Tillsammans med bland annat Luleå Tekniska Universitet, Sveriges Paketombud och Region Norrbotten startade vi ett forskningsprojekt med syfte att öka tillgängligheten och minska utsläppen genom samkörning och optimering av rutter. Projektet finansieras av Vinnova, Trafikverket, Region Norrbotten och involverade partners.

Predictive Movement

Forskningsprojektet Predictive Movement syftar till att skapa en konkurrensneutral digital plattform som ska vara samverkansplats för transporter av människor och gods optimerad med hjälp av artificiell intelligens (AI). Projektet finansierades av Vinnova, Trafikverket, Region Norrbotten och de deltagande parterna inklusive Iteam.

I första etappen fokuserade projektet på paketleveranser i landsbygd. Ett viktigt område med stor förbättringspotential då många transporter där kör långa sträckor med få paket, vilket både orsakar stora utsläpp och ger dålig lönsamhet. Den låga lönsamheten gör sedan att transportaktörerna drar ner på sin service för att spara pengar vilket i sin tur gör det mycket svårt för så väl företag som privatpersoner att existera på dessa mindre orter.

Pedagogisk utmaning

En viktig utmaning i vårt arbete med att skapa en samverkansplats för transporter är att förklara problemet vi försöker lösa för potentiella samarbetspartners och beslutsfattare. Därför har vi skapat en digital tvilling som visar de ineffektiviteter som finns i det nuvarande sättet att arbeta. Den digitala tvillingen är en simulering av pakettransporter där man tydligt kan se hur exempelvis lastbilar från olika företag kör samma sträcka med ett fåtal paket var.

Digital tvilling

En digital tvilling är en simulering av verkligheten som kan användas för att samla in statistik eller testa ändringar. Vår digitala tvilling är en simulering av pakettransporter baserad på statistik om paketvolymer och befolkning tillsammans med kunskap om transportaktörer och rutter i de involverade glesbydskommunerna.

Tvillingen är ett kraftfullt verktyg för att visualisera transporter och samla in siffror om t.ex. koldioxidutsläpp och servicegrad. När vi kombinerar tvillingen med Predictive Movements plattform kan vi visa hur denna typ av samordning förändrar dessa siffror och hur transporten av paket skulle kunna fungera mer optimerat.

Utforskande och iterativt arbete

Vi har utforskat ett komplext problem och använt UX, prototyper, tester i verkligheten med riktiga användare för att lära oss och komma närmare svaret. Hela tiden har vi arbetat iterativt och gått fram och tillbaka mellan att bygga, testa, utvärdera, lära oss och planera. Under arbetet har vår bild av problemet och lösningar ändrats från att enbart skapa en teknisk plattform till att även skapa verktyg för att stödja och främja regulatoriska incitament för samarbete.

Enorm potential

Transportsektorn står för 30% av Sveriges koldioxidutsläpp; 95% av alla transportkilometer sker utanför städerna samtidigt som många transporter kör långa sträckor tomma. Här finns en möjlighet att snabbt minska Sveriges utsläpp och samtidigt öka tillgänglighet och lönsamhet inom idag olönsamma områden. Det är en stor men också väldigt viktig utmaning, och vi är beslutna att hitta ett bättre sätt.