Projektet ELEVATE syftar till att möjliggöra en effektiv elektrifiering av byggtransporter genom att utveckla planeringsmetoder, datadelning och samverkan mellan aktörer på systemnivå. Byggtransporter står för 10–15 % av transportsektorns utsläpp i Sverige och utgör cirka hälften av de urbana godstransporterna. Trots att elektrifiering är tekniskt möjlig på grund av korta körsträckor och låga hastigheter, försvåras omställningen av låg digitalisering, brist på samordning, temporära byggmiljöer och otillräcklig planering för elinfrastruktur som stöttar byggverksamheten. Projektet adresserar dessa utmaningar genom att kartlägga aktörer, planeringslogiker och databehov, samt utveckla modeller för rutt- och laddplanering.

ELEVATE fokuserar på att skapa förståelse för bygglogistiksystemets komplexitet och identifiera vilka data som behöver delas, hur datadelning kan automatiseras och vilka planeringsverktyg som krävs. Projektet involverar ett brett konsortium av kommuner, byggföretag, transportörer, elnäts- och fordonsleverantörer samt forskare från Linköpings universitet. Målet är att skapa förutsättningar för ett större huvudprojekt och ett framtida EU-konsortium. Projektet bidrar till flera mål i Agenda 2030, inklusive hållbar industri, klimatåtgärder och hållbara städer, genom att minska utsläpp, trängsel och buller från byggtransporter.  

Det långsiktiga målet med ELEVATE är att hjälpa och påskynda övergången till elektrifierade byggtransporter i samhället.

The ELEVATE project aims to enable efficient electrification of construction transport by developing planning methods, data sharing, and stakeholder collaboration at a system level. Construction transport accounts for 10–15% of Sweden’s transport sector emissions and nearly half of urban freight. Although electrification is technically feasible due to short distances and low speeds, the transition is hindered by low digitalization, fragmented coordination, temporary construction environments, and insufficient planning for charging infrastructure. The project addresses these challenges by mapping stakeholders, planning logics, and data needs, and by developing models for route and charging optimization.

ELEVATE focuses on understanding the complexity of the construction logistics system, identifying necessary data flows, exploring automation of data sharing, and defining the planning tools required. The project involves a broad consortium of municipalities, construction firms, transport operators, energy and vehicle providers, and researchers from Linköping University. The goal is to lay the foundation for a larger main project and a future EU consortium. ELEVATE contributes to several UN Agenda 2030 goals, including sustainable industry, climate action, and sustainable cities, by reducing emissions, congestion, and noise from construction transport. 

The long-term goal of ELEVATE is to support and accelerate the transition to electrified construction transport in society.

This paper investigates if the response times could be reduced if all commercial traffic at sea carried an Unmanned Aerial Vehicle (UAV) that could respond to emergency calls from ships close by. Historical maritime search and rescue incidents in Sweden were studied, using Geographical Information Systems (GIS). For each incident, the closest commercial ship within a UAV’s flying distance was identified, and the corresponding response time for the UAV was compared to the historical response time from land-based resources. It was observed that for the total system, the potential time gains are on average 15 minutes to reach the initial position of the incident if UAVs were widely introduced as required safety equipment on commercial ships.

Försörjningsberedskap handlar om att säkerställa nödvändiga resurser och tjänster för befolkningens överlevnad samt att upprätthålla samhällsviktiga funktioner vid kris och krig.

I denna rapport presenteras en kunskapsöversikt om försörjningsberedskap och hållbara försörjningskedjor inom kris- och räddningsområdet, med syfte att identifiera kunskapsluckor och områden som kräver ytterligare forskning. Rapportens fokus ligger på tre av de tio definierade beredskapssektorerna: Hälsa, vård och omsorg, Räddningstjänst och skydd av civilbefolkningen samt Transporter. Därtill inkluderas klimatförändringarnas effekter på försörjningsberedskapen.

Metoden för kunskapsöversikten innefattade en systematisk genomgång av internationell vetenskaplig litteratur och intervjuer med representanter från de tre beredskapssektorerna. Totalt analyserades 204 artiklar och 12 semi-strukturerade intervjuer genomfördes.

Studien identifierade flera kunskapsluckor och resulterade i rekommendationer för framtida forskning som bland annat handlar om vårdkedjans robusthet, hemsjukvård vid samhällsstörningar, och mänskligt beteende under kris. Därtill identifierades vikten av att hantera integrationen av förnybara energikällor och elektromobilitet i försörjningskedjor, kopplingar och beroenden mellan olika sektorer, samt samarbete och samordning mellan olika aktörer involverade i försörjningsberedskapen, som viktiga aspekter. Andra rekommendationer omfattar även utveckling av cybersäkerhetsstrategier, kvantitativa modeller för att förbättra försörjningskedjor, och utbildningsprogram i krishantering för civila.

Rural areas are typically sparsely populated, and coverage from emergency services is weak. In some such areas in Sweden, professional emergency services train civilian volunteers in providing help for certain types of emergencies. In case of an emergency, they are alerted on their mobile phones and are primarily expected to provide help in the vicinity of their homes. Due to limited resources, it is impossible to include all villages in the volunteer initiative, making the selection of the most beneficial villages for emergency response important. However, this decision is not always trivial to make. Therefore, we propose an optimization model to determine which villages should be included in this initiative to achieve the best possible emergency response coverage. The model is used in a case study for a large Swedish fire and rescue service organization, and based on the results, they have started volunteer centers in two villages.

Denna rapport ger en översikt över forskning och erfarenheter gällande räddningsinsatser där nya tekniker har använts, eller skulle kunna användas, vid såväl faktiska insatser som vid övning. Via en litteraturstudie, kompletterad med intervjuer med personer som är verksamma i projekt inom området, identifierades utmaningar och potential med modern teknik inom räddning. De olika teknologierna kategoriserades som Unmanned aerial/ground/surface vehicles (UXV), Artificiell intelligens (AI), Extended reality (XR, vilket inkluderar bland annat virtual och augmented reality), Kommunikationer, Sensorer, Robotar och Övrigt.

Inom området artificiell intelligens för räddning behövs projekt som kan ta fram data av god kvalitet för att träna AI-modeller inom olika räddningstillämpningar (till exempel identifiering av skogsbrand, eller eftersök av person) i Sveriges varierande miljöer. Dessutom måste data och modeller valideras tillsammans med praktiker och förankras i räddningsverksamheten. Genom att utbilda responspersonal i principerna för maskininlärning kan användbarheten öka och risken för felaktiga resultat och tolkningar minskas.

Teknikutvecklingen går fort medan relaterad metodutveckling och utvärdering ligger efter. För effektiv implementering av ny teknik är det viktigt att, tillsammans med användarna, undersöka vilka behov räddningstjänsten har och att ta fram metoder och modeller för hur nyttan med den nya tekniken ska utvärderas. Vidare måste den nya tekniken integreras med nuvarande arbetsmetoder, och modeller och metoder för effektiv gemensam resursanvändning av såväl nya som befintliga resurser måste utvecklas. Många mindre organisationer har svårt att själva driva denna typ av större utvecklingsprojekt, men skulle kunna hjälpas av administrativt stöd, till exempel från Myndigheten för samhällsskydd och beredskap (MSB).

Säkra, robusta kommunikationsmöjligheter vid räddningsinsatser är ett viktigt område, och vidare forskning behövs för att möjliggöra detta med hjälp av drönare (UAS) i såväl fjällmiljö som till havs. Dessutom behövs flera projekt som kan tillhandahålla säkra lösningar för kommunikation och datasäkerhet inom räddning, och forskning kring hur relevant informationsdelning mellan olika aktörer kan möjliggöras. Användandet av UAS inom räddning börjar bli etablerat, och det finns potential i att utforska möjligheten med delat användande, till exempel hur drönare med andra tillämpningsområden (exempelvis matleveranser) skulle kunna bidra i räddningsinsatser. Många av de undersökta teknologierna kan användas kombinerat, till exempel kan en AI-modell tolka bilder som fångas av en drönare. Hur olika teknologier kan kombineras är ett område med fortsatt stor potential. Det saknas också vetenskapliga studier över potentialen av användningen av exoskelett inom räddning.

Purpose: Lately, mass logistics centres (MLCs) have emerged to increase transport efficiency in soil and rock (mass) material transports and pave the way for circular mass flows. However, where to locate these MLCs has received limited attention and is often done in an ad hoc manner. The purpose of this study is thus to determine the best location for an MLC in a fully centralized system (i.e., a system where all materials are sent to and from an MLC).

Design/methodology: To determine the best possible location for MLCs we propose a mixed-integer optimization model. We test and validate the model using real data from a railway infrastructure project. Parts of the input data are prepared using QGIS.

Findings: The study finds that the developed model is a suitable tool for locating MLCs. However, an MLC in a fully centralized system is unsuitable to improve transport efficiency.

Research limitations/implications: This model is based on one railway infrastructure project. It disregards suppliers in the material flow and limits MLCs so that they hold no inventory of material. As such, future studies should validate the model against other projects.

Practical implications: Contractors, developers, and municipalities can find support in the model on how to locate MLCs from a transport efficiency perspective.

Social implications: This study is an important step in analysing the potential of MLCs as a tool for reducing the negative impact of mass transports.

Originality: This is one of the first in-depth studies of MLC localization from a transport efficiency perspective.

In emergency response volunteer programs, volunteers in the vicinity of an emergency are alerted via their mobile phones to the scene of the event to perform a specific task. Tasks are usually assigned based on predetermined rules disregarding real-world uncertainties. In this paper, we consider some of these uncertainties and propose an optimization model for the dispatch of volunteers to emergencies, where all task assignments must be done before dispatch. This means that each volunteer must be given a task before knowing whether (s)he is available. The model becomes computationally demanding for large problem instances; therefore, we develop a simple greedy heuristic for the problem and ensure that it can produce high quality solutions by comparing it to the exact model. While the model is for a general emergency, we test it for the case of volunteers responding to out-of-hospital cardiac arrest (OHCA) incidents. We compare the results of the model to the dispatch strategies used in two ongoing volunteer programs in Sweden and in the Netherlands and use simulation to validate the results. The results show that the model most often outperforms the currently used strategies; however, the computational run times, even for the heuristic, are too high to be operationally useful for large problem instances. Thus, it should be possible to improve the outcome using optimization-based task assignments strategies, but a fast solution method is needed for such strategies to be practically useable.

Sufficient emergency resources are essential for emergency services to provide timely help to affected people and to minimize damage to public and private assets and the environment. Emergency services, however, face resource shortages and increasing demand over time. As a result, their response times increase, resulting in lower survival chances of affected people and more severe damage to properties and the environment. Thus, emergency services need to utilize and effectively manage all their available resources. These can be divided into traditional resources, such as ambulances, and new and emerging resources, such as volunteers. Models and methods developed using operations research (OR) methodologies can facilitate the management of these resources. However, despite a rich literature on OR-based models and methods focusing on traditional resources, the literature on new and emerging resources, and specifically volunteers, is scarce.

The aim of this thesis is to develop models and methods for task assignment and dispatch of volunteers to daily medical emergencies. This also includes forecasting models for future emergencies. The developed models and methods consider volunteer programs in Sweden and the Netherlands, employing real historical data.

The aim has been addressed through three studies, one main study and two sub-studies, the results of which are presented in the six included papers. The main study focuses on the development of models, methods, and strategies for task assignment and dispatch of volunteers to out-of-hospital cardiac arrest (OHCA) cases using OR. To evaluate the survival rates of these patients, the most important health outcome of a response process, survival functions have been used in the development of these models and strategies. The results of this study are presented in Papers II–V. The first sub-study investigates different types of new and emerging resources used in daily medical emergency response, and the results are presented as an overview of the literature in Paper I. The second sub-study focuses on the forecast of medical emergency demand, and its outcomes are presented in Paper VI.

The overall conclusion is that the use of OR-based models and methods can contribute to improved outcomes and increased survival probabilities compared to the strategies and techniques used in the existing systems.

För att räddningsorganisationer som till exempel ambulanssjukvården och den kommunala räddningstjänsten snabbt ska kunna hjälpa drabbade människor, byggnader och miljö, krävs att de har tillräckligt med resurser. Dock ökar hela tiden antalet utryckningar, samtidigt som budgetnedskärningar och rekryteringsproblem påverkar resurstillgången. Detta leder till längre insatstider, vilket ger ökad dödlighet och ökade kostnader. Därför är det av högsta vikt att de befintliga räddningsresurserna används så effektivt som möjligt. Dessa kan delas in i traditionella resurser, som till exempel ambulanser, och nya resurser, som frivilliga personer. Matematiska modeller, som optimerings- och simuleringsmodeller, har länge använts för att stödja planeringen och resurshanteringen av traditionella räddningsresurser, men för frivilliga resurser är det ett mer outforskat område.

Syftet med forskningen som presenteras i denna avhandling är att utveckla modeller och metoder för tilldelning av arbetsuppgifter och utlarmning av frivilliga insatspersoner till akuta sjukdomsfall. I detta ingår också modeller för att prognosticera dylika händelser. De utvecklade modellerna och metoderna baseras på, och är framtagna för att stödja, verkliga frivilliginitiativ i Sverige och Nederländerna.

Syftet uppfylls genom tre olika studier som presenteras via sex forskningsartiklar i avhandlingen. I den första studien görs en litteraturöversikt över nya typer av räddningsresurser som används som komplement till ambulanssjukvård. Den andra studien fokuserar på utvecklingen av modeller, metoder och strategier för uppgiftstilldelning och utlarmning av frivilliga insatspersoner vid hjärtstopp. I den tredje studien presenteras en ny prognosmodell för att prediktera ambulansuppdrag.

Den generella slutsatsen är att beslutsstöd baserat på matematisk modellering kan bidra till bättre utfall, och en ökad överlevnadsgrad, jämfört med de strategier för uppgiftstilldelning, utlarmning och prognostisering som används idag.

Emergency services play a vital role in society by providing help to affected people and minimizing damage to public and private assets as well as the environment during emergencies. However, these organizations deal with problems of increasing demand uncertainty and resource shortage over time. These problems lead to the creation of many other problems, such as longer response times, lower survivability of victims and patients, and more severe damage to properties and the environment. Acquiring more information about future emergency demand, such as factors affecting this demand, can contribute to reduction of the effects of increasing demand uncertainty. The introduction of volunteers as a new type of emergency resource, which has gained attention in the past few years, can be a solution to the problem of increasing resource shortage.

The aim of this thesis is to provide operations research-based models and methods that can assist medical emergency services in daily emergency management. The aim is supported by two objectives: 1) to develop a forecasting model and 2) to develop models for the dispatch of volunteers. Three separate studies with a focus on these objectives are conducted, and the results are described in three papers.

In the first paper, a forecasting model for predicting the volume of ambulance calls per hour and geographic location for three counties in Sweden is presented. The model takes into consideration geographical zones with few or no population and very low call frequency. Comparative results based on the real data of ambulance calls show that the proposed model performs better than the model that is currently used in some parts of Sweden for operational and tactical planning of emergency medical services. In addition to performance improvement, the proposed model provides information about the factors affecting ambulance demand.

In the second paper, the use of volunteers in response to out-of-hospital cardiac arrest (OHCA) cases is considered, and a deterministic optimization model for their dispatch is provided. The model benefits from a survival function for determining dispatch decisions. The effect of arrival times of volunteers on the survivability of patients is also considered. The results show that, in terms of achieved survivability of patient based on the applied survival function, the proposed model performs better than simple decision rules used today.

The third paper presents a probabilistic method for the dispatch of volunteers to OHCA cases. This method considers the uncertainties associated with the actions of volunteers once they are assigned a task. The proposed method uses a survival function as the objective of dispatch decisions. The results of the method are compared to the static dispatch method that is currently used in an operational system in Sweden for the utilization of volunteers in OHCA cases. Comparative results based on real data show that, with respect to used survival function, the proposed method contributes to higher survivability of OHCA patients than the static dispatch method.

The models and method in this thesis focus on solving real-world problems and use real data for that purpose when available. Some simplifications were considered in the development process. Nevertheless, these models and method have the potential to be beneficial for medical emergency services in practice and can be used as a base for dynamic resource management systems. Such systems can be helpful for both tactical and operational planning of emergency resources.

Accurate forecast of the demand for emergency medical services (EMS) can help in providing quick and efficient medical treatment and transportation of out-of-hospital patients. The aim of this research was to develop a forecasting model and investigate which factors are relevant to include in such model. The primary data used in this study was information about ambulance calls in three Swedish counties during the years 2013 and 2014. This information was processed, assigned to spatial grid zones and complemented with population and zone characteristics. A Zero-Inflated Poisson (ZIP) regression approach was then used to select significant factors and develop the forecasting model. The model was compared to the forecasting model that is currently incorporated in the EMS information system used by the ambulance dispatchers. The results show that the proposed model performs better than the existing one.