A driverless multipurpose vehicle (DMV) is an autonomous road vehicle designed to execute multiple transportation functions, such as freight distribution and passenger transportation, within daily operations. They may reduce fleet size, energy consumption, and operating costs in urban transportation, yet their system-level implications remain poorly understood. Existing fleet optimization models rarely integrate realistic energy estimation based on key vehicle-level and transportation system-level factors on real urban road networks, limiting the evidence base for evaluating DMV deployment.

This thesis assesses the energy and operational implications of DMV deployment in urban road transportation from a system-level, operational perspective. It addresses three research questions. First, how the energy consumption of DMV fleets can be estimated and compared against human-driven battery-electric vehicle (BEV) and combustion vehicle (CV) fleets under realistic urban operating conditions. Second, how key vehicle-level and transportation system-level factors can be integrated into fleet-level optimization on realistic urban road networks. Third, what energy and operational implications emerge from DMVs with an interior-reconfigurable architecture (IRA) type compared with human-driven BEV and CV fleets across multiple cities and operational scenarios. The thesis also proposes a practice-based taxonomy of eight architectural strategies of DMVs grounded in design for changeability theory.

The methodological contribution is a two-stage optimization framework coupling fleet sizing, mix, and routing with a deterministic microscopic energy consumption model on real urban road networks. The first stage solves energy-minimal shortest path problems incorporating edge-specific driving profiles and key vehicle-level and transportation-system-level factors, producing a reduced graph. The second stage solves the novel Fleet Size and Mix Electric Vehicle Routing Problem with Simultaneous Pickup and Delivery on this reduced graph. The energy consumption model is evaluated against measured energy data from 18 trips of a battery-electric truck operating on a fixed urban route in Östersund, Sweden: it overestimates absolute energy use but reproduces subroute energy rankings, supporting its use for comparative fleet assessment.

The framework is applied across Stockholm, Paris, and Lisbon with 50 transportation operations per city and per fleet type, and four objectives. CV fleets consistently have the highest energy consumption, while BEV and DMV fleets show comparable energy use across all cities and objectives. Under cost minimization, DMV fleets achieve the lowest total cost (median approximately €430 per day) compared to CV (€450) and BEV (€730) fleets, driven primarily by the elimination of driver labor. Separate analyses show that business-as-usual operations with dedicated freight and waste fleets consume approximately 50–80% more energy than corresponding simultaneous operations, indicating substantial multipurpose capability benefits. However, because all fleet types perform the same combined service in the main comparative study in the thesis, the results primarily reflect the effect of automation rather than the full multipurpose capability of DMV fleets.

The modeling framework supports energy-informed decisions from strategic fleet procurement and technology adoption, through tactical fleet sizing and deployment, to operational routing. It provides a foundation for future research on larger problem instances requiring approximate solution methods, co-modal freight and passenger operations, additional DMV architectural strategies, and formulations that account for resilience and accessibility.

Ett självkörande multifunktionsfordon (eng. Driverless Multipurpose Vehicle, DMV) är ett autonomt vägfordon utformat för att utföra flera transportfunktioner, såsom gods- och persontransporter, under daglig drift. Dessa fordon kan potentiellt minska fordonsflottans storlek, energiförbrukning och driftskostnader i stadstransporter, men förståelsen av deras systemövergripande konsekvenser är fortfarande begränsad. Befintliga modeller för optimering av fordonsflottor integrerar sällan realistisk energiuppskattning baserad på centrala fordonsspecifika och transportsystemrelaterade faktorer på verkliga urbana vägnät, vilket begränsar evidensbasen för att utvärdera införandet av DMV-flottor.

Denna avhandling bedömer energi- och driftsmässiga konsekvenser av DMV-införande i stadstransporter ur ett systemnivå- och operativt perspektiv. Avhandlingen behandlar tre forskningsfrågor. För det första, hur energiförbrukningen hos DMV-flottor kan uppskattas och jämföras med manuellt styrda batterielektriska fordonsflottor (eng. Battery-Electric Vehicle, BEV) och förbränningsmotorfordonsflottor (eng. Combustion Vehicle, CV) under realistiska urbana driftsförhållanden. För det andra, hur centrala fordonsspecifika och transportsystemrelaterade faktorer kan integreras i optimeringen av fordonsflottor på realistiska urbana vägnät. För det tredje, vilka energi- och driftsmässiga konsekvenser som uppstår vid jämförelse av DMV-flottor med interiört rekonfigurerbar arkitektur (eng. Interior-Reconfigurable Architecture, IRA) med manuellt styrda BEV- och CV-flottor i flera städer och operativa scenarier. Avhandlingen presenterar även en praxisbaserad taxonomi av åtta arkitekturstrategier av DMV koncept grundade i förändringsteori inom design.

Det metodologiska bidraget är ett tvåstegsoptimeringsramverk som kopplar samman fordonsflottans storlek, -komposition och ruttplanering med en deterministisk mikroskopisk energiförbrukningsmodell på verkliga urbana vägnät. Det första steget löser energiminimerande kortaste-väg-problem som inkluderar nätverkslänkspecifika körprofiler, fordonstypsspecifika och transportsystemrelaterade faktorer, och resulterar i en reducerad graf. Det andra steget löser fordonsruttsproblemet Fleet Size and Mix Electric Vehicle Routing Problem with Simultaneous Pickup and Delivery på den reducerade grafen från första steget. Energiförbrukningsmodellen utvärderades mot uppmätt energidata från 18 resor med en batterielektrisk lastbil på en specifik urban rutt i Östersund, Sverige: modellen överskattar den absoluta energiförbrukningen men reproducerar energirankningen mellan delsträckor, vilket stödjer dess användning för jämförande utvärdering av fordonsflottor.

Tvåstegsoptimeringsramverket tillämpas på Stockholm, Paris och Lissabon med 50 transportoperationer per stad och per fordonstyp, med fyra olika målfunktioner. CV-flottor har konsekvent den högsta energiförbrukningen, medan BEV och DMV-flottor uppvisar jämförbar energianvändning i alla städer och för alla målfunktioner. Vid kostnadsminimering uppnår DMV-flottor den lägsta totalkostnaden (median cirka 430 euro per dag) jämfört med CV-flottor (450 euro) och BEV-flottor (730 euro), detta var främst drivet av eliminering av förarkostnader. Separata analyser visar att konventionella transporter med separata gods- och avfallstransporter förbrukar cirka 50–80% mer energi än motsvarande transporter med samlastning, vilket indikerar betydande fördelar med multifunktionskapacitet. Eftersom samtliga fordonstyper utför samma kombinerade tjänst i den huvudsakliga jämförande studien i avhandlingen speglar resultaten dock främst effekten av automation snarare än DMV fulla multifunktionskapacitet.

Modelleringsramverket stödjer energiinformerade beslut på strategisk nivå (anskaffning av fordonsflottor och teknikval), taktisk nivå (storlek av fordonsflottan och dess sammansättning) och operativ nivå (ruttplanering). Det utgör en grund för framtida forskning om större problemstorlekar som kräver approximativa lösningsmetoder, kombinerad gods- och persontransporter, alternativa arkitekturstrategier för DMV-flottor, samt formuleringar som tar hänsyn till resiliens och tillgänglighet.