gor

Demand Management in Shared Mobility Systems

von Dr. Matthias Soppert (Gewinner Dissertationspreis 2023)

Shared Mobility Angebote wie Car Sharing und Bike Sharing sind im Laufe der letzten Jahrzehnte zu weit verbreiteten und beliebten Formen der urbanen Mobilität herangewachsen. Aufgrund ihrer ressourcenschonenden Ermöglichung von individuellem Personenverkehr gelten Shared Mobility Systeme (SMSe) als eine der zentralen Säulen für eine nachhaltige Mobilität der Zukunft. Aufrechterhaltung und Ausweitung dieses Angebots seitens privater Unternehmen erfordern einen profitablen Betrieb, jedoch besteht diesbezüglich eine große Herausforderung darin, dass sich aufgrund fluktuierender Nachfragemuster und unausgewogener Fahrzeugbewegungen – insbesondere bei den modernen free-floating SMSen – fortwährend Ungleichgewichte zwischen Angebot und Nachfrage einstellen, welche die Auslastung der Flotte mindern. Um diesen Ungleichgewichten entgegenzuwirken, wurde in der wissenschaftlichen Literatur traditionell vor allem die angebotsseitige Steuerung durch aktive Relokation von Fahrzeugen betrachtet. Die Dissertation Demand Management in Shared Mobility Systems von Dr. Matthias Soppert (Postdoc an der Professur für Business Analytics & Management Science, Universität der Bundeswehr München) schlägt mit dem Demand Management eine innovative und kosteneffiziente Alternative vor, bei der durch Preis- und Verfügbarkeitssteuerung nachfrageseitig Einfluss auf das System genommen wird.

Kontakt: matthias.soppert@unibw.de, Universität der Bundeswehr München, Professur für Business Analytics & Management Science

Balanced Electric Vehicle Charging under Uncertainty – From User-Centric to System-Centric Approaches

von Dr. Marianne Guillet (Gewinnerin Dissertationspreis 2023)

To facilitate the transition from conventional to electric vehicles (EV), various incentive mechanisms, such as purchase bonuses or tax reduction, have emerged, while car makers expand their EV model offerings and public charging infrastructure continues to evolve. Despite these efforts, the unavailability of home-charging solutions decreases the likelihood of adopting an EV, as scarce and unreliable public charging infrastructure triggers the so-called drivers’ charge anxiety. Thus, operational solutions that mitigate uncertainties in the public charging experiences are needed to foster EV adoption. My dissertation introduces three novel models and solution methods, that aim to reliably help EV drivers find a free charging station in the presence of uncertainties.

From a driver-centric approach, the aim is to provide reliable navigation guidance to the driver to find a free charging station, assuming uncertain charging station availability. The solution consists of a sequence of charging stations to visit until one can be used, e.g., no car blocking the access. The problem can be represented as a sequential decision-making process, that we formulate as a Markov Decision process. Our optimal solver is based on a labeling algorithm, whose dominance criterion builds on the decomposition of the Markovian policy cost. This approach also provides an effective heuristic algorithm if using a simplified variant of the dominance criterion. We further extend our formulation and methodology to account for coordinated guidance instructions in a multi-agent setting, which we solve with a hierarchical variant of our labeling algorithm.

From a system-centric perspective, we study a non-cooperative offline resource allocation problem, where several navigation platforms aim to optimally assign their EV drivers to available charging stations, such that no visit conflict arises for their drivers and the total travel time for drivers to assigned stations is minimal. In a game-theoretic setting, the non-guaranteed existence of a Pure Nash equilibrium motivates us to implement a mechanism design approach, both in an offline and in an online scenario. Such an approach significantly reduces visit conflicts and decreases the social cost by up to 42% in the online scenario.

Related publications can be accessed on Researchgate.

Gasnetze im Wandel: Wie mathematische Programmierung die Energiewende mitgestaltet

von Dr. Kai Hoppmann-Baum (Gewinner Dissertationspreis 2023)

In einer Zeit, in der der Klimawandel unaufhaltsam voranschreitet und der Krieg in der Ukraine die Schlagzeilen beherrscht, stehen insbesondere die Betreiber von Gastransportnetzen (ÜNB, Übertragungsnetzbetreiber) vor komplexen Herausforderungen. Denn sie sind das Bindeglied zwischen der Energieversorgung der Zukunft und den geopolitischen Realitäten der Gegenwart.

Einerseits wird der Druck immer größer, fossile Brennstoffe drastisch zu reduzieren, um den Klimawandel einzudämmen. Andererseits bleibt Deutschland stark von Erdgasimporten abhängig, um den Energiebedarf von Industrie und Privatsektor zu decken. In diesem Artikel wollen wir vier zentrale Probleme betrachten, mit denen die ÜNB konfrontiert sind, und Lösungsansätze vorstellen, die auf mathematischer Programmierung basieren.

Optimierung mit Ordinalen Kosten

von Dr. Julia Sudhoff Santos (Gewinnerin Dissertationspreis 2023)

Ordinale Kosten werden verwendet, wenn eine Größe nicht numerisch messbar ist, sondern sich nur in geordnete Kategorien (zum Beispiel gut, mittel, schlecht) einordnen lässt. Bekannte Skalen dieser Art sind der Nutri-Score auf Lebensmitteln, die Stufe der Tierhaltungsform bei Fleisch, oder olympische Medaillen. Es gibt verschiedene Möglichkeiten die Länder bei Olympia zu ranken, weil nicht klar ist um wie viel besser Gold- verglichen mit Silber- und Bronzemedaillen sind. So gibt es verschiedene Ansätze, wie zum Beispiel die Länder nach der Gesamtzahl der Medaillen oder lexikographisch zu sortieren. Dies verdeutlicht, dass Optimierungsprobleme mit ordinalen Kosten mehrere optimale Lösungen haben können, welche nicht miteinander vergleichbar sind.

Diese Eigenschaft teilen sie mit den vielfach untersuchten multikriteriellen Optimierungsproblemen. Diese Ähnlichkeit hat eine mathematische Erklärung: Optimierungsprobleme mit ordinalen Kosten können durch eine lineare Transformation in äquivalente multikriterielle Optimierungsprobleme umgeformt werden, wobei die Problemstruktur erhalten bleibt und nur die Zielfunktion angepasst wird.

Drohnen als Zulieferer auf der letzten Meile

von Dr. Michael Dienstknecht (Gewinner YRA 2023)

Auf der Suche nach schnell wirkenden Lösungen für die Probleme auf der letzten Meile der Paketzustellung haben sich in der jüngeren Vergangenheit Forscher wie Praktiker u.a. auf den Einsatz moderner Technologien gestürzt – darunter auch Drohen. Den in der Forschung betrachteten drohnen-gestützten Konzepten ist (bis auf wenige Ausnahmen) gemein, dass sie eine direkte Interaktion zwischen Drohne und Empfänger voraussetzen – und damit neue Probleme wie bspw. bzgl. Kunden-Erreichbarkeit und Customer Experience schaffen. Es ergibt sich die Frage, ob es dennoch möglich ist, von den zweifellos vorhandenen Vorteilen einer Drohne zu profitieren, wenn direkter Kontakt zwischen Kunde und Drohne ausgeschlossen werden soll. Tatsächlich besteht diese Möglichkeit – etwa, wenn die Drohne eingesetzt wird, um den eigentlichen Zusteller von einem (außerstädtischen) Depot zu beliefern. Dadurch unterbleibt nicht nur jeder Kundenkontakt der Drohne, sondern es werden zwei logistisch interessante Dinge erreicht: Die oftmals (zu) knappen Kapazitäten der eigentlichen Lieferfahrzeuge werden erweitert und man erlaubt eine Berücksichtigung dynamisch am Depot eintreffender Lieferaufträge – gerade im Onlinehandel sehr relevant.

Im Rahmen eines Forschungsprojektes von Dienstknecht, Boysen und Briskorn (2022) wird ein entsprechendes Problem formalisiert, als gemischt-ganzzahliges Programm formuliert und mit verschiedenen Heuristiken, die auf der Dekomposition des Problems in die Routenplanung des Liefervehikels und die Erzeugung des für diese Route optimalen Flugplans der Drohne (per Dynamischer Programmierung) basieren, angegangen. In einer umfassenden Rechenstudie zeigt sich, dass dieses Lieferkonzept bei korrekter Umsetzung eine deutlich günstigere Auslieferung ermöglichen kann als die rein lieferwagen-gebundene Variante, aber auch als die sonst in der Literatur übliche Konzeption, in der sowohl Lieferwagen als auch Drohne Kunden direkt beliefern.