ParkDispo

Herausforderung & Lösungsansatz

In der Logistik steigt das Sendungsvolumen stetig weiter und dadurch auch die Anforderungen an die Transportlogistik. Kosten müssen mehr denn je effizienter geplant, der CO2-Ausstoß reduziert und die Verkehrs- und Parkinfrastruktur entlastet werden, während die Qualität gesichert und Transporte flexibel durchgeführt werden müssen.

Diese Herausforderungen wurden in dem Projekt ParkDispo durch eine KI-basierte Transportplanung gelöst, indem ein Dispositionssystem entwickelt wurde, das erstmals Daten aus dem Bereich der Parkraumbewirtschaftung in die Optimierungsprozesse und -algorithmen einbezieht.

Technologie: KI & Multiagentensysteme

Die Technologiekompetenz von XTL liegt in der Anwendung von Methoden der Verteilten Künstlichen Intelligenz (VKI), insbesondere der sogenannten Selbststeuerung. Intelligente Software-Agenten fungieren hierbei als digitale Repräsentanten der Logistikobjekte, kommunizieren untereinander und lösen so komplexe Tourenprobleme parallel und dezentral.

In diese Agenten wurden in Python (u.a. mit Tensorflow) entwickelte maschinelles Lernverfahren integriert. Die dadurch entstandenen Künstlichen Neuronalen Netze (KNN) können komplexe Muster erlernen. Anhand von Eingangssignalen wie Koordinaten, Verkehrsdaten und Wetterdaten des Deutschen Wetterdienstes generieren sie präzise Prognosen für die Servicezeiten (die Zeit, die ein Fahrer nach Ankunft zur Parkplatzsuche und Zustellung benötigt).

Nachgewiesene Ergebnisse & Wirkungen

Durch Simulationen mit historischen Realdaten von Anwendungspartnern (wie dem Freeway Kurierservice in Mainz) konnte die Effizienz des Systems evaluiert werden:

• Reduktion der Servicezeit: Im Durchschnitt konnten 12 % der Servicezeiten eingespart werden, was sich besonders im stadtnahen Bereich signifikant auswirkt.
• Verkürzte Distanzen: Die durchschnittliche zurückgelegte Distanz wurde im Verbund um 6 % gesenkt. Häufig führte die Effizienzsteigerung dazu, dass ganze Fahrzeuge aus dem Szenario eliminiert werden konnten.
• Kürzere Fahrzeiten & Emissionen: Analog zur Distanz sanken die Fahrzeiten ebenfalls um durchschnittlich 6 %. Dies führt direkt zu einer Verringerung der CO2-Emissionen und Transportkosten.