Kunstig intelligens baner vejen for danske kommuners overgang fra benzin og dieselbiler til fremtidens klimavenlige el-biler og øget brug af cykler. “Der er både CO2- besparelser og økonomiske gevinster i at bruge kunstig intelligens til at simulere flåden af køretøjer i kommunerne,” siger projektleder Henrik Bojsen, Syddjurs Kommune. Han er med i AI-signaturprojektet “Intelligent flådestyring og klimasmarte kørselsmønstre” hvor også Aarhus, Sønderborg, Slagelse og Favrskov kommuner deltager.
Det er to et halvt år siden, at Syddjurs Kommune gik foran og udrullede centralt ejerskab og et flådestyringssystem fra Fleet Complete på tværs af organisationen. Kommunen udnyttede coronanedlukningen til en grøn investering.
Inden overgangen kørte kommunens mere end 200 køretøjer 4,4 mio. km. om året foruden de 3,1 mio. km, som blev kørt i medarbejdernes egne biler, og systemet opsamler data om køretøjernes ruter fra GPSer i bilerne.
AI-signaturprojektet har frembragt et simuleringsværktøj, som ved hjælp af algoritmer og dermed kunstig intelligens bruger opsamlede data. I en simulering på historiske data for kørsel på hver lokation fastlægges behovet for køretøjer og de afledte udgifter og CO2 udslip. På den måde kan antal og typer af køretøjer optimeres, og udskiftningen af fossilbiler til elbiler og cykler gennem indkøb og leasing kan ske hurtigere og billigere. Med tiden forventes flådestyringssystemernes bookingfunktion også at kunne anvende en facilitet i algoritmerne som optimerer den daglige tildeling af køretøjer - igen på CO2 og udgifter.
Regeringen satte siden klimamål med reduktion af CO2 med 70 pct. i 2030.
“Klimadelen i vores projekt har skabt stor interesse fra mange, da vi skal spare 70 pct. CO2 i 2030. Vi ved, hvor vi skal hen, men kommunerne ved ikke nødvendigvis, hvordan vi udnytter den nye teknologi i den daglige logistik,” siger Henrik Bojsen.
Ny pulje
Syddjurs Kommune sad på forsædet, da puljen fra Digitaliseringsstyrelsen og Investeringsfonden poppede op, og gik sammen med de nævnte kommuner i en samlet ansøgning om økonomisk finansiering på godt fem mio. kr. med fokus på klima. De fem kommuner afrapporterer deres resultater til Digitaliseringsstyrelsen og KL.
“De fem kommuners mål er at bruge data fra de eksisterende køretøjer til at sikre den bedst mulige overgang til el-biler og cykler. I stedet for at det er den enkelte leder i en afdeling, der vælger at udskifte en benzin- eller dieselbil med en el-bil ud fra en mavefornemmelse, bruger vi kunstig intelligens til at skabe beslutningsgrundlaget,” siger Henrik Bojsen.
Kunstig intelligens, flådestyring og klima er nøgleordene for det kommunale flådestyringsprojekt, som dykker ned i data for at få flere elbiler og cykler på vejene, spare tid for medarbejderne og sørge for at de kommunale budgetter rækker lidt længere.
I Aarhus Kommune viser den første simulering med rutedata et betydeligt potentiale for både besparelser og CO2-reduktion. Simuleringen er gennemført med rutedata fra 26 pct. af bilflåden i Aarhus Kommune.
Syddjurs byråd bevilger seks mio. kr.
For halvandet år siden bevilgede byrådet i Syddjurs Kommune seks mio. kr. over en firårig periode til at skifte over til el-biler. Forventningen fra byrådet er, at el-biler i fuldt omfang erstatter benzin og diesel biler.
“Vi har en del biler, men udfordringen i en mellemstor kommune som Syddjurs er, at de bruges meget forskelligt fra område til område. Flådestyring i kommuner kan derfor ikke sammenlignes med forholdene i private virksomheder, som TDC og Falck og Arla med store bilflåder, som løser ret ensartede opgaver. Vores personale kører ud med mad og medicin til borgere, kører til møder og konferencer, mens Vej og Park løser andre opgaver. Før hen var bilerne ejet af de enkelte forvaltninger. Så det første, vi gjorde, var at centralisere ejerskabet og servicefunktionen. Det betyder, at vi nu har to medarbejdere i Teknik og miljø , der styrer driften af de 250 biler,” siger Henrik Bojsen.
Simuleringen
Simuleringen af transportdata fra flådestyringssystemet sker i det såkaldte simuleringsværktøj, som de fem kommuner i AI-signaturprojektet har udviklet med hjælp fra leverandørerne Droids Agency og Qampo. Værktøjet driftes på Graceplatformen, der leveres af 2021.ai.
Værktøjet består af flere algoritmer, der bruger avancereret matematik eller kunstig intelligens på data fra flådestyringssystemet. Under overskriften Flådesammensætning skaber simuleringsværktøjet et beslutningsgrundlag til fleet manageren, når der skal leases eller købe biler. Der simuleres på historiske rutedata, og resultatet belyser, hvor få og hvilke typer af køretøjer, der skal til for at dække de kørte ruter. Under overskriften Målsimulering giver algoritmerne 2-3 bud på en optimal flådesammensætning indenfor en liste med valgte køretøjstyper. Her kan algoritmernes præference mod besparelse eller CO2-reduktion vælges af brugeren, og resultatet kommer i CO2-ækvivalenter og kroner samt antal og type af køretøj.
“Hvis vi ensidigt prioriterer CO2-reduktionen som det vigtigste, bliver besparelsen mindre. Simulerer vi efter økonomi, altså billigst muligt, opnår vi ikke så meget CO2-reduktion. Så det handler om at finde en balance. Kommunen kan med Simuleringsværktøjet kvalificere sine overvejelser meget detaljeret og konkret, når de skal skifte til el-biler,” siger Henrik Bojsen.
Det handler om for kommunen at køre de ruter, der er brug for til at løse opgaverne. At få optimeret antallet af biler eller hvis der er tale om byområder med korte ruter, måske at skifte bilen ud med cykler og el-cykler.
“Jo længere den enkelte el-bil kører, desto hurtigere kan vi skifte dem ud og få de nye teknologier ind i flåden. Så der er både økonomi, CO2-reduktioner og teknologisk fornyelse ved at skære antallet af biler ned. Så i stedet for at køre 10 år med den samme bil, vil vi gerne køre længere og skifte dem ud efter tre-fire år. Der ligger også både en besparelse og CO2-reduktion” siger Henrik Bojsen.
Færre køretøjer
De første simuleringer viser, at kørselsbehovet kan dækkes med 15 pct. lavere udgifter, samtidig med at CO2-udledningen reduceres med samme procentsats.
Færre biler giver også mindre udgifter til vedligehold. Simuleringstoolet kan altså hjælpe kommunerne med at træffe datadrevne beslutninger, og er dermed første skridt på vejen mod en grønnere og mere optimal sammensætning af bilflåden.