The number of light commercial vehicles (LCV) in cities is growing, which puts increasing pressure on the livability of cities. Freight vehicles are large contributors to polluting air and CO2 emissions and generate problems in terms of safety, noise and loss of public space. Small electric freight vehicles and cargo bikes can offer a solution, as they take less space, can maneuver easily and do not emit local pollution. There is an increasing interest in these vehicle, called light electric freight vehicles (LEFV’s), among logistic service providers in European cities. However, various technical and operational challenges impede large scale implementation. Within the two-year LEVV-LOGIC project, (2016-2018) the use of LEFV’s for city logistics is explored. The project combines expertise on logistics, vehicle design, charging infrastructure and business modelling to find the optimal concept in which LEFV’s can be a financial competitive alternative for conventional freight vehicles. This contribution to EVS30 will present the project’s first year results, showing the guideline for and the applied design of LEFV for future urban city logistics.
This study aims to evaluate the effect in the energy network of a big shared of decarbonise vehicles (NGV and EV) based on car-use profiles of current conventional and electric vehicles in the city of Groningen. Charging profiles were developed within CBS dataset of mobility and transport, and the electric charging profiles provided by E-Laad.
The number of light commercial vehicles (LCV) in cities is growing, which puts increasing pressure on the liveability of cities. Small electric freight vehicles and cargo bikes can offer a solution, as they take less space, can manoeuvre easily and free from polluting emissions. Within the two-year LEVV-LOGIC project, (2016-2018) the use of light electric freight vehicles (LEFVs) for city logistics is explored. The project combines expertise on logistics, vehicle design, charging infrastructure and business modelling to find the optimal concept. This paper presents guidelines for the design of LEFV based on the standardized rolling container (length 800 mm, width 640 mm, height 1600 mm) and for the charging infrastructure.
A-das-PK; een APK-straat voor rijhulpsystemen Uit recent onderzoek en vragen vanuit de autobranche blijkt een duidelijke behoefte naar goed onderhoud, reparatie en borging van de werking van Advanced Driver Assistance Systems (ADAS), vergelijkbaar met de reguliere APK. Een APK voor ADAS bestaat nog niet, maar de branche wil hier wel op te anticiperen en haar clientèle veilig laten rijden met de rijhulpsystemen. In 2022 worden 30 ADAS’s verplicht en zal de werking van deze systemen ook gedurende de levensduur van de auto gegarandeerd moeten worden. Disfunctioneren van ADAS, zowel in false positives als false negatives kan leiden tot gevaarlijke situaties door onverwacht rijgedrag van het voertuig. Zo kan onverwacht remmen door detectie van een niet bestaand object of op basis van verkeersborden op parallelwegen een kettingbotsing veroorzaken. Om te kijken welke gevolgen een APK heeft voor de autobranche wil A-das-PK voor autobedrijven kijken naar de benodigde apparatuur, opleiding en hard- en software voor een goed werkende APK-straat voor ADAS’s, zodat de kansrijke elementen in een vervolgonderzoek uitgewerkt kunnen worden.
De technische en economische levensduur van auto’s verschilt. Een goed onderhouden auto met dieselmotor uit het bouwjaar 2000 kan technisch perfect functioneren. De economische levensduur van diezelfde auto is echter beperkt bij introductie van strenge milieuzones. Bij de introductie en verplichtstelling van geavanceerde rijtaakondersteunende systemen (ADAS) zien we iets soortgelijks. Hoewel de auto technisch gezien goed functioneert kunnen verouderde software, algorithmes en sensoren leiden tot een beperkte levensduur van de gehele auto. Voorbeelden: - Jeep gehackt: verouderde veiligheidsprotocollen in de software en hardware beperkten de economische levensduur. - Actieve Cruise Control: sensoren/radars van verouderde systemen leiden tot beperkte functionaliteit en gebruikersacceptatie. - Tesla: bij bestaande auto’s worden verouderde sensoren uitgeschakeld waardoor functies uitvallen. In 2019 heeft de EU een verplichting opgelegd aan automobielfabrikanten om 20 nieuwe ADAS in te bouwen in nieuw te ontwikkelen auto’s, ongeacht prijsklasse. De mate waarin deze ADAS de economische levensduur van de auto beperkt is echter nog onvoldoende onderzocht. In deze KIEM wordt dit onderzocht en wordt tevens de parallel getrokken met de mobiele telefonie; beide maken gebruik van moderne sensoren en software. We vergelijken ontwerpeisen van telefoons (levensduur van gemiddeld 2,5 jaar) met de eisen aan moderne ADAS met dezelfde sensoren (levensduur tot 20 jaar). De centrale vraag luidt daarom: Wat is de mogelijke impact van veroudering van ADAS op de economische levensduur van voertuigen en welke lessen kunnen we leren uit de onderliggende ontwerpprincipes van ADAS en Smartphones? De vraag wordt beantwoord door (i) literatuuronderzoek naar de veroudering van ADAS (ii) Interviews met ontwerpers van ADAS, leveranciers van retro-fit systemen en ontwerpers van mobiele telefoons en (iii) vergelijkend rij-onderzoek naar het functioneren van ADAS in auto’s van verschillende leeftijd en prijsklassen.
The maximum capacity of the road infrastructure is being reached due to the number of vehicles that are being introduced on Dutch roads each day. One of the plausible solutions to tackle congestion could be efficient and effective use of road infrastructure using modern technologies such as cooperative mobility. Cooperative mobility relies majorly on big data that is generated potentially by millions of vehicles that are travelling on the road. But how can this data be generated? Modern vehicles already contain a host of sensors that are required for its operation. This data is typically circulated within an automobile via the CAN bus and can in-principle be shared with the outside world considering the privacy aspects of data sharing. The main problem is, however, the difficulty in interpreting this data. This is mainly because the configuration of this data varies between manufacturers and vehicle models and have not been standardized by the manufacturers. Signals from the CAN bus could be manually reverse engineered, but this process is extremely labour-intensive and time-consuming. In this project we investigate if an intelligent tool or specific test procedures could be developed to extract CAN messages and their composition efficiently irrespective of vehicle brand and type. This would lay the foundations that are required to generate big data-sets from in-vehicle data efficiently.
