The transition to electrified road transportation is crucial for achieving sustainability goals and reducing greenhouse gas emissions. However, therapid adoption of battery electric vehicles (BEVs) depends heavily on the availability of a robust charging infrastructure. Effective charging infrastruc-ture planning faces numerous challenges stemming from deep uncertainties inherent in transport electrification. These uncertainties encompass aspectssuch as rapid technological advancements, the variability of technology adoption and behavioral changes, the shifting landscapes of regulations, policiesand subsidies, the variability in availability, cost, development lead-time for grid transmission capacity, real-estate, and related services, and the evolving market dynamics arising from competition. This thesis examines the complexities of charging infrastructure planning, addressing two critical knowledge gaps identified in the literature: the inadequate utilization of transport route information in charging network placement optimization and the lack of planning methods and tools that can help manage the uncertainties.

To this extent the research presented in this thesis, after a quick background on transport electrification needs, challenges, current status and future ambitions, analyzes charging infrastructure planning support needs with respect to the knowledge gaps. Specifically, through a clear example, the thesis argues for the need to adopt a demand-centric charging network design where the adequate use of transport route information to achieve logical network design objectives is undeniable. Moreover, quite logically, the thesis argues the use of a dynamic adaptive planning approach that requires interactive decision support tools to manage the deep uncertainties of transport electrification during the system transition. Then, through a broad and systematic literature review, the thesis establishes that the prior work has not fully addressed these planning needs.

To extend scientific knowledge on the adequate use of transport route information in demand-centric charging network design, the thesis formalizes a data-driven simulation based transport electrification scenario model and in it an incremental charging network placement optimization problem where both the model and the problem require the use of detailed information in the transport routes. Then, the thesis proposes a series of greedy network expansion based charging network placement optimization methods to tackle the combinatorial network design problem and the incremental planning support need. First a set of baseline methods are introduced that guide the exploration of the search space using inaccurate but easily pre-computable static demand proxies and attempts to correct inaccurate guidance of the proxies by enforcing spatial constraints on the network placements to avoid the demand losses within the network and increase the electric coverage provision of the network. Next, the thesis proposes the Route Based Network Demand (RBND) method that does not use approximations or heuristics but rather selectively recomputes via computationally demanding simulations the exact values of the objective functions for promising network expansion candidates during the search space explorations. Empirical evaluations assess the methods’ optimization quality, empirical optimality, sensitivity to model parameters, and runtime scalability. The results show that the RBND method outperforms the baseline methods in optimization objectives and, among a practically infinite number of possible solutions, identifies statistically provable near-optimal solutions within minutes.

To address the lack of planning methods and tools that can help manage the uncertainties, the thesis contributes to scientific knowledge in two ways.  First, the thesis proposes the parameter sensitivity analysis of optimized charging network placements and as a case study explores and aggregates the optimized network placement information for 324 combinations of 5 key transport electrification scenario parameters as an attempt to derive the likelihood that a given location is part of an optimized network and what is the average charging demand at that location across all tested scenarios. Notably, the sensitivity analysis methodology entails the selective evaluation and simulation of the entire Swedish road freight system with 10.5 million annual transport routes for the most promising few million charging network placements for each of the 324 transport electrification scenario parameter combinations. The results of this vast charging network placement- and scenario search exploration are presented in a single table and two maps that represent frequency- and the average demand distributions of locations in optimized networks. Second, motivated by the argument that charging networks are developed by individual economic actors with their unique opportunities, challenges, and strategies in a competitive environment, based on qualitative feedback from 33 stakeholder organizations, the thesis describes the design, the components, and the visual analytics features of a flexible, spatial decision support system that can support the dynamic adaptive planning in stakeholders’ competing and collaborative settings.

Together, these contributions provide a scalable and flexible framework to support the planning and deployment of sustainable and resilient charginginfrastructures, while addressing uncertainties and enabling dynamic adaptive planning to meet the evolving requirements of electric transport.

Finally, the thesis points to three distinct future research directions. First, the extension of the methodologies and systems is called for to provide plan-ning support for charging network designs that include a mix of electrification techniques, e.g., dynamic charging on electric roads and static chargingon stations. Second, with a similar methodology as the developed sensitivity analysis, the thesis highlights the importance of network resilience and callsfor the methods that evaluate and integrate network resilience in the designs. Finally, realizing that regardless of the sophistication of long-term strategic planning not all uncertainties can be mitigated, the thesis calls for methods and tools that can increase the operational and cost efficiency of charging networks and electrified transports on them.

Övergången till elektrifierade vägtransporter är avgörande för att uppnå hållbarhetsmål och minska utsläppen av växthusgaser. Det snabba införandet av batteridrivna elfordon beror dock i hög grad på tillgången till robust laddningsinfrastruktur. Effektiv planering av laddningsinfrastrukturen står inför många utmaningar till följd av de djupa osäkerheter som elektrifieringen av vägtransporter innebär. Dessa osäkerheter omfattar aspekter som snabba tekniska framsteg, variationen i teknikanvändning och beteendeförändringar, de skiftande landskapen av regelverk, politik och subventioner, variationen i tillgänglighet, kostnad, utvecklingstid för nätöverföringskapacitet, fastigheter och relaterade tjänster och den föränderliga marknadsdynamiken som härrör från konkurrens. Denna avhandling undersöker komplexiteten i planeringen av laddningsinfrastruktur och tar upp två kritiska kunskapsluckor som identifierats i litteraturen: det otillräckliga utnyttjandet av transportruttinformation vid optimering av laddningsnätverksplacering och bristen på planeringsmetoder och verktyg som kan hjälpa till att hantera osäkerheterna.

I denna utsträckning analyserar den forskning som presenteras i denna avhandling, efter en snabb bakgrund om transportelektrifieringsbehov, utmaningar, nuvarande status och framtida ambitioner, stödbehov för laddningsinfrastrukturplanering med avseende på kunskapsluckorna. Specifikt, genom ett tydligt exempel, argumenterar avhandlingen för behovet av att anta en efterfrågecentrerad laddnätverksdesign där adekvat användning av transportruttinformation för att uppnå logiska designmål för nätverket är nödvändig. Dessutom, helt logiskt, argumenterar avhandlingen för användningen av en dynamisk adaptiv planeringsmetod som kräver interaktiva beslutsstödsverktyg för att hantera de djupa osäkerheterna i transportelektrifiering under systemövergången. Därefter, genom en bred och systematisk litteraturstudie, fastslår avhandlingen att det tidigare arbetet inte fullt ut har adresserat dessa planeringsbehov.

För att utöka den vetenskapliga kunskapen om adekvat användning av transportruttinformation i behovscentrerad laddnätverksdesign formaliserar avhandlingen en datadriven simuleringsbaserad transportelektrifieringsscenariemodell och i den ett inkrementellt laddnätverksplaceringsproblem där både modellen och problemet kräver användning av detaljerad information i transportrutterna. Därefter föreslår avhandlingen en serie giriga nätverksexpansionsbaserade optimeringsmetoder för laddnätverksplacering för att ta itu med problemet med kombinatorisk nätverksdesign och det inkrementella planeringsstödet. Först introduceras en uppsättning grundläggande metoder som vägleder utforskningen av sökutrymmet med hjälp av felaktiga men lätt förberäknade statiska efterfrågeproxyer och försöker att korrigera felaktig vägledning av proxyvariablerna genom att genomdriva rumsliga begränsningar på nätverksplaceringarna för att undvika efterfrågeförluster inom nätverket och öka nätverkets tillhandahållande av eltäckning. Därefter föreslår avhandlingen metoden Route Based Network Demand (RBND) som inte använder approximationer eller heuristik utan snarare selektivt omräknar via beräkningskrävande simuleringar de exakta värdena för de målfunktionerna för lovande nätverksexpansionskandidater under sökandet av designutrymmet. Empiriska utvärderingar bedömer metodernas optimeringskvalitet, känslighet för modellparametrar, körtidsskalbarhet och empiriskt optimalitet. Resultaten visar att RBND-metoden överträffar baslinjerna i optimeringsmål och hittar statistiskt bevisbara, nästan optimala lösningar på några minuter.

För att ta itu med bristen på planeringsmetoder och verktyg som kan hjälpa till att hantera osäkerheterna bidrar avhandlingen till vetenskaplig kunskap på två sätt. Först föreslår avhandlingen parameterkänslighetsanalysen av optimerade laddnätverksplaceringar och som en fallstudie utforskar och aggregerar den optimerade nätverksplaceringsinformationen för 324 kombinationer av 5 viktiga transportelektrifieringsscenarioparametrar som ett försök att härleda sannolikheten för att en viss plats är en del av ett optimerat nätverk och vad är den genomsnittliga laddningsefterfrågan på den platsen över alla testade scenarier. I synnerhet innebär känslighetsanalysmetoden en selektiv utvärdering och simulering av hela det svenska godstransportsystemet med 10,5 miljoner årliga transportrutter för de mest lovande få miljonerladdnätverksplaceringar för var och en av de 324 parameterkombinationerna i transportelektrifieringsscenariot. Resultaten av denna omfattande utforskning av laddnätverk - och scenariosökning - presenteras i en enda tabell och två kartor som representerar frekvens- och genomsnittlig efterfrågefördelning av platser i optimerade nätverk. För det andra, motiverat av argumentet att laddnätverk utvecklas av enskilda ekonomiska aktörer med sina unika möjligheter, utmaningar och strategier i en konkurrensutsatt miljö, baserat på kvalitativ feedback från 33 intresseorganisationer, beskriver avhandlingen designen, komponenterna och de visuella analysfunktionerna i ett flexibelt, rumsligt beslutsstödssystem som kan stödja den dynamiska adaptiva planeringen i intressenternas konkurrerande och kollaborativa situationer.

Tillsammans utgör dessa bidrag en skalbar och flexibel ramverk för att stödja planeringen och utbyggnaden av hållbar och motståndskraftig laddinfrastruktur, samtidigt som man tar itu med osäkerheter och möjliggör dynamisk adaptiv planering för att uppfylla de föränderliga kraven på eltransporter. 

Slutligen pekar avhandlingen på tre olika framtida forskningsinriktningar. För det första krävs en utvidgning av metoder och system för att tillhandahålla planeringsstöd för utformning av laddnätverk som omfattar en blandning av elektrifieringstekniker, t.ex. dynamisk laddning på elvägar och statisk laddning på stationer. För det andra, med en liknande metod som den utvecklade känslighetsanalysen, belyser avhandlingen vikten av nätverksresiliens och efterlyser de metoder som utvärderar och integrerar nätverksresiliens i designerna. Slutligen, att inse att oavsett sofistikeringen av långsiktig strategisk planering inte alla osäkerheter kan mildras, kräver avhandlingen metoder och verktyg som kan öka drifts- och kostnadseffektiviteten av laddnätverk och elektrifierade transporter på dem.