Verspätungsmanagement im Eisenbahnverkehr – stochastische Optimierung und Dispositionsstrategien im Vergleich
von Patricia Ebert (Gewinnerin des GOR Preises für Diplom- und Masterarbeiten 2026)
Verspätungen sind ein beständiger Teil des Eisenbahnverkehrs. Der teilweise marode Zustand der Anlagen, die Generalsanierungen von wichtigen Korridoren und die hohe Verkehrsdichte sorgten zuletzt dafür, dass nur 59 % der Fernverkehrszüge der Deutschen Bahn pünktlich ankamen. Somit ist es essentiell, Methoden zu entwickeln, um die Ausbreitung von Verspätungen im Gesamtnetz zu verhindern und die Konsequenzen für Fahrgäste zu minimieren.
Disponent*innen können hierzu vielerlei Entscheidungen berücksichtigen. Relevant für Fahrgäste sind Warten-Abfahren-Entscheidungen, welche festlegen, ob Anschlusszüge auf verspätete Zubringerzüge warten. In Vorrangentscheidungen wird zudem entschieden, ob pünktliche Züge Vorrang vor verspäteten Zügen haben. Ziel des Verspätungsmanagements ist nun, einen Dispositionsfahrplan zu konstruieren, der die Fahrgastverspätung minimiert. Da die Folgen von Dispositionsentscheidungen zeitversetzt oder in anderen Teilen des Netzes zum Vorschein kommen können, stellt Verspätungsmanagement ein äußerst komplexes Problem dar, bei dem Optimierungsverfahren unterstützen können.
Um vorausschauende Entscheidungen zu treffen, untersuchen wir einen stochastischen Optimierungsansatz. In einer ersten kürzeren Phase nehmen wir an, dass die Verspätungen bekannt sind, sich anschließend jedoch in einer zweiten längeren Phase stochastisch verhalten. Somit erkennen wir an, dass sich Verspätungen ständig verändern und nicht als stabil angesehen werden können, nutzen jedoch auch Kenntnisse über mögliche Verspätungsverteilungen aus.
In einer Fallstudie für die Berliner S-Bahn vergleichen wir den stochastischen Optimierungsansatz mit einfachen Dispositionsstrategien, die häufig in der Praxis angewendet werden. Es wird deutlich, dass insbesondere die Strategie, bei der keine Anschlüsse sichergestellt werden, gut funktioniert. Wir zeigen zudem, dass stochastische Optimierung den Fahrplan um 1,7 % gegenüber einem deterministischen Ansatz verbessern kann und der Mehrwert von Disposition bei 2,7 % liegt.
Autorin
Patricia Ebert
Universität Leipzig
Fakultät für Mathematik und Informatik
patricia.ebert@uni-leipzig.de
