FleetOptimiser

Projektet begyndte som et signaturprojekt der løb fra primo 2021 til ultimo 2022 af Syddjurs kommune. Herefter er Aarhus kommune gået videre med projektet, hvor 14 myndigheder på tværs af kommuner, regioner og stat, er med i det videre forløb i 2023 og 2024. I 2024 gjorde 12 myndigheder brug af systemet og fik implementeret det løbende over de sidste 1.5-2 år. De fleste har implementeret det indenfor det seneste år, fra april 2024. 

FleetOptimiser har tre algoritmebaserede funktioner og anvender historiske rutedata samt metadata på køretøjerne for at udføre:  

1.  Manuel flådesammensætning, der simulerer konsekvenser for både økonomi og CO2- udledning, når man vælger type af køretøj og antal på en lokation.  

2. Automatisk flådesammensætning med afsæt i organisationens mål. Her er tale om en intelligent målsimulering, hvor FleetOptimiser kommer med et eller flere forslag til antal og typer af køretøjer i flåden. Det tager afsæt i målene med scenarier for sammensætning af flåden ud fra en række tilgængelige køretøjsmodeller samt en prioritering mellem økonomi og CO2-reduktion.  

3. Intelligent tildeling af køretøjer, hvor en algoritme kvalificerer tildelingen af køretøjer ud fra kriterier, der optimerer på økonomi og CO2. For at få det fulde udbytte af intelligent tildeling af køretøjer skal der være en integration til flådestyringssystemernes bookingmoduler i det omfang funktionaliteten er etableret. 

FleetOptimiser er ikke baseret på machine learning, og derfor er det ikke trænet på data. De data der er blevet brugt til at udvikle algoritmen, er aggregeret GPS-data og kørselslogninger, hvilket betyder, at de eneste informationer, algoritmen bruger, er start lokation for ruter (offentlige adresser), start- og stoptidspunkter for hver tur samt distance på hver tur. Derudover er der en masse metadata om køretøjer, som algoritmen også bruger i simuleringerne og som bliver vægtet efter co2-udledning og økonomi således at de billigste og mindst udledende alternativer vælges først. 

I signaturprojektet har der særligt været tre områder med etiske og juridiske overvejelser, som har været behandlet i projektet: 

1. Medarbejdernes whereabouts og borgernes adresser. Dette har ført til dataadskillelse, så adresser og konkrete lokationer ikke kan ses i brugergrænsefladen. Det betyder, at brugerne af løsningen, ikke kan se, hvilke borgere kommunale køretøjer har besøgt. 

2. Personoplysninger i tredjelande. Både data og algoritmerne er hostet i en public cloud hos et svensk selskab som er fysisk placeret i Stockholm. Det betyder, at data ikke processeres med alment tilgængelige cloudbaserede web tjenester. Det er kun software, der er installeret på de dedikerede servere og på den installerede AI-platform. Det sikrer, at data og eventuelle personhenførbare personoplysninger ikke behandles i tredjelande uden for EU-zonen. 

3. Informationspligten overfor medarbejdere og borgere. Projektet har med Syddjurs Kommune som eksempel udarbejdet oplysningssider på nettet om den behandling af borgeres og medarbejderes som sker i og på vej til FleetOptimiser. Disse oplysningssider publiceres i bredere kontekst, hvor medarbejdere kan se hvilke data kommunen behandler som arbejdsgiver. På samme måde kan borgerne se hvilke data, kommunen som myndighed behandler i regi af aktiviteter omkring kunstig intelligens. 

FleetOptimiser startede som et AI-signaturprojekt i 2021 og 2022 hos Syddjurs kommune. Gennem projektet blev der identificeret en række forskellige snubletråde og anbefalinger.  

- Det kan fremadrettet blive en udfordring at skaffe den rette bemanding til at drive projektet, herunder praktisk kompetence med flådestyring, installation af GPS’er og lignende.  

- POGI (Partnerskab for offentlige grønne indkøb) skal holde deres model skarp og ajourført, herunder beregningen af den samlede Co2-belastning. Det anbefales, at modellen holdes ajour og gøres digitalt tilgængelig.  

- Der skal fortsat være et godt samarbejde med leverandørerne af systemer med bookingfunktionalitet og GPS’er som FleetComplete og Skyhost for at have adgang til nøgledata.  

- Der ses ofte en forskel på det, der har fokus på politisk niveau og organisationens leveranceevne i forhold til udviklingsprojekter.  

- Det er svært at trække midler ud af driftsøkonomien i kommunerne, når der skal investeres i konkrete redskaber til den grønne omstilling.  

- Forudsætningen for at lave intelligent flådestyring er udbredelse af flådestyringssystemer og GPS’er som skal bidrage med data.  

- Der er behov for løbende opdatering af FleetOptimiser, når behov og adfærd ændres. F.eks. kan der ved massiv overgang til elbiler blive behov for simuleringer, der også tager højde for kapaciteten af lade standere på de enkelte lokationer. Dette parameter er ikke implementeret på nuværende tidspunkt.  

- Ejerskab og forankring ind i 2023 kan blive en udfordring, når projektdeltagerne allokeres til nye udviklingsprojekter. 

Begrundelsen for indføring af systemet handler først og fremmest om den grønne omstilling. Danmark har en national målsætning om at nå en CO2-reduktion på 70 procent i 2030. Her nævnes der at “Et af de væsentligste tiltag, vi kan gøre, er at gentænke transportbehovet i den offentlige sektor. Den service, kommuner og andre myndigheder leverer til borgerne, resulterer hvert år i flere millioner kørte kilometer. En stor del af køretøjerne, vi benytter, er stadig drevet af fossile brændstoffer, og omstillingen til en mere klimavenlig flåde giver desværre en række udfordringer af både økonomisk og praktisk karakter.”