Een data-gedreven aanpak voor de uitrol van laadinfrastructuur voor elektrische voortuigen in de stedelijke omgeving

Projectdetails

!!Description

Elektrische voertuigen (EVs) beschikken over een enorm potentieel
om de luchtvervuiling en geluidshinder in steden te verminderen.
Omwille van de beperkte reikwijdte die deze voertuigen momenteel
bezitten, zijn veel consumenten terughoudend tegenover de
aanwerving van een EV. Het uitrollen van doordacht netwerk van
publieke laadstations kan deze bezorgdheid wegnemen. Dit is met
name noodzakelijk in stedelijke omgevingen, waar veel inwoners
afhankelijk zijn van publieke laadinfrastructuur om hun wagen thuis
op te laden en waar de beschikbare ruimte schaars is. Om publieke
middelen zo efficiënt mogelijk in te zetten, is het noodzakelijk dat
ieder laadstation op zijn best mogelijke locatie én tijdstip geplaatst
wordt.
Dit doctoraatsonderzoek zal daarom nagaan in hoeverre het
lokaliseren van laadinfrastructuur verbeterd kan worden in zowel
ruimte als tijd. Hiervoor wordt een data-gedreven methodologie
voorgesteld, bestaande uit 2 stappen. Ten eerste wordt de vraag
naar publieke laadinfrastructuur voorspeld o.b.v. gebruiks-,
bestemmings- en route- gerelateerde data. Deze vernieuwende
aanpak laat toe om voorspellingen te differentiëren tussen
opportuniteits- en residentieel-georiënteerd laden. Ten tweede wordt
een locatie model opgesteld dat snelle en trage laadstations optimaal
toewijst in tijd en ruimte volgens de voorspelde vraag. Dit laat
uiteindelijk toe tot een data-gedreven uitrol van laadinfrastructuur die
tegemoetkomt aan de noden van EV-gebruikers.
AcroniemFWOTM1091
StatusActief
Effectieve start/einddatum1/11/2131/10/23

Keywords

  • Stedelijke laadstations
  • Voorspellingsmethoden
  • Ruimtelijke lokalisatiemodellen

Flemish discipline codes

  • Transport economics
  • Mathematical methods, programming models, mathematical and simulation modelling
  • Geography of mobility and transportation