BalSAM: Balanced und Staggered Routing für Autonome Mobility on Demand Systeme

• Antragsteller: Professor Dr. Maximilian Schiffer
• Fachliche Zuordnung: Operations Management und BWL-spezifische Wirtschaftsinformatik
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 449261765

Städte kämpfen weltweit mit überlasteten Transportsystemen und den damit verbundenen negativen Externalitäten: CO2-Emissionen verursachen Umweltschäden; Gesundheitsgefahren entstehen durch Feinstaub und NOx-Emissionen; und wirtschaftlicher Schaden resultiert aus durch Stau verursachten verlorenen Arbeitsstunden. Durch die bevorstehende Realisierung von selbstfahrenden Fahrzeugen den erfolgreichen Betrieb erster Pilotflotten, schätzen Wissenschaftler und Praktiker autonome Mobility-on-Demand (AMoD) Systeme als eine realisierbare Option ein, um nachhaltige Mobilität in städtischen Gebieten zu verwirklichen. AMoD-Systeme, d.h. eine Flotte von selbstfahrenden Autos, die von einem zentralen Betreiber gesteuert wird und einen Ride-Hailing-Service bietet, versprechen, die Effizienz heutiger Ride-Hailing-Dienste zu steigern und gleichzeitig einem größeren Publikum zugänglich zu machen, da sie zu geringeren Kosten angeboten werden können. Kommunen, Praktiker und Wissenschaftler hegen große Hoffnungen, dass solche AMoD-Systeme erheblich dazu beitragen werden, die oben genannten negativen Externalitäten zu reduzieren, indem sie unter anderem das effiziente Poolen von Fahrtanfragen, stau-reduzierendes Routing sowie die Zubringung zu öffentlichen Verkehrsmitteln verbessern. Diese Verbesserungspotenziale können jedoch nur realisiert werden, wenn das jeweilige AMoD-System effizient betrieben wird, was stark von geeigneten algorithmischen Lösungen abhängt. Vor diesem Hintergrund entwickelt BALSAM neue State-of-the-Art-Algorithmen für das Poolen von Fahrtanfragen, das Dispatching von Fahrzeugen zu (gepoolten) Anfragen und das Rebalancing sowie für Balanced Routing, d.h. die Verteilung von Fahrzeugströmen über alternative Routen, und Staggered Routing, d.h. das absichtliche Verzögern von Abfahrtszeiten aus Systemsicht bei Einhaltung der Kundenzeitfenster. Durch die Entwicklung dieser Algorithmen trägt BALSAM zur Realisierung nachhaltiger AMoD-Systeme bei, indem die Auslastung eines AMoD Systems erhöht und möglicher Stau verringert wird. Die erste Phase von BALSAM konzentrierte sich auf die Erforschung der Wechselwirkungen zwischen den jeweiligen Planungsaufgaben und skalierbaren Algorithmen für große Offline-Planungsprobleme. Die zweite Phase von BALSAM schließt nahtlos an die erste Phase an, verlagert jedoch den Schwerpunkt des Projekts auf die Entwicklung eines neuen State of the Art für die zugehörigen Online-Planungsprobleme durch die Entwicklung neuartiger, Combinatorial-Optimization-Augmented Machine-Learning (COAML)-Algorithmen, die Machine Learning (ML) und kombinatorische Optimierung (CO) kombinieren, um eine orchestrierte Entscheidungsfindung beim Betrieb eines AMoD-Systems zu ermöglichen. Das Projekt hat das Potenzial, zu einem Paradigmenwechsel zu führen, wie ML und CO für die Online-Entscheidungsfindung in datengetriebener mehrstufiger stochastischer Optimierung für AMoD-Systeme kombiniert werden können.

• DFG-Verfahren: Sachbeihilfen