så projekterne er i bund og grund ret forskellige.
”Vi har undervejs talt om, at det er en stor fordel for os alle at være så mange om at tage det i drift. Vi kan læne os op ad hinanden og lære af hinanden. Man får åbnet øjnene og ser nye vinkler for anvendelsen af kunstig intelligens. I Norddjurs har der været efterspørgsel på flere cykelruter. Det er sådan noget, vi andre godt kan have lidt svært ved at komme i gang med. Men selvfølgelig er det relevant,” siger Joachim Daus-Petersen.
”I Aarhus er vi er startet med intelligent flådestyring i hjemmeplejen. Historisk set er det sundhed og omsorg, der har nogle rigtig gode cases og som har været bedst organiseret og haft tradition for at køre allermest. Derfor har de data på deres køretøjer, men vi ser et kæmpestort potentiale på de andre områder. Børn og unge området er der også et potentiale og inden for køretøjer i administrationen. Der har bare ikke været det samme fokus, men det tror jeg, vi vil komme til at se fremover,” siger Sofie Buhl.
Aarhus kommune forventer, at tiltaget reducerer 49,4 tons CO2 i fase tre, som kommer fra de 13 biler, der ikke blev indkøbt i det seneste udbud. Ligeledes opnås en økonomisk besparelse på omkring 3. mio. kr. ved at lease færre biler end der tidligere var kalkuleret med.
Der er både bedre miljø og økonomi i intelligent flådestyring.
FAKTA
Fleet Optimiser har tre grundlæggende ”moduler”:
Manuel flådesammensætning: Simulerer konsekvenser for både økonomi og CO2- udledning, når man vælger type og antal køretøjer på en lokation. Køretøjer tilføjes og fjernes manuelt, både biler og cykler.
Automatisk flådesammensætning: FleetOptimiser kommer med forslag til det korrekte antal og typer af køretøjer i flåden ud fra kørselsmønster og ud fra en prioritering mellem økonomi og CO2-reduktion.
Dashboards: Business Intelligence/ledelsesinformationsmodul, til udstilling af data, CO2-udledning pr. dag eller en given dataperiode, samlede antal kørte km, kørte km pr. vagtlag, bil og lokation, anvendelsesgrad mm.
Datagrundlaget er GPS-data fra myndighedernes køretøjer, som hentes hver nat fra myndighedernes flådestyringssystem samt metadata på de enkelte køretøjer, (mærke, model, brændstofforbrug, CO2-udledning, økonomi, ladetid pr døgn. mv.). Der kan simuleres på data to år tilbage i tid.
”GPS-data er personoplysninger og vi har Datatilsynets ord for, at det, vi gør, er i orden. Vi tager GPSdata ind fra flådestyrings-systemet. Det gør vi en gang i døgnet, og så bliver data aggregeret til at vise et starttidspunkt og et sluttidspunkt på hele rutens længde. Vi kan ikke se nogen enkeltadresser eller stop undervejs. Så den lokation, vi kan se, er en kommunal adresse – både start og slut – og hvilket køretøj. Ud fra disse data kan der tages beslutninger om type køretøj og antallet af køretøjer på en given lokation. Algoritmen giver forslag til det korrekte antal køretøjer og køremønster – og en prioritering af økonomi og CO2-udslip,” siger Joachim Daus-Petersen.
Alle data fra de 13 myndigheder ligger på en cloudplatform i Tyskland.
FAKTA
De deltagende myndigheder er:
Aalborg, Esbjerg, Favrskov, Kerteminde, København, Norddjurs, Ringsted, Slagelse, Syddjurs, Sønderborg, Aarhus, Region Midt og Region Hovedstaden. Af disse er 10 myndigheder koblet op, og de resterende tre forventes at komme på løsningen i løbet af Q2 2024.