Att mäta verklig fyllnadsgrad, vägtransporternas heliga gral
Under 2020 genomfördes ett pilotförsök att öka vägtransporters energi- och klimateffektivitet genom att automatiskt mäta och därefter systematiskt kunna minska lastbilstransporters bränsleförbrukning. Projektets målsättning var att via fordonsdator fånga aktuell förbrukning för att kunna beräkna utsläpp till luft för redovisning för åkeri och dess kunder. Målet var även att aktuell bränsleförbrukning mer direkt skulle kunna återkopplas till chaufförer för att stimulera en mer sparsam körteknik. Beskriven 2021-06-30.
Projektet genomfördes med hjälp av Närkefrakt och finansierades av Energimyndigheten. Under projektet gjordes en mycket oväntad med också högst önskad upptäckt kring nya möjligheter med fordonsdata. Eftersom mätning av verklig fyllnadsgrad alltid varit ett undflyende mätetal visade de mättekniken möjligheter att mäta och följa upp lastbilens viktsfyllnadsgrad. Insikten var i det närmaste revolutionerande och om detta kompletterades med installation av scanners i lastutrymme skulle även mätning av volymfyllnadsgrad möjliggöras. Utan att söka lyckades projektet hitta den ”heliga gralen” – att mäta fyllnadsgrad!
För att ta det från början. I takt med en allt modernare uppkopplad fordonsflotta ges möjlighet att mäta bränsleförbrukning och därmed vederhäftigt beräkna avgasutsläpp på ett mer vederhäftigt sätt. Moderna luftfjädrade fordon öppnar även möjligheten att mäta lastvikt. Via fordonets dator, ofta nämnt som Canbus (Controller Area Network for Bus) kan man erhålla data som; körsträckor, accelerationer, retardationer, hastigheter samt även hur stor andel av körd sträcka som skett med låg, medel och hög vikt. Sistnämnda är lastdata kopplat till sensorer från luftfjädring vilket gav projektet en oväntad och värdefull möjlighet att närma sig en av transportindustrin verkliga utmaningar. Att mäta genomsnittlig fyllnadsgrad på ett automatiserat sätt. Visserligen kan inte mätningen ske med perfekt noggrannhet, men det innebär ändå ett bra första steg. Säkerligen kan tekniken förbättras med nya sensorer i luftfjädring samt tillkommande optisk sensorteknik som gör det möjligt att bedöma godsets volym i lastutrymmet.
Vid beräkning av utsläpp av klimatgaser från ett fordon kommer bränsleförbrukning och därmed dessa utsläpp att öka vid en ökad last som ökar fordonets bruttovikt. Detta ger ett nästan linjärt förhållande mellan bruttovikt och utsläpp av växthusgaser. Däremot kommer de relativa utsläppen per tonkm att minska då skalfördelarna med ökad last är större än ökningen av bränsleförbrukning. Detta illustreras väl i grafer i figurer nedan som baseras på en semitrailer med dragbil som kan lasta 26 ton.

Bränsleförbrukning som en funktion av lastvikt, omräknats till absoluta och relativa utsläpp av koldioxid i förhållande till lastat gods.
För att kunna fastställa de relativa utsläppen på ett vederhäftigt sätt på enskilda transportsträckor fordras mätning av last ombord och beräkning av fordonets fyllnadsgrad. Detta var initialt inte projektets syfte men efterhand som tillgängliga fordonsdata fortgick framkom även denna möjlighet. I de data som registreras under körning anges genom sensorer i luftfjädring:
- Distansandel med låg vikt dsLow [%]
- Distansandel med medelvikt dsAverage [%]
- Distansandel med max vikt dsMax [%]
Med detta som grund etablerade projektet en enkel algoritm för att möjliggöra maskinell beräkning av fordonets fyllnadsgrad och därmed beräkning av relativa utsläpp per tonkm. Denna algoritm behöver förbättras men skapar i sin nuvarande enkla form ändå en maskinell möjlighet som tidigare inte fanns. Det bör poängteras att mätningen av fyllnadsgrad i nuläget endast avser lastvikt.
Transportarbetesalgoritmen
Transportarbete [tkm] = Σ [Vikt [ton/delsträcka) * distans (km/delsträcka)]
Lfvikt [%] = Lastfyllnadsgrad i vikt [%]
LC [ton] = Lastkapacitet [ton]
dTotal [km] = Sträcka total med stopp för lastning och lossning
dsLow [%] = Andel av sträcka med låg last antaget som 25 % av lastkapacitet
dsAverage [%] = Andel av sträcka med låg last antaget som 50 % av lastkapacitet
dsMax [%] = Andel av sträcka med max last antaget som 100 % av lastkapacitet
Transportarbete = dTotal* dsLow *LC*1/4+ dsTotal * dsAverage *LC*1/2+ dTotal * dsMax *LC*1
Beräkningsexempel
LC [ton] = 26 ton
dTotal [km] = 100 km
dsLow [%] = 20 %
dsAverage [%] = 60 %
dsMax [%] = 20 %
Lfvikt = 100*20%*26*1/4+ 100 * 60% * 26 *1/2 + 100 * 20% * 26 * 1 = 1430 tkm
Om fordonsdatorn registrerat bränsleförbrukning [l/km] under denna period samt att vi erhållit information om bränslet klimatintensitet [g/l] kan totala utsläpp av klimatgaser beräknas:
Bränsleförbrukning = 30 liter
Bränslets klimatintensitet = 2686 [g/l]
Utsläpp av klimatgaser = 30 * 2686 = 80580 g
Transportens klimatintensitet = 80580/1430 = 56 g/tkm
Fyllnadsgradsalgoritmen
Projektet tog även fram en mycket enkel princip för beräkning av fyllnadsgrad för att maskinellt kunna beräkna fyllnadsgraden. Denna princip behöver förfinas samt att kommande sensorer kopplade till luftfjädring kan ge ännu bättre grunddata.
Lfvikt = dTotal* dsLow *LC*1/4+ dsTotal * dsAverage *LC*1/2+ dTotal * dsMax *LC*1
dTotal *LC
Beräkningsexempel fyllnadsgrad
LC [ton] = 26
dTotal [km] = 100
dsLow [%] = 20
dsAverage [%] = 60
dsMax [%] = 20
Lfvikt = (100*20%*26*1/4)+ (100 * 60% * 26 *1/2) + (100 * 20% * 26 * 1) = 55 %
(100 * 26)
Med dessa data och en enkel algoritm som stöd kunde transporteffektivitet beräknas med automatik vilket möjliggör åtgärder för att förbättra effektiviteten med avseende på strävan om större andel av sträckorna med max last. Uppföljningen är inte särskilt högupplöst, men detta beror främst på att sensorer för mätning av vikt inte mäter med större noggrannhet. Modellen för algoritmen kan också ifrågasättas och därmed även förfinas. Syftet i denna studie var att ”utvinna” verksamhetsdata i befintliga databaser och på ett automatiserat sätt beräkna relevanta nyckeltal som stöder redovisning och förbättringsarbete.
Tillämpning
Sverige har skrivit under Parisavtalet samt driver utvecklingen av EU:s klimatstrategi inom samtliga sektorer. I Sverige omsätts och drivs klimatstrategierna genom berörda myndigheter. De svenska klimatmålen med basår 1990 för transportsektorn är:
2030; 70 % reduktions utsläpp av klimatgaser (ttw)
2045 0 % nettoutsläpp av klimatgaser (wtw)
Exempel på fjärrgående lastbil i Sverige

I ovanstående scenariobeskrivning visas hur såväl transporteffektivisering, energieffektivisering och mer klimateffektiva bränslen fordras för att ställa om vägtrafiken och uppnå Sveriges klimatmål. Med stöd av liknande scenariobeskrivningar för olika fordonstyper kan en utvecklad plattform möjliggöra en löpande uppföljning av åkeriers framsteg. Källa Conlogic.
Utfallet av redovisad pilot visade utöver stora möjligheter även på svårigheter att tillräckligt enkelt och regelbundet erhålla data från fordonsdatorn och fordonsleverantör. Om dessa kan levereras utan tillkrånglad administration ger helt nya möjligheter att automatisera uppföljningen av en transportverksamhet. Projektet påpekade att detta inte var en teknisk utmaning utan mer av organisatorisk eller kommersiell karaktär eftersom data bevisligen finns tillgängligt.
Med dessa data kan en mer verklighetsbaserad och därmed rationell uppföljning av energi-, klimat- och transporteffektivitet genomföras. Vi närmar oss en tillförlitlig uppföljning av transporternas ”heliga gral”, det vill säga transporternas fyllnadsgrad. Dialoger med lastbilstillverkare har även indikerat att detta kan komma att ske mer storskaligt genom att dessa principiellt skulle kunna synliggöra all tillgänglig lastkapacitet på lastbilar i trafik.
En viktig funktion för en lyckosam utveckling på detta område är en balanserad avvägning mellan öppna och skyddade data. Åkerier måste lita på att deras specifika data inte omedelbart leder till ökad kostnadspress som gör att deras verksamhet utsätts för orimlig konkurrens. Samtidigt bygger en stor del av minskad energianvändning och minskade utsläpp av klimatgaser på en ökad transporteffektivitet. Hur dessa två delvis motstridiga aspekter ska samverka utgör en allmängiltig debatt i samhället med uppkopplade enheter och transparens som kommer att utsätta alltfler verksamheter för en tuffare konkurrens.