Problemstellung

Die zunehmende Urbanisierung führt zu einem immer größer werdenden Mobilitätsvolumen in den Städten. Um diese Verkehrsströme nachhaltig abbilden zu können, sind innovative Lösungen von Nöten. In den letzten Jahrender Vergangenheit gab es einige bereits neue Angebote im niedrigkapazitiven Spektrum: Verleih von Fahrrädern und, e-Scootern oder Apps für Ride SharingRide-Sharing-Apps. Diese Ansätze sind jedoch nicht dafür geeignet, um eine Vielzahl an Personen gleichzeitig zu befördernden steigenden Beförderungsbedarf zukünftiger Städte zu bedienen. Unter den bereits etablierten Systemen bieten weiterhin die schienenbasierten Lösungen, wie U- und S-Bahn, die beste Möglichkeit hochkapazitative Mobilität zu realisieren. Diese können jedoch, z.B. aufgrund hoher Baukosten oder geringer Effizienz außerhalb der Stoßzeiten kaum rentabel betrieben werden und  müssen jedoch aufgrund ihrer sehr großen Bau- und Betriebskosten häufig subventioniert werden. Zudem gibt bietet diese Form des ÖPNV dem Fahrgaste keinerlei Privatsphäre. Der Wunsch nach Komfort, geringer Reisezeit und Privatsphäre wird heute fast ausschließlich im eigenen Autoprivaten PKW erfüllt, jedoch sind die Straßennetzwerke stark oft überlastet und der stark begrenzte Platz innerhalb von Städten lässt es nicht zu, die dessen Kapazität des Straßennetzwerkes zu erhöhen.

Deshalb soll in Kooperation mit DROMOS Dromos das Potential und die Herausforderungen von einemeines hochkapazitativen ÖPNV-Systems in Form von kleinen autonomen Fahrzeugen auf einer eigenern Infrastruktur erforscht werden. Neben der Einordnung dieses Systems in die Gesamtmobilität einer Stadt, urbane Mobilität geht es darum, für dieses System die Stärken und Schwächen im Bezug auf dessen Infrastruktur und Betriebsstrategie zu ermittelnStärken und Schwächen des neuen Mobilitätskonzepts, der dafür benötigten Infrastruktur sowie den angewendeten Betriebsstrategien zu ermitteln.

Ziel

Im Rahmen des Projekts soll eine neues ÖPNV-System vorgestellt und analysiert werden. Um ein hochkapazitatives Verkehrsmittel anbieten zu können, muss sichergestellt werden, dass es zu keinen Staus auf diesem System kommtmüssen Staus verhindert werden. Hierfür muss zunächst die Frage nach der optimalen Infrastruktur geklärt werden. Wie soll die grundlegende Topologie des Netzes aussehen, um das größtmögliche Potential dieses des Verkehrssystems auszuschöpfen? Welche Eigenschaften muss das Netzwerk aufweisen, um keine Bottlenecks Engpässe zu enthalten? Welche Redundanz muss vorhanden sein, um Ausfälle problemlos abfedern zu können?

Daran schließen sich die Fragen der Betriebsstrategie an. Was ist die optimale Policy für on-Demand Routing, Rebalancing und Dispatching? Da es sich um elektrisch angetriebene Fahrzeuge handelt, müssen diese immer ausreichend geladen sein, um ihre Aufgabe vollständig zu erfüllen bevor sie zur Ladestation zurückkehren. Dieser Aspekt muss ebenfalls in der Betriebsstrategie berücksichtigt werden.Neben der Berücksichtigung des Ladens in der Betriebsstrategie müssen auch die Ladestationen optimal im Netzwerk verteilt werden.

Zusätzlich wird dieses hochkapazitative Verkehrsmittel in die Gesamtmobilität einer Stadt eingeordnet. Wann lohnt es sich aus Kundensicht, dieses ÖPNV-System zu nutzen? Unter welchen Rahmenbedingungen ist es für eine Stadt die passende Lösung zur Behebung ihrer Verkehrsprobleme? Welche Szenarien sind für den Betreiber rentabel? Neben diesen Fragen sollen auch aus Sicht der Gesellschaft positive Effekte wie ein Gewinn an Sicherheit oder eine Abnahme der Lärmbelastung untersucht werden.

Durchführung

Zur Lösung der genannten Fragen wird zum einen eine mikroskopische Simulation des Systems genutzt, zum anderen werden die Fragestellungen in mathematische Problemformulieren umgewandelt. Mit Hilfe der Simulation lassen sich die Auswirkungen Effekte und Wechselwirkungen verschiedener Lösungsansätze analysieren. Auf diese Weise können verschiedene KI basierte Optimierungsalgorithmen, Netzwerktopologien oder Betriebsstrategien objektiv verglichen und darauf aufbauend verbessert werden. Dafür werden sowohl synthetische und verallgemeinerbare Situationen simuliert, als auch die Algorithmen in einem Realbeispiel an Handanhand der Stadt München getestet.

 

Projektpartner