Kurzbeschreibung
(Englisch)
|
GAMES will focus on how digitalisation could enable electric shared vehicle fleets to answer mobility needs while creating new revenue streams by providing services for electrical grid and energy communities. Leveraging existing digitalised data, GAMES will assess the compatibility of shared electric vehicle fleets with the energy market and the mutual benefits arising from the interoperability between these sectors. GAMES will verify if such cross-sector exchanges can increase the efficiency of both the mobility and energy sectors and reduce their environmental footprint. The innovative digital business models developed will consider the new business-to-business and consumer-to-business-to-consumer collaborations made possible through digitalisation, that can emerge from common interest intersections between shared vehicle fleets and energy distribution system operators, energy communities, public transport providers, and vehicle/charging station/ridesharing consumer networks.
|
Kurzbeschreibung
(Italienisch)
|
GAMES si concentrerà su come la digitalizzazione possa consentire alle flotte di veicoli elettrici condivisi di rispondere alle esigenze di mobilità, creando al contempo nuovi flussi di reddito attraverso la fornitura di servizi per la rete elettrica e le comunità energetiche. Sfruttando i dati digitalizzati esistenti, GAMES valuterà le opportunità all’interfaccio tra le flotte di veicoli elettrici condivisi con il mercato dell'energia e i benefici reciproci derivanti dall'interoperabilità. GAMES verificherà se tali scambi intersettoriali possono aumentare l'efficienza dei settori della mobilità e dell'energia e ridurre la loro impronta ambientale. Modelli di business digitali prenderanno in considerazione nuove collaborazione business-to-business e consumer-to-business, resa possibile dalla digitalizzazione, che emergere da intersezioni di interesse tra flotte di veicoli condivisi e sistemi di distribuzione dell'energia, comunità energetiche, e reti di stazione di ricarica.
|
Publikationen / Ergebnisse
(Deutsch)
|
Elektroautos werden nicht nur von Privatkunden genutzt. Elektroautos gehören oft zur Fahrzeugflotte einer Firma oder eines Carsharing-Anbieters. Ein Forschungsprojekt der Tessiner Fachhochschule SUPSI mit Partnern in Österreich und Israel hat digitale Werkzeuge entwickelt, die künftig dabei helfen sollen, ökonomischen Nutzen aus dem netzdienlichen Betrieb von E-Auto-Flotten zu erzielen.
Zugehörige Dokumente
|
Publikationen / Ergebnisse
(Englisch)
|
Electric cars are not only used by private customers. Electric cars are often part of a company's or car-sharing provider's vehicle fleet. A research project by the Ticino University of Applied Sciences and Arts SUPSI with partners in Austria and Israel has developed digital tools that will help to achieve economic benefits from the grid-friendly operation of electric car fleets in the future.
Zugehörige Dokumente
|
URL-Adressen
(Englisch)
|
|
Schlussbericht
(Deutsch)
|
E-Carsharing-Systeme gewinnen in der heutigen Gesellschaft zunehmend an Bedeutung, sowohl im öffentlichen Sektor, insbesondere in Ballungsräumen, als auch im privaten Sektor mit Firmenflotten für geschäftliche oder gemischte Zwecke. Durch die Integration von Elektrofahrzeugen (EVs) bieten diese Flotten nachhaltige Transportlösungen und können die städtische Umweltverschmutzung erheblich reduzieren, was zur globalen Nachhaltigkeit und zu umweltfreundlichen Mobilitätszielen beiträgt. Dieser Wandel hin zu einem nachhaltigen Verkehr wird auch durch die jüngsten Fortschritte im Bereich der digitalen Technologien unterstützt, die die Überwachungs-, Steuerungs- und Servicefunktionen für Betreiber und Nutzer verbessern. Ähnlich wie bei herkömmlichen Systemen, wie z. B. Free-Floating-Systemen, stehen EV-Flottenmanager vor operativen Herausforderungen wie der Standortverlagerung von Fahrzeugen und der Flottenauslastung. Diese Aufgaben sind unerlässlich, um wirtschaftlich tragfähige Dienstleistungen und eine gute Abdeckung des Versorgungsgebiets zu gewährleisten. Während die Standortverlagerung in der Regel von Mitarbeitern durchgeführt wird, kann dies die Kosten erhöhen und die Gewinnmargen verringern. Darüber hinaus haben Elektroflotten einen direkteren Einfluss auf das Stromnetz. Elektrofahrzeuge benötigen längere Ladezeiten, was die Verfügbarkeit der Fahrzeuge verzögern kann. Eine dynamische Preisgestaltung kann die Ladekosten erhöhen, und unkoordiniertes Laden grosser Flotten erhöht das Risiko von Netzüberlastungen. Diese Herausforderungen müssen sorgfältig angegangen werden, um Elektrofahrzeuge und gemeinsam genutzte Flotten vollständig zu integrieren. Dabei müssen intelligente Strategien zur Optimierung von Ladevorgängen und Standortwechseln eingesetzt werden, während gleichzeitig eine hohe Servicequalität, Flottenverfügbarkeit und Rentabilität für die Systembetreiber gewährleistet wird. Insbesondere der Informationsaustausch zwischen der Flotte und dem Stromnetz sowie die intelligente Integration dieser Systeme können zusätzliche Einnahmen generieren und eine nachhaltige Mobilität fördern. Dies kann durch die Optimierung des Fahrzeugladens und des Energieverbrauchs auf der Grundlage der Netzbedingungen in Echtzeit erreicht werden. Unterstützt durch intelligente Mobilitätsanreize, fortschrittliche Vorhersagemodelle und Tools zur Entscheidungsunterstützung können diese Bemühungen die Flottenauslastung, die Serviceeffizienz und die Umsatzgenerierung in elektrifizierten Carsharing-Systemen erheblich verbessern.
Dieses Projekt zielt darauf ab, die Integration von Elektrofahrzeugen (EVs) und geteilter Elektromobilität zu unterstützen, indem Flottenbesitzern Entscheidungshilfen für die Einsatzplanung und die Wartung ihrer elektrifizierten Flotten zur Verfügung gestellt werden. Diese Hilfsmittel konzentrieren sich auf Netzplanung, Umzugsstrategien und die Optimierung des Betriebs, um die Rentabilität zu steigern, die Lade- und Verwaltungskosten zu senken und letztlich ein technisch-wirtschaftliches Optimum zu erreichen. Zunächst wird ein probabilistisches Modellierungskonzept vorgeschlagen, um die räumlich-zeitliche Variabilität zu charakterisieren, die sich auf die Nachfrage nach Mobilitätsdiensten innerhalb eines Kontrollbereichs auswirkt. In der Anfangsphase wird eine formale Analyse der Mobilitätsnachfragekurven für zwei traditionelle Carsharing-Modelle durchgeführt: ein Free-Floating-System in Tel Aviv (AutoTel) und ein stationsbasiertes System in der Schweiz (Mobility). Diese Analyse hebt die Ähnlichkeiten und Unterschiede zwischen den beiden Systemen hervor und bietet Einblicke in das Potenzial für die Entwicklung allgemeiner Entscheidungsunterstützungsinstrumente, die auf beide Systeme anwendbar sind. Anschliessend wird eine probabilistische Bedarfsprognose trainiert, um Diskrepanzen zwischen beobachteten Lastdaten und prognostiziertem Bedarf zu minimieren. Dieses Modell prognostiziert die Nachfrage nach Mobilitätsdiensten in den kommenden Stunden und liefert Flottenbetreibern wertvolle Erkenntnisse zur Optimierung des Flottenbetriebs, wie z. B. die Verlagerung ungenutzter Fahrzeuge und die Planung des Aufladens von Elektrofahrzeugen. Anschliessend wird ein neues Entscheidungsunterstützungsmodell auf der Grundlage des Reinforcement Learning (RL) eingeführt, um den Betrieb in Free-Floating-Elektrofahrzeug-Carsharing-Systemen (FFEVCS) zu optimieren. Dieses Modell untersucht, wie die Beteiligung der Nutzer an Verlagerungs- und Ausgleichsaktivitäten durch spezielle Mobilitätsanreize gefördert werden kann. Es integriert ein wirtschaftliches Dispositionsmodell, um Netzinformationen zu berücksichtigen, und ermöglicht so auf das Netz abgestimmte Ladeentscheidungen, die die Ladekosten und die Mobilitätseinnahmen optimieren. Innerhalb des RL-Rahmens weist ein zentraler Kontrollagent dynamische, nachbarschaftsspezifische Rabatte auf Minutentarife und Mobilitätsguthaben zu, um die Nutzer zur Teilnahme an Umzugsaktivitäten zu motivieren. Dadurch wird die Abhängigkeit von kostspieligeren Umzügen durch Personal verringert. Die Anreize werden an verschiedene Betriebsbedingungen und Flottenzustände angepasst, unterstützt durch Vorhersagen des wahrscheinlichkeitstheoretischen Vorhersagemodells. In die Simulationsumgebung ist auch ein Modell zur Auswahl des Transportmittels integriert, um den Reservierungsprozess realistisch zu emulieren und verschiedene Betriebsrichtlinien und Umzugsstrategien zu testen. Das System wird anhand des Free-Floating-Carsharing-Modells in Tel Aviv demonstriert, wobei reale Daten von AutoTel verwendet werden. Vier RL-Agenten werden mithilfe fortschrittlicher Algorithmen (PPO, TD3, DDPG und SAC) trainiert, die für kontinuierliche Aktionsräume entwickelt wurden, und mit Basisstrategien wie Crew-basierten und gemischten Umzügen verglichen. Die Ergebnisse zeigen, dass diese Agenten höhere Einnahmen und niedrigere Lade- und Umzugskosten erzielen. Zur Bewertung der Skalierbarkeit werden zwei Beobachtungsräume mit zunehmender Dimensionalität getestet, die sowohl lokale als auch globale Beobachtungen umfassen.
Schliesslich wird das Potenzial der integrierten Plattform durch zwei digitale, sektorübergreifende Plattformen demonstriert, die Mobilitäts- und Energiedaten in einem gemeinsamen Rahmen miteinander verbinden. Die eine Plattform ermöglicht es Firmenflotten mit Elektrofahrzeugen, Netzdienstleistungen zu erbringen, indem sie Fahrzeugdaten in Echtzeit bereitstellt und sich in Marktmechanismen integriert, während die andere Flottenbetreibern Entscheidungsunterstützungswerkzeuge für eine netzwerkorientierte Umzugsoptimierung bietet, wodurch die Effizienz und Nachhaltigkeit im Flottenmanagement verbessert wird. Dieses Projekt unterstützt letztendlich die Integration von Elektrofahrzeugen und gemeinsamer Elektromobilität, indem es Flottenbesitzern Entscheidungshilfen an die Hand gibt, die den Betrieb optimieren, Kosten senken und die Rentabilität steigern. Netzinformierte Planungs- und Umzugsstrategien ermöglichen ein effizienteres Management und helfen Flottenbetreibern, ein technisch-wirtschaftliches Optimum zu erreichen, während sie gleichzeitig nachhaltige Mobilitätslösungen fördern.
|
Schlussbericht
(Englisch)
|
Electric carsharing systems are becoming increasingly important in today’s society, both in the public sector, especially in metropolitan areas, and in the private sector with corporate fleets for business or mixed-use purposes. By incorporating electric vehicles (EVs), these fleets offer sustainable transportation solutions and can significantly reduce urban pollution, contributing to global sustainability and eco-friendly mobility goals. This shift toward sustainable transport is also supported by recent advancements in digital technologies, which enhance monitoring, control, and service capabilities for operators and users. Similar to traditional systems, like free-floating ones, EV fleet managers face operational challenges like vehicle relocation and fleet balancing. These tasks are essential to ensure economically viable services and good coverage of the service area. While relocation is usually handled by staff, this can increase costs and reduce profit margins. Additionally, electric fleets have a more direct impact on the power grid. EVs require longer charging times, which can delay vehicle availability. Dynamic pricing can raise charging costs, and uncoordinated charging for large fleets increases the risk of grid congestion. These challenges must be carefully addressed to fully integrate EVs and shared fleets, using smart strategies to optimize charging and relocation while maintaining high service quality, fleet availability, and profitability for system operators. In particular, the exchange of information between the fleet and the power grid, along with intelligent integration of these systems, can generate additional revenue and promote sustainable mobility. This can be achieved by optimizing vehicle charging and energy use based on real-time power conditions. Supported by smart mobility incentives, advanced predictive models, and decision-support tools, these efforts can significantly improve fleet utilization, service efficiency, and revenue generation in electrified carsharing systems.
This project aims to support the integration of electric vehicles (EVs) and shared electric mobility by providing fleet owners with decision-support tools for scheduling operations and maintaining their electrified fleets. These tools focus on grid-informed planning, relocation strategies, and optimizing operations to enhance profitability, reduce charging and management costs, and ultimately achieve a technoeconomic optimum. First, a probabilistic modeling framework is proposed to characterize the spatiotemporal variability affecting mobility service demand within a control area. The initial phase presents a formal analysis of the mobility demand curves for two traditional carsharing models: a free-floating system in Tel Aviv (AutoTel) and a station-based system in Switzerland (Mobility). This analysis highlights the similarities and differences between the two systems, offering insights into the potential for developing generalized decision-support tools applicable to both. A probabilistic demand forecaster is then trained to minimize discrepancies between observed load data and predicted demand. This model forecasts the demand for mobility services in the coming hours, providing fleet operators with valuable insights for optimizing fleet operations, such as relocating idle vehicles and scheduling EV charging. Then, a novel decision-support framework based on Reinforcement Learning (RL) is introduced to optimize operations in free-floating electric vehicle carsharing systems (FFEVCS). This framework explores how user participation in relocation and rebalancing activities can be incentivised using dedicated mobility incentives. It integrates an economic dispatch model to incorporate grid information, enabling grid-aware charging decisions that optimize charging costs and mobility revenues. Within the RL framework, a centralized control agent assigns dynamic, neighborhood-specific discounts on minute tariffs and mobility credits to incentivize users to participate in relocation activities. This reduces reliance on costlier crew-based relocations. The incentives are adapted to various operational conditions and fleet states, supported by predictions from the probabilistic demand forecaster. A transportation mode choice model is also integrated within the simulation environment to realistically emulate the reservation process and test different operational policies and relocation strategies. The system is demonstrated on the free-floating carsharing model in Tel Aviv, using real-world data from AutoTel. Four RL agents are trained using advanced algorithms (PPO, TD3, DDPG, and SAC) designed for continuous action spaces, are compared against baseline strategies such as crew-based and mixed relocation. Results show that these agents achieve higher revenues and lower charging and relocation costs. To evaluate scalability, two observation spaces with increasing dimensionality are tested, incorporating both local and global observations.
Finally, the potential of the integrated platform is demonstrated through two digital cross-sector platforms that connect mobility and energy data within a common framework. One platform enables corporate EV fleets to participate in grid services by providing real-time vehicle data and integrating with market mechanisms, while the other offers fleet operators decision-support tools for grid-aware relocation optimization, enhancing efficiency and sustainability in fleet management. This project ultimately supports the integration of EVs and shared electric mobility by providing fleet owners with decision-support tools that optimize operations, reduce costs, and enhance profitability. Grid-informed planning and relocation strategies enable more efficient management, helping fleet operators achieve a techno-economic optimum while promoting sustainable mobility solutions.
Zugehörige Dokumente
|
Schlussbericht
(Italienisch)
|
I sistemi di mobilita elettrica condivisa stanno assumendo un ruolo centrale nella societa moderna, sia nel settore pubblico, in particolare nelle aree metropolitane, sia nel settore privato con flotte aziendali per usi strutturali e promiscuo. L’impiego di veicoli elettrici (EV) consente di offrire soluzioni di trasporto piu sostenibili, riducendo l’inquinamento urbano e contribuendo cosi agli obiettivi globali di sostenibilita nella mobilita ecosostenibile. Questa transizione e supportata dai recenti progressi nelle tecnologie digitali, che consentono un monitoraggio e un’ottimizzazione migliori dei servizi di mobilita e un sostegno piu efficace alla rete elettrica. In particolare, per le flotte free-floating, i gestori devono affrontare varie sfide legate al ricollocamento e alla manutenzione dei veicoli. Inoltre, il bilanciamento della domanda energetica e dei tempi di ricarica rappresenta una sfida nuova e significativa per le flotte elettriche. Queste attivita sono fondamentali per garantire servizi di mobilita economicamente vantaggiosi e una copertura adeguata dell’area di servizio. Sebbene le operazioni di ricollocamento siano generalmente eseguite da personale dedicato, cio puo incrementare i costi e ridurre i margini di profitto. Le flotte elettriche influenzano in modo piu diretto la rete elettrica e viceversa. Gli EV richiedono tempi di ricarica piu lunghi, il che puo ritardare la disponibilita dei veicoli. Tariffe dinamiche elevate possono aumentare i costi di ricarica, e per grandi flotte, ricariche non coordinate possono incrementare il rischio di congestione della rete. Questi problemi devono essere valutati attentamente per garantire un’integrazione efficace tra EV e flotte condivise. E necessario considerare strategie intelligenti per ottimizzare le operazioni di ricarica e ricollocamento, mantenendo elevati standard di qualita del servizio, disponibilita della flotta e redditivita per l’operatore. In particolare, lo scambio di informazioni tra la flotta e la rete elettrica, insieme a integrazioni intelligenti tra questi due sistemi, puo contribuire a generare entrate aggiuntive, promuovendo una mobilita sostenibile. Questo puo essere realizzato ottimizzando la ricarica dei veicoli e l’uso dell’energia in base alle condizioni energetiche in tempo reale. Supportati da politiche di incentivazione della mobilita intelligenti, modelli predittivi avanzati e strumenti di supporto alle decisioni per una ricollocazione efficiente, gli sforzi possono migliorare significativamente l’utilizzo della flotta, l’efficienza del servizio e la generazione di entrate nei sistemi di carsharing elettrificati.
Il progetto GAMES si propone di supportare l’integrazione dei veicoli elettrici (EV) e della mobilita condivisa, fornendo ai proprietari di flotte strumenti avanzati di supporto alle decisioni per la pianificazione delle operazioni e la manutenzione delle flotte elettrificate. Questi strumenti si concentrano sulla pianificazione informata dalla rete elettrica, sulle strategie di ricollocamento e sull’ottimizzazione delle operazioni, con l’obiettivo di migliorare la redditivita, ridurre i costi di ricarica e gestione e raggiungere un equilibrio tecnico-economico. In primo luogo, il progetto propone un quadro di modellazione probabilistica per caratterizzare la variabilita spaziotemporale che influisce sulla domanda di servizi di mobilita all’interno di un’area di controllo. La fase iniziale include un’analisi formale delle curve di domanda di mobilita per due modelli tradizionali di carsharing: un sistema "free-floating" a Tel Aviv (AutoTel) e un sistema basato su stazioni in Svizzera (Mobility). Questa analisi mette in evidenza le somiglianze e le differenze tra i due sistemi, fornendo spunti per lo sviluppo di strumenti di supporto alle decisioni generalizzabili e applicabili a entrambi. Successivamente, viene addestrato un previsore probabilistico della domanda per minimizzare le discrepanze tra i dati di carico osservati e la domanda prevista. Questo modello e in grado di prevedere la domanda di servizi di mobilita nelle ore successive, offrendo agli operatori di flotte informazioni preziose per ottimizzare le operazioni, come la rilocazione dei veicoli inattivi e la programmazione della ricarica degli EV. In una seconda fase del progetto, viene introdotto un nuovo quadro basato sull’apprendimento per rinforzo, particolarmente adatto per ottimizzare le operazioni in sistemi complessi come quelli del carsharing elettrico di tipo free-floating. Questo quadro di ottimizzazione esplora come incentivare la partecipazione degli utenti alle attivita di rilocazione e bilanciamento attraverso incentivi di mobilita dedicati. Viene inoltre integrato un modello di economic dispatch per sfruttare le informazioni della rete elettrica, consentendo decisioni di ricarica consapevoli che ottimizzano sia i costi di ricarica sia i ricavi derivanti dalla mobilita. All’interno del quadro RL, un agente di controllo centralizzato assegna sconti dinamici e specifici per il quartiere sulle tariffe a minuto e crediti di mobilita per incentivare gli utenti a partecipare alle attivita di rilocazione. Questo riduce la dipendenza dalle rilocazioni basate su equipaggi, piu costose. Gli incentivi sono adattati a varie condizioni operative e stati della flotta, supportati da previsioni del previsore probabilistico della domanda. Un modello di scelta del mezzo di trasporto e stato integrato nell’ambiente di simulazione per emulare realisticamente il processo di prenotazione e testare diverse politiche operative e strategie di rilocazione. Il sistema e dimostrato sul modello di carsharing "free-floating" a Tel Aviv, utilizzando dati reali di AutoTel. Quattro agenti di RL, addestrati con algoritmi (PPO, TD3, DDPG e SAC) progettati per spazi d’azione continui, sono confrontati con strategie di base come la rilocazione basata su equipaggi e quella mista. I risultati mostrano che questi agenti ottengono maggiori ricavi e minori costi di ricarica e rilocazione. Per valutare la scalabilita, vengono testati due spazi di osservazione di crescente dimensionalita, incorporando sia osservazioni locali che globali.
Infine, il potenziale della piattaforma integrata e dimostrato da due piattaforme digitali intersettoriali che collegano i dati sulla mobilita e sull’energia in un quadro comune. Una piattaforma consente alle flotte aziendali di veicoli elettrici di partecipare ai servizi di rete fornendo dati in tempo reale sui veicoli e integrandosi con i meccanismi di mercato, mentre l’altra offre agli operatori delle flotte strumenti di supporto alle decisioni per l’ottimizzazione della ricollocazione attenta ai bisogni della rete, migliorando l’efficienza e la sostenibilita della gestione delle flotte. Questo progetto supporta infine l’integrazione dei veicoli elettrici e della mobilita condivisa, fornendo ai proprietari di flotte strumenti di supporto alle decisioni che ottimizzano le operazioni, riducono i costi e migliorano la redditivita. La pianificazione informata dalla rete elettrica e le strategie di rilocazione consentono una gestione piu efficiente, aiutando gli operatori delle flotte a raggiungere un optimum tecnico-economico e promuovendo soluzioni di mobilita sostenibile.
|
