Case | Danske Fragtmænd undgår massiv vejafgitsbyrde med data & AI

Danske Fragtmænd

danske-fragtmænd

Når 1.300 lastbiler hver dag ruller ud på de danske motorveje, er det ikke blot fragt, der flyttes – det er data i store mængder. Og for Danske Fragtmænd blev netop data og AI nøglen til at løse en kompleks og dyr udfordring med de nye, danske vejafgifter.

I starten af 2025 rullede en ny dansk lovgivning ind på parkeringspladen: Lastbiler over 12 tons skulle nu betale vejafgift på udvalgte veje og i byzoner. Fra 2028 bliver det alle veje.

Udover at være en massiv administrativ byrde for den enkelte vognmand ville afgiften ikke være noget problem i sig selv – hvis altså man er en klassisk transportvirksomhed. Men Danske Fragtmænd er et aktieselskab ejet af 40 selvstændige vognmænd, der årligt kører cirka 10 mio. forsendelser; nogle ture i selskabets navn og andre ture i eget vognmandsregi.

Dét gjorde regnestykket og processen med vejafgifter lige så mudret som en regnvåd rasteplads. For hvordan fordeler man en samlet regning fra Brobizz på mange millioner kroner om måneden, når man ikke ved, hvilke ture der er kørt for Danske Fragtmænd – og hvilke, der er kørt i privat regi?

En brobizz, en GPS
og 1300 besværlige dele

Sammen med Insparis data scientists udviklede Danske Fragtmænd en avanceret model, hvor matematikken fik lov at tage styringen – bogstaveligt talt.

Med en kombination af:

GPS-positioner fra PDA’en i hver lastbil
Geo-JSON-kort over betalingsveje og byernes miljøzoner
Brobizz-transaktionsdata
Information om hver lastbils vægtklasse og emissionsfaktor

byggede teamet en Python-model, der kunne beregne, præcist hvor de cirka 1.300 lastbiler har kørt – og hvor meget de bør betale.

Her matcher modellen GPS-koordinater fra lastbilerne – sendt hvert 15. sekund – med de specifikke veje, som udløser afgift. Samtidig integreres transaktionsdata fra Brobizz, så der kan foretages en præcis og transparent afregning.

Modellen kører ikke live, men retrospektivt – det vil sige, at systemet hver dag beregner, hvad der skete i går. Det giver høj datakvalitet uden at gå på kompromis med performance.

De enorme mængder af datapunkter (millioner af GPS-pings dagligt) har Danske Fragtmænd valgt at køre direkte i deres Snowflake dataplatform. Her er Snowflakes skalerbare compute og evne til at håndtere semi-struktureret data en afgørende fordel – især når datamængder og kompleksitet er høje.

Fra mavefornemmelser
til millimeterpræcision

Projektet om vejafgifter er i dag i fuld drift. Det allokerer nu automatisk de privat-kørte vejafgifter til vognmændene, hvilket sparer vognmændene og Danske Fragtmænd for et temmelig stort antal timer hver måned.

Præcisionen? Cirka 98 procent. Hvor der er tvivl, tager Danske Fragtmænd regningen.

Men for Rasmus Meulengracht og teamet handler det om mere end penge:

Med projektet i baghånden arbejder Danske Fragtmænd på at forbedre miljørapporteringen, som nu kan baseres på faktisk kørsel, ikke blot standardberegninger. Dertil kommer forecasting af, hvor mange fragtbiler og medarbejdere der er brug for, for at fragte og modtage varer mellem de 27 fragtterminaler og 200.000 m2 lagerhoteller.

Med funktioner som Snowpark (kørsel af Python-modeller direkte i Snowflake), AutoML via Cortex, og fremtidig mulighed for containerized services, har Danske Fragtmænd et fundament, hvor både prædiktive modeller og avancerede optimeringsværktøjer kan bygges uden at flytte data ud af Snowflake.

Fra scope til lancering
på tre måneder

Projektet med vejafgifter blev sat i gang i oktober 2024 med målet om at være klar til januar 2025 - samme tidspunkt som vejafgiften trådte i kraft.

Det gav et massivt tidspres, som krævede hurtige beslutninger, teknisk smidighed, skarp projektledelse og konsulenter, der kunne tage ejerskab og holde et højt tempo.

Tag fat i os, hvis du vil vide, hvordan DSC kom godt i gang med Fabric

Hvis du har spørgsmål eller tænker, at tiden er inde til et uforpligtende kald eller møde om, hvad Fabric kan gøre for din virksomhed, kan du kontakte os her.