Rekkeviddeangst – en frykt for å gå tom for strøm – er velkjent blant elbilsjåfører. En beslektet følelse kan raskt melde seg hos planleggere som skal vurdere grønne trafikktiltak i byene fremover.
Kan batteribusser for eksempel brukes på ruten mellom A og B, eller må de lades før doningens «skift» på strekningen er over? Og kan tilsvarende lastebiler gå i shuttletrafikk mellom C og D, uten at liknende problemer oppstår?
Svarene gir seg ikke selv. Men nå er hjelp underveis.
Beregner fart, energiforbruk og utslipp
Regnemodeller for veitrafikk finnes allerede. Men skulle transportplanleggerne gå dit med sine batterirelaterte spørsmål, ville de få svar basert på «gjennomsnittsantakelser»: Som at høydeforskjellen mellom start og mål på turen består av jevnt stigende eller fallende terreng. Samt at kjøretøyet omgis av gjennomsnittstrafikk. Dermed vil også det beregnede energibehovet bli deretter.
Skal svarene fungere som beslutningsunderlag, må regnemodellen blant annet vite hvor mange og bratte bakkene er. Pluss hvor mye trafikk det er i rushtiden, fordi trafikkflyten avgjør omfanget av nedbremsing og energikrevende akselerasjon. Gjennom et større forskningsprosjekt har Sintef sett på hvordan tilgjengelig informasjon av denne typen kan utnyttes.
For Statens vegvesen har vi utviklet en ny beregningsmodell for fart, energiforbruk og utslipp. Den tar hensyn til egenskaper ved veien, kjøretøyet og sjåføren på en langt mer detaljert måte enn det tidligere regneverktøy gjør.
Den nye modellen tar også høyde for påvirkning fra annen trafikk, såfremt slike data foreligger.
Forutsier miljø- og klimaeffekter
Oppdraget besto i å bidra til mer nøyaktige nytte-/kostnadsanalyser ved utbyggingsprosjekt i veisektoren. Men underveis i arbeidet så vi at det nye verktøyet også egner seg til å forutsi miljø- og klimaeffekter av endringer i kjøretøyparken.
Eksempelvis kan vi beregne nåværende og forventet energiforbruk og utslipp for summen av privatbiler i en kommune eller alle nyttekjøretøyene i et firma. Det vil si at vi regner på kjøretøyparken slik den er nå – og slik den kan se ut ved bruk av nye drivstoff- og motor/fremdriftsløsninger.
Ved å forandre inngangsdataene, kan vi utføre beregninger for et hvilket som helst kjøretøy på hjul, enten de går på fossile drivstoff, strøm eller hydrogen. Ja, om litt kan vi også regne på sykler – inkludert elektriske – og slik se hvilke sykkelveitraseer som vil kreve mest eller minst fysisk arbeid fra syklistenes side.
Beslutningsunderlag
Modellen starter regnearbeidet med å beregne en teoretisk fartsprofil langs veistrekningen vi ser på. Da er regneverktøyet matet med alt strekningen har av kurver, stigninger og nedoverbakker.
I tillegg til å legge inn data om trafikkbelastningen over døgnet på veistrekningen, kan vi mate modellen med opplysninger om sjåførens egenskaper. Tungbilførere kjører klokere enn de fleste andre i energiøkonomisk forstand, og slikt lar vi modellen ta hensyn til.
Vi lar også regneverktøyet få vite hvor effektivt ulike kjøretøytyper utnytter energien på tanken eller i batteriet, alt etter motortype, kjøretøyets vekt og høydeprofilen på kjøreruten.
Alt dette betyr at vi eksempelvis kan fortelle et transportselskap hvorvidt en gitt batteribuss, med sin spesifiserte batteri- og ladekapasitet pluss motorytelse, vil være i stand til å betjene en gitt rute. Sagt litt annerledes ser vi om ladebehovet vil ødelegge regulariteten i tilbudet eller ikke.
Ennå finnes nesten ikke erfaringsdata fra bruk av batteridrevne busser og lastebiler under norske forhold. Siden alle matematiske modeller av verden rundt oss er forenklinger, vil også våre beregningsresultater være noe usikre. Men målt opp mot alternativet – antakelser og gjennomsnittsverdier – speiler de virkeligheten godt.
Etter hvert som erfaringsdata kommer, skal vi kalibrere regnemodellen videre. Slik vil vi bli i stand til å framskaffe et stadig mer pålitelig beslutningsunderlag for transportører som ønsker å gå den grønne veien. Rekkeviddeangsten kan vi dermed befri dem for.
Artikkelen sto første gang i Dagens Næringsliv fredag 18. mai 2018 og gjengis her med DNs tillatelse.
