Umlauf- und Dienstplanung im 21. Jahrhundert: Optimieren mit Künstlicher Intelligenz

Saskia Richter

Saskia Richter

April 27, 2023

Eine der größten Herausforderungen bei der Planung und Disposition im öffentlichen Verkehr ist es, die Bedürfnisse und Anforderungen der Fahrgäste mit der Verfügbarkeit begrenzter Ressourcen in Einklang zu bringen.

Neue Mobilitätsangebote, Anwendungen und Software verändern die Welt des ÖPNV in nie dagewesener Weise. Die alten Methoden der Planung und Disposition werden durch neue Plattformen ersetzt. Diese neuen Plattformen bergen ein enormes Potenzial für Veränderungen: Sie verbessern die betriebliche Effizienz, senken die Betriebskosten und schaffen neue Möglichkeiten für neue datengesteuerte Dienste.


Die Kosten für die Planung und den Betrieb öffentlicher Verkehrsangebote können hoch sein, und die Finanzierung kann für Verkehrsunternehmen eine enorme Herausforderung darstellen. Aus diesem Grund wird die Fahrplanoptimierung immer wichtiger, da sie die effizienteste Zuweisung von Ressourcen wie Fahrzeugen, Fahrer*innen und Fahrten für Unternehmen darstellt und den Bedürfnissen der Fahrgäste am besten gerecht wird.

GettyImages-1271634448

Die Einbeziehung aller Regeln und Beschränkungen stellt genaue Szenarien sicher

Der öffentliche Verkehr unterliegt einer Reihe komplexer Regeln: von verpflichtenden Ruhepausen über limitierende Depotkapazitäten bis hin zu Fahrzeugwechseln im laufenden Betrieb und so weiter. Die Fähigkeit, diese Anforderungen genau abzubilden ist wahrscheinlich der wichtigste Faktor, der den Erfolg einer Planungs- und Dispositionsplattform beeinflusst.

Wenn Regeln oder Präferenzen vor dem Optimierungslauf nicht genau formuliert sind, müssen sie später nachgearbeitet werden. Das ist keine leichte Aufgabe: Nach der Optimierung bedarf es intensiver manueller  Korrekturen, vom Hinzufügen von Fahrzeugen bis zur Erstellung von Dienstplänen.

Wichtig ist auch die Validierung von Fahrplänen, Routen und Zeitplänen. Moderne Systeme nutzen diesen Mechanismus, um Plattformnutzer zu benachrichtigen, wenn durchgeführte Fahrplan-, Umlauf- oder Dienständerungen gegen die zuvor definierten Regeln verstoßen oder zu deutlich erhöhten Kosten führen können.. 

Bei der Planung geht es also nicht darum, ein einziges Szenario zu testen: Es geht darum, mehrere Szenarien zu testen und das operativ Beste auszuwählen. Jedes Szenario ist anders, und jedes verursacht andere Kosten, Ausfallzeiten und andere Ergebnisse.

algo

Optimierung in Minuten oder Sekunden statt in Tagen oder Stunden

Auch die Schnelligkeit ist entscheidend. Die Dienst- und Umlaufplanung ist berüchtigt für die Langwierigkeit der Prozesse: Es handelt sich um ein komplexes Problem, das viele Rechenressourcen erfordert. Deshalb dauern (bei den meisten herkömmlichen Lösungen) Optimierungsläufe mehrere Stunden oder sogar Tage.

Dies ist eine schlechte Nachricht für die betriebliche Flexibilität, da Ausschreibungen und  Betriebsanpassungen arbeitsintensiv sind und Planer und Führungskräfte in manchen Fällen nicht die Zeit haben, alle Was-wäre-wenn-Szenarien gründlich zu testen und sich schließlich mit suboptimalen Zeitplänen zufrieden geben.

Aus diesem Grund konzentrieren sich moderne Planungs- und Dispositionsplattformen auf Geschwindigkeit, wobei Optimierungsläufe durch Parallelisierung der Computerprozesse nur Minuten oder Sekunden dauern. Diese Systeme wurden von Grund auf so entwickelt, dass Planer und Disponenten mehrere Szenarien testen und das bestmögliche Szenario ermitteln können, um den Fahrgästen einen besseren Service zu bieten und die Betriebskosten zu senken.

iStock-802320836

Datengestützte Entscheidungen für innovativere Dienstleistungen

Eine der wichtigsten Ressourcen, die neue Mobilitätsanbieter zu ihrem Vorteil nutzen, sind Daten über die Bewegungen von Menschen und Fahrzeugen. Die zugrundeliegenden Daten sind die Grundlage für innovative Dienstleistungen, die auf der Vorhersage von Nachfrage, Fahrzeiten und vielem mehr beruhen.

Bei vielen Verkehrsunternehmen werden Daten zur Fahrgastnachfrage, Reisezeiten usw. (noch) nicht so genutzt, wie sie eigentlich sollten. Sie können zur Vorhersage der Pünktlichkeit verwendet werden, die Schnittstelle ist jedoch nicht einfach zu handhaben. 

Außerdem helfen Daten bei der Optimierung des Flottenmanagements, indem sie sicherstellen, dass die Fahrzeuge optimal ausgelastet sind und die Leerlaufzeiten minimiert werden, wodurch die Betriebskosten gesenkt und die Transporteffizienz verbessert werden. Darüber hinaus können Echtzeitdaten den Betreibern helfen, das Verkehrsaufkommen in Echtzeit zu überwachen und dementsprechend Entscheidungen zu treffen, z. B. eine Umleitung oder eine Änderung des Fahrplans.

Planungs- und Dispositionsplattformen der nächsten Generation sind datengesteuert: Sie nutzen mehrere Datenquellen und integrieren sie nahtlos in den Dispositionsprozess. Sie können zum Beispiel reale Daten verwenden, künstliche Intelligenz einsetzen und die Wahrscheinlichkeit der Pünktlichkeit für jedes Element eines Fahrplans vorhersagen.

 

In der Vergangenheit wurden herkömmliche Planungs- und Dispositionsplattformen gekauft und auf den Servern des Käufers installiert. Da es sich bei der Optimierung um einen aufwändigen Vorgang handelt, installieren die Käufer häufig Servercluster, um mehr Nutzer zu unterstützen, und auch eine eigene Datenbank ist erforderlich, was IT-Kosten verursacht. Selbst wenn die Software "cloudbasiert" ist (d. h. sie ermöglicht den Remote-Desktop-Zugriff auf Cloud-Server), sind die daraus resultierenden Optimierungsläufe langsam.

Moderne Plattformen sind als Software as a Service (SaaS) konzipiert, wodurch diese zusätzlichen Kosten vermieden werden. Dies hat auch andere wichtige Vorteile, wie die kontinuierliche Bereitstellung neuer Softwareversionen, Funktionen und Updates.

 

Letztendlich lässt sich feststellen, dass moderne Software dazu beitragen kann, die Planung und Disposition auf ein höheres Niveau zu bringen, indem sie verschiedene Szenarien schnell analysiert und effizientere Pläne erstellt, die Kosten senkt und die Effizienz erhöht.

Topics: Transportation, efficiency, Algorithms