La crisis climática provocada por las emisiones de gases de efecto invernadero es el problema más importante al que se enfrenta actualmente la humanidad a escala global. Uno de los mayores responsables de las emisiones globales de gases de efecto invernadero es el transporte, que en España es el sector con mayor contribución: el 27,7% de las emisiones totales en términos de CO2 equivalente en 2020. Por ello, es necesario descarbonizar el transporte, realizando una transición hacia los vehículos eléctricos (VE). En España, el transporte por carretera es el principal modo de transporte, representando más del 80% de la movilidad total. Es necesario desplegar una infraestructura pública de recarga adecuada, que se ha estimado para 2030 en unos 250.000 puntos de recarga públicos, mientras que en 2019 había algo menos de 8.000 puntos de recarga.
El tráfico urbano es un caso típico de sistema complejo formado por muchos componentes interactuantes que dan lugar a propiedades emergentes a nivel global, difíciles de predecir con antelación salvo mediante simulación. Una propiedad emergente del tráfico urbano son los atascos. Estos patrones de tráfico determinan los niveles de contaminación atmosférica, ya que en ellos intervienen vehículos que utilizan combustibles fósiles. Recientemente hemos demostrado mediante simulaciones [1] que la disposición de las estaciones de recarga (ER) urbanas puede cambiar los patrones de tráfico de una ciudad. Pero la gran mayoría de los desarrollos previos para determinar la disposición de las estaciones de recarga en una ciudad se basan en el análisis de datos anteriores, como los patrones de tráfico o el uso de la red eléctrica. Tienen el inconveniente de que no tienen en cuenta los efectos de la ubicación de las ER sobre el tráfico urbano y el uso de la red eléctrica.
Contribución de SANEVEC: Construiremos una herramienta informática para la determinación óptima de la ubicación de las estaciones de recarga de vehículos eléctricos en una ciudad basándose en la simulación, que será capaz de reproducir los efectos de retroalimentación entre todas las variables implicadas: ubicación de las estaciones, patrones de tráfico, características y funcionamiento de la red eléctrica, tarifas de recarga y calidad del aire en la ciudad. También integrará métodos de inteligencia artificial para encontrar soluciones de alta calidad para la ubicación de las estaciones a partir de las simulaciones y para predecir la calidad del aire en la ciudad. El objetivo será obtener beneficios medioambientales y sociales, asociados a la reducción de la contaminación ambiental y de la huella de carbono en la ciudad y a la mejora de la fluidez del tráfico urbano y de las operaciones de recarga de vehículos eléctricos.
El proyecto empleará una combinación de tecnologías digitales disruptivas: técnicas de simulación para formar la base de una herramienta digital con un enfoque holístico destinado a planificar el funcionamiento del complejo sistema urbano y prever su evolución y consecuencias, utilizando modelos basados en agentes y autómatas celulares; inteligencia artificial para optimizar la ubicación de las estaciones de recarga (algoritmo genético) y realizar previsiones multidía de la calidad del aire en la ciudad (aprendizaje profundo). Además, utilizaremos técnicas de computación de altas prestaciones para garantizar que la ejecución del software tenga un rendimiento computacional adecuado.
Beneficios medioambientales esperados de SANEVEC:
- Reducción de la contaminación atmosférica en las zonas urbanas, debido a la reducción de la congestión del tráfico y, por tanto, del número de vehículos contaminantes de combustibles fósiles implicados en los atascos.
- Reducción de la huella de carbono de las ciudades debido a los gases de efecto invernadero.
- Contribución al aumento de la proporción de VE frente a los vehículos propulsados por combustibles fósiles, debido a la mejora de la experiencia de usuario de los VE al reducir los tiempos de espera.
- Reducción de la contaminación acústica en las zonas urbanas, debido a la reducción de la congestión y a que los VE son más silenciosos.
Beneficios sociales esperados de SANEVEC:
- Ayudará al proceso de electrificación del tráfico al optimizar las operaciones de carga de los VE. Esto fomentará la actividad económica en los nuevos sectores asociados a la electrificación, contribuyendo al crecimiento económico y creando nuevos puestos de trabajo cualificados para la población.
- Reducirá los tiempos de transporte en la ciudad, debido a la reducción de la congestión del tráfico.
- Contribuirá a aumentar la calidad de vida de los ciudadanos, debido a la combinación de los beneficios mencionados.
Contribución de SANEVEC a la solución de problemas en las áreas de transición ecológica y digital, a través de los beneficios ambientales y sociales esperados: En cuanto a la transición ecológica, SANEVEC contribuirá a la descarbonización, la eficiencia energética, el despliegue de energías renovables y la electrificación de la economía. En cuanto a la transición digital, SANEVEC tendrá un impacto positivo en la movilidad sostenible y en la agenda urbana.
Hipótesis de partida:
- El análisis de datos previos, como los patrones de tráfico o el uso de la red eléctrica, no es la mejor metodología para diseñar el despliegue de la red de estaciones de recarga de vehículos eléctricos, ya que su ubicación y características afectan al tráfico urbano y al uso de la red eléctrica y pueden modificarlos.
- La simulación mediante un modelo microscópico es una metodología mejor que el análisis previo de datos para diseñar el despliegue de la red de estaciones de recarga de vehículos eléctricos, porque puede tener en cuenta su efecto sobre el tráfico urbano y el uso de la red eléctrica.
- Los patrones de tráfico urbano (por ejemplo, los atascos), que se ven influenciados y modificados por la red de estaciones de recarga de vehículos eléctricos, tienen una influencia directa en las medidas de calidad del aire y la huella de carbono de la ciudad.
Objetivo general: El propósito de este proyecto es investigar, diseñar e implementar un modelo de simulación informática para predecir los efectos de la disposición de una red urbana de estaciones de recarga de vehículos eléctricos sobre la congestión del tráfico, la calidad del aire, la huella de carbono y el uso de la red eléctrica de una ciudad real. Construiremos un marco de simulación completo, partiendo del trabajo previo realizado por los miembros del equipo que diseñaron e implementaron un simulador preliminar (SIMTRAVEL), que nos permitió validar la idea conceptual sobre una ciudad sintética de prueba [1]. Esta potente y flexible herramienta de análisis se pondrá a disposición de municipios, gobiernos, empresas, grupos de investigación y universidades.
Objetivos específicos:
- Desarrollar una metodología para extraer la información geográfica de una ciudad real utilizando un sistema de información geográfica (SIG), e inyectarla como entrada del módulo de modelado de ciudades de un simulador.
- Desarrollar un simulador para predecir los efectos de un despliegue concreto de una red de estaciones de recarga sobre la congestión del tráfico, la calidad del aire, la huella de carbono y el uso de la red eléctrica de una ciudad real, derivado del simulador SIMTRAVEL que ya ha sido desarrollado para una ciudad sintética.
- Desarrollar una metodología para estudiar el despliegue óptimo de la red de estaciones de recarga en una ciudad real mediante simulaciones, utilizando un algoritmo genético y el simulador desarrollado en el objetivo 2.
- Desarrollar métodos y herramientas para la validación de los resultados de simulación del simulador desarrollado en el objetivo 2 y el análisis de su rendimiento y escalabilidad.
- Probar y validar el marco de simulación producido, mediante el desarrollo de una aplicación ejemplar a la ciudad de Sevilla (España).
Metodología: El plan del proyecto consta de 5 paquetes de trabajo técnicos (WP1-WP5) para la construcción y validación de la herramienta, más otro (WP0) para la gestión del proyecto y otro más (WP6) para su difusión y explotación. La herramienta constará de los siguientes módulos, programados en C++:
[1] A. García-Suárez, J.L. Guisado-Lizar, F. Diaz-del-Rio, F. Jiménez-Morales. A Cellular Automata Agent-Based Hybrid Simulation Tool to Analyze the Deployment of Electric Vehicle Charging Stations. Sustainability, Vol. 13, Issue 10, Article Id. 5421, 2021. DOI