Städtische Mobilität mit Mitfahr-Lösungen verbessern

In vielen Städten sind private Autos nicht der nachhaltigste Weg, um sich fortzubewegen. Die Strassen können überfüllt sein, Parkplätze sind schwer zu finden und die Luftverschmutzung steigt. Um diese Probleme anzugehen, schauen sich Städte neue Verkehrsmittel an, wie zum Beispiel Mobility-on-Demand (MoD) Systeme. Diese Systeme nutzen geteilte Fahrzeuge, die man für Einzelfahrten anfordern kann, was effizienter ist als die Nutzung von Privatautos.

Ridesharing bedeutet, dass mehrere Passagiere ein einzelnes Fahrzeug teilen, was die gesamte Strecke verringert, die Fahrzeuge zurücklegen müssen, und die Anzahl der benötigten Fahrzeuge reduziert. Allerdings ist es gar nicht so einfach, die beste Methode zu finden, um Passagiere den Fahrzeugen zuzuordnen.

In diesem Artikel schauen wir uns an, wie eine neue Methode für Ridesharing, die Vehicle Group Assignment (VGA) heisst, die Effizienz von MoD-Systemen verbessern kann. Wir vergleichen, wie gut diese Methode im Vergleich zu anderen Methoden der Passagierzuordnung abschneidet.

#Was ist Mobility-on-Demand?

MoD-Systeme bestehen aus einer Flotte von gemeinsamen Fahrzeugen, die über eine App für Einzelfahrten angefragt werden können. Jede Anfrage wird einem Fahrzeug zugewiesen, das seine Route anpasst, um Passagiere ein- und auszuladen. Diese innovative Transportmethode soll eine Alternative zu herkömmlichen Privatautos bieten, während sie weniger Platz einnimmt und eine komfortable Fahrt ermöglicht.

Zum Beispiel ermöglichen Dienste wie Uber Pool oder Lyft Line mehreren Passagieren, eine Fahrt zu teilen, wodurch die Anzahl der Autos auf der Strasse verringert wird. Ausserdem entwickeln Unternehmen autonome Fahrzeuge, die ohne menschlichen Fahrer funktionieren können.

MoD-Systeme können den Bedarf an Parkplätzen erheblich verringern, was oft ein Problem in stark frequentierten städtischen Gebieten ist. Das Potenzial für Ridesharing in diesen Systemen kann die Fahrzeugauslastung erhöhen. Das führt zu weniger benötigten Fahrzeugen und weniger zurückgelegten Strecken, was sowohl umweltliche als auch finanzielle Vorteile mit sich bringt.

#Herausforderungen der Passagier-Fahrzeug-Zuordnung

Die effektivste Methode zu finden, um Passagiere Fahrzeugen zuzuordnen, ist eine schwierige Aufgabe. Traditionelle Methoden, wie die Insertion Heuristic (IH), wurden verwendet, liefern aber oft nicht die besten Ergebnisse. Manchmal bleiben Fahrzeuge ohne Passagiere, was zu zusätzlichen gefahrenen Kilometern führt. Das liegt daran, dass ein Fahrzeug, das einen Passagier absetzt, möglicherweise leer zurückfahren muss, um den nächsten abzuholen.

Viele MoD-Systeme verlassen sich derzeit auf diese weniger effizienten Methoden und haben oft niedrige Auslastungsraten. Wenn Fahrzeuge nicht optimal genutzt werden, führt das zu unnötigem Verkehr und erhöht die Staus.

Es sind besser organisierte Ansätze nötig, um die Zuordnung der Passagiere geschickter zu managen. Hier kommt die VGA-Methode ins Spiel. VGA hat sich als effektiv erwiesen, um grosse Passagierzuweisungen zu lösen, sodass das System effizienter arbeiten kann.

#Die Vehicle Group Assignment-Methode

Die VGA-Methode verwandelt das Problem der Zuweisung von Passagieren zu Fahrzeugen in ein überschaubareres Framework. Dieses System ermöglicht es Fahrzeugen, mehrere Passagiere gleichzeitig abzuholen, indem Gruppen gebildet werden, die sich auf ihren Reiserouten basieren.

Die Methode funktioniert in zwei Schritten:

1. Gruppenerstellung: Für jedes Fahrzeug identifiziert die Methode mögliche Gruppen von Passagieren, die abholt und abgesetzt werden können, ohne die zulässige maximale Verzögerung zu überschreiten.

2. Fahrzeug-Gruppen-Zuordnung: Ein mathematisches Modell entscheidet dann, welche Gruppen von Passagieren jedem Fahrzeug zugeordnet werden sollten, um sicherzustellen, dass alle Anfragen erfüllt werden.

Der Hauptvorteil der VGA-Methode ist ihre Fähigkeit, die bestmöglichen Lösungen für grosse Gruppen von Anfragen zu finden, oft mit Tausenden von Passagieren und Hunderten von Fahrzeugen zur gleichen Zeit, was traditionelle Methoden nicht schaffen.

#Effekte des Ridesharing

Um die Vorteile zu verstehen, die optimale Ridesharing-Zuweisungen bieten können, haben wir Simulationen in einer belebten städtischen Umgebung durchgeführt. Wir haben mehrere Szenarien verglichen:

• Traditionelles System mit privaten Fahrzeugen.
• MoD-System ohne Ridesharing.
• MoD-System, das die Insertion Heuristic für Ridesharing nutzt.
• MoD-System, das optimale Zuweisungen durch VGA nutzt.
• Zwei Versionen des MoD-Systems, die begrenzte Ressourcen zur Ausführung der VGA-Methode verwenden.

#Ergebnisse und Erkenntnisse

Die Studien haben gezeigt, dass die Nutzung optimaler Ridesharing-Zuweisungen die Gesamtstrecke, die von Fahrzeugen zurückgelegt wird, erheblich verringert. Konkret:

• Ein System mit optimalen Zuweisungen kann die Fahrzeugdistanz um mehr als 57% reduzieren im Vergleich zu einem, das überhaupt kein Ridesharing nutzt.
• Selbst im Vergleich zur Insertion Heuristic-Methode zeigte das optimale System eine Reduktion der Distanz um 20%, während die Wartezeiten der Passagiere niedrig blieben.

Diese Ergebnisse bestätigen, dass die Verwendung der optimalen Lösung die Betriebskosten des MoD-Systems senkt und gleichzeitig die Servicequalität für die Passagiere verbessert.

#Auswirkungen auf Stau und Fahrzeugnutzung

Es ist wichtig zu untersuchen, wie das MoD-System den Verkehrsfluss beeinflusst. Unsere Ergebnisse zeigen, dass die Implementierung von effizientem Ridesharing die Verkehrsdichte erheblich reduzieren kann.

In den Stosszeiten reduzierte die optimale Ridesharing-Methode die durchschnittliche Verkehrsdichte um etwa 13% im Vergleich zur Verwendung der Insertion Heuristic. Ausserdem wurden die Anzahl der überlasteten Strassenabschnitte erheblich minimiert, was zu einem flüssigeren Verkehrsfluss beitrug.

Darüber hinaus wurde die Fahrzeugnutzung optimierter. Die Verwendung optimaler Zuweismethoden bedeutete, dass im Vergleich zum traditionellen System weniger Fahrzeuge benötigt wurden. Das deutet auf eine effizientere Nutzung der gemeinsamen Ressourcen hin.

#Sensitivitätsanalyse

Um die Effektivität der VGA-Methode weiter zu bewerten, haben wir untersucht, wie empfindlich die Leistung auf Änderungen verschiedener Parameter ist, wie z.B. Wartezeiten der Passagiere und Fahrzeugkapazität.

Die VGA-Methode zeigte eine gute Resilienz, auch bei wechselnden Bedingungen. Allerdings hat sie gezeigt, dass für Ridesharing eine echte Effektivität erreicht werden kann, wenn die Fahrzeugkapazität idealerweise fünf bis zehn Passagiere nicht überschreitet und die maximal zulässige Verzögerung je nach Nachfragedichte auf vier bis sieben Minuten begrenzt bleibt.

Wenn wir diese Grenzen überschreiten, sinkt die Qualität der Zuweisungen, was zeigt, dass Optimalität nur innerhalb bestimmter betrieblicher Einschränkungen garantiert werden kann.

#Implementierung

Für dieses Projekt haben wir ein Simulationsframework entwickelt, das reale Bedingungen nachahmt. Wir haben Reisedaten aus einer Grossstadt verwendet und verschiedene Nachfragemodelle implementiert, die den Transportbedarf der Stadt repräsentieren.

Das System führte Simulationen von Passagieranfragen über bestimmte Zeitintervalle während der Spitzen- und Nebenzeiten durch. Die unterschiedlichen Bedingungen erlaubten es uns zu beobachten, wie jede Methode unter verschiedenen Nachfragen abschnitt.

#Fazit

Die Ergebnisse dieser Studie heben die Effektivität des optimierten Ridesharing durch die VGA-Methode hervor, um die operationale Effizienz von Mobility-on-Demand-Systemen zu verbessern. Durch die präzise Zuweisung von Passagieren zu Fahrzeugen kann die Methode den Verkehrsstaus reduzieren und die Servicequalität insgesamt verbessern.

Die Studie bestätigt, dass Ridesharing eine tragfähige Lösung für die Herausforderungen des urbanen Verkehrs darstellen kann und erhebliche umweltliche und wirtschaftliche Vorteile bietet. Die gewonnenen Erkenntnisse aus dieser Analyse bieten eine Grundlage für weitere Verbesserungen im Ridesharing und den MoD-Operationen.

Zukünftige Forschungen werden darauf abzielen, neue Methoden und Technologien zu erkunden, um die Zuweisung von Passagieren und Fahrzeugen weiter zu optimieren und Multi-Fahrzeug-Transfers in Szenarien mit verschiedenen Verkehrsoptionen zu betrachten.

Letztendlich wird, während Städte weiterhin innovative Verkehrslösungen entwickeln, die Untersuchung effektiver Ridesharing-Strategien eine zentrale Rolle bei der Gestaltung nachhaltiger städtischer Mobilitätssysteme spielen.