Intelligent transport system support for electric vehicle routing services

Abstract

[ES] La electrificación del transporte es cada vez más vital para reducir las emisiones de gases de efecto invernadero y combatir el cambio climático. Los vehículos eléctricos son fundamentales en esta transición, ya que ofrecen cero emisiones de escape y son compatibles con las fuentes de energía renovable. A pesar de estas ventajas, la adopción masiva de los vehículos eléctricos se ve obstaculizada por preocupaciones sobre su alcance limitado y la infraestructura de carga insuficiente.

Las tecnologías digitales son la clave para resolver estos retos y posibilitar una transición hacia un sistema de transporte de bajo carbono. Los Sistemas Inteligentes de Transporte que hacen uso de tecnologías digitales, como el análisis de datos, Internet de las Cosas y la computación en la nube, pueden ofrecer servicios valiosos a los conductores de vehículos eléctricos. Estos servicios pueden incluir información en tiempo real sobre estaciones de carga, planificación de rutas dinámicas y soluciones de gestión energética.

Esta tesis se centra en el desarrollo de un Sistema Inteligente de Transporte adaptado a los servicios de enrutamiento de vehículos eléctricos. El sistema integrará datos de tráfico, meteorológicos y de infraestructura de carga para optimizar la carga y los horarios, teniendo en cuenta la capacidad de la batería del vehículo, el estado de carga y las preferencias del usuario. El sistema propuesto pretende mejorar la experiencia del usuario ofreciéndole información precisa y fiable sobre los puntos de recarga, los costes, los tiempos de viaje estimados y el ahorro potencial de energía.

Para alcanzar estos objetivos, la tesis iniciará con una revisión de la literatura existente sobre el rol de los Sistemas Inteligentes de Transporte en la eficiencia de los vehículos eléctricos y la optimización de rutas, resaltando las fortalezas y limitaciones de las metodologías actuales. Posteriormente, se desarrollará un novedoso marco para integrar diversas fuentes de datos en el proceso de enrutamiento. El propósito es detectar estaciones de carga dentro de un espacio de búsqueda específico y predecir los tiempos de llegada estimados y el estado de carga. Este marco incluirá un análisis de escenarios de usuario para probar su eficacia y se someterá a una evaluación rigurosa de rendimiento bajo diferentes condiciones operativas.

Se anticipa que los descubrimientos de esta tesis contribuirán al avance de sistemas de transporte más eficientes y ecológicos. Mediante la utilización del poder de las tecnologías digitales y el análisis de datos, el Sistema Inteligente de Transporte ideado apoyará la transición hacia un ecosistema de transporte más verde, reduciendo la huella medioambiental a la vez que mejora la experiencia de conducción para los usuarios de vehículos eléctricos.

[EN] The electrification of transport is increasingly vital for reducing greenhouse gas emissions and mitigating climate change. Electric vehicles (EVs) are pivotal in this transition, offering zero tailpipe emissions and compatibility with renewable energy sources Despite these advantages, the mass adoption of EVs is hindered by concerns over limited range and insufficient Charging Infrastructure (CI).

Digital technologies hold the key to resolving these challenges, enabling a transition to a low-carbon transport system. Intelligent Transport Systems (ITS) that utilise digital technologies such as data analytics, Internet of Things (IoT), and cloud computing can offer invaluable services to EV drivers. These services can include real-time information on Charging Stations (CSs), dynamic route planning, and energy management solutions.

This thesis focuses on developing an ITS tailored for EV routing services. The system will integrate traffic, weather, and CI data to optimise charging and schedules, considering the vehicle's battery capacity, State of Charge (SoC), and user preferences. The proposed system aims to enhance the user experience by offering accurate and reliable information on charging locations, costs, estimated travel times, and potential energy savings.

To achieve these objectives, the thesis will commence with a review of existing literature on the role of ITSs for EV efficiency and route optimisation, highlighting the strengths and limitations of current methodologies. Subsequently, a novel framework for integrating diverse data sources into the routing process will be developed. The purpose is to detect CSs within a specific search space and predict Estimated Arrival Times (ETA) and SoCs. This framework will incorporate an analysis of user scenarios to test its effectiveness and will be subjected to rigorous performance evaluation under various operational conditions.

The findings from this thesis are expected to contribute to the advancement of more efficient and environmentally friendly transportation systems. By leveraging the power of digital technologies and data analytics, the envisioned ITS will support the move towards a greener transportation ecosystem, reducing the environmental footprint while enhancing the driving experience for EV users.