Detailseite
Projekt
Urbane Mobilität und Logistik: Lernen und Optimierung unter Unsicherheit
Antragsteller
Professor Dr. Marlin Ulmer
Fachliche Zuordnung
Accounting und Finance
Förderung
Förderung seit 2020
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 444657906
Ziel des Projektes ist die systematische Verbesserung von quantitativer Entscheidungsunterstützung in der urbanen Mobilität und Logistik. Erreicht wird dies durch eine Analyse methodischer Funktionalitäten für unterschiedliche Problemstellungen und dem Ableiten eines generellen Konzeptes zum Design von zukünftigen Methoden.Für Anwendungen der urbanen Mobilität und Logistik ist eine effektive, schnelle, und skalierbare operative Entscheidungsfindung notwendig. Oftmals werden Entscheidung unter unvollständiger Information getroffen, zum Beispiel bezüglich des Kundenbedarfs, der Verkehrssituation, oder auch der verfügbaren Ressourcen. Auf sich ändernde Informationen zu reagieren reicht oftmals nicht aus. Vorausschauende, antizipierende Entscheidungen sind notwendig. In Praxis und Wissenschaft wurden bereits einige antizipierende Methoden entwickelt, zumeist zugeschnitten auf konkrete Problemstellungen. Solche Methoden können zum Beispiel Daumenregeln folgen, Sampling-Verfahren einsetzen oder auch Techniken des Reinforcement Learning nutzen. Sie liefern oftmals effektive Entscheidungen für die individuellen Problemstellungen. Allerdings gibt es bisher kaum allgemeingültige Erkenntnisse wie Problemcharakteristika und Methodenperformance zusammenhängen. Dies ist das Ziel dieses Projektes.Das Projekt wird diese Zusammenhänge systematisch untersuchen. Hierzu werden Probleme aus drei unterschiedlichen Anwendungsbereichen betrachtet: die Kombination von Mobilitäts- und Transportleistungen, die Nutzung eines Netzwerkes von Paketstationen zum Transport innerhalb der Stadt, und die Lieferung mittels selbstständiger Fahrer*innen in der Gig Economy. Die Problemstellungen unterscheiden sich in mehreren Dimensionen, insbesondere in der Art der Unsicherheit. Zur Klassifizierung dieser Probleme werden Maße entwickelt, zum Beispiel zur Bestimmung der Problemkomplexität oder der Struktur und Stärke der Unsicherheit. Für jeden Problembereich wird eine Menge strukturell unterschiedlicher Methoden entwickelt. Diese liefern zum einen effektive Entscheidungen für die individuellen Probleme. Zum anderen erlauben sie eine systematische Analyse der Zusammenhänge zwischen Problemen und Methoden. Hierzu werden ebenfalls Maße entwickelt Methoden zu klassifizieren, zum Beispiel bezüglich der Geschwindigkeit oder der Interpretierbarkeit der Entscheidungsfindung. Die Experimente und Ergebnisse werden bezüglich der entwickelten Maße geplant und analysiert und gehen abschließend im konzeptuellen Rahmenwerk auf.Das Projekt ist auf sechs Jahre ausgelegt und wird an der TU München (TUM) durchgeführt werden. Während des Projektes werden drei Doktorand*innen jeweils vier Jahre an jeweils einem Anwendungsbereich forschen. Diese Forschung findet primär an der TUM statt und wird zusätzlich von Wissenschaftlern des Georgia Institute of Technology unterstützt.
DFG-Verfahren
Emmy Noether-Nachwuchsgruppen
Internationaler Bezug
USA
