Wir verwenden Cookies um Ihnen bestmöglichen Service zu bieten. Indem Sie diese Seite nutzen, erklären Sie sich mit der Verwendung von Cookies einverstanden.

Künstliche Intelligenz für kundenorientierte und nachhaltige Shared Mobility Services

Künstliche Intelligenz für kundenorientierte und nachhaltige Shared Mobility Services
Universität der Bundeswehr München / Siebold, Porträts Universität Duisburg-Essen: Wissenschaftler diskutieren das Preissystem.

Ziele/Ideen

Shared Mobility Systeme stellen ein attraktives Angebot innerhalb der städtischen Mobilität dar. Als Ergänzung des ÖPNV erlaubt etwa das Carsharing, moderne, sparsame Fahrzeuge spontan für individuelle Fahrten anzumieten und so umweltschonend den eigenen Pkw zu ersetzen. Die sog. Free-Floating Shared Mobility Systeme ermöglichen es, dass Mieten flexibel an beliebigen Orten innerhalb eines Geschäftsgebietes per Smartphone begonnen und beendet werden können. Die höhere Flexibilität führt jedoch oft zu der Herausforderung eines räumlichen Ungleichgewichts zwischen den verfügbaren und nachgefragten Fahrzeugen. Kundinnen und Kunden finden dann in ihrer Laufreichweite kein Fahrzeug, obwohl an anderen Orten des Geschäftsgebiets noch Fahrzeuge zur Verfügung stehen. Um diese Situation möglichst zu verhindern, werden traditionell regelmäßig Fahrzeuge aus nachfrageschwachen in nachfragestarke Gebiete überführt. Das verursacht Emissionen, Verkehr und Kosten.

Kurzbeschreibung

Wissenschaftler zweier Universitäten entwickeln mit dem Carsharing Anbieter SHARE NOW ein neues Verfahren zur optimalen Steuerung des Carsharing-Systems in Wien. Die Kernidee besteht darin, entgegen der branchenüblichen fixen Minutenpreise durch eine gezielte, intelligente Preissteuerung auf das Gesamtsystem einzuwirken, um ohne kostspielige und umweltbelastende Überführungsfahrten (sog. Relokationen) Ungleichgewichte zwischen verfügbaren und nachgefragten Fahrzeugen zu verhindern und gleichzeitig den individuellen Bedürfnissen der Kundinnen und Kunden Rechnung zu tragen. Dazu werden gestützt durch KI-Methoden unterschiedliche Datenquellen (GPS-Daten der Fahrzeuge, anonymisierte Nachfragedaten, etc.) miteinander verknüpft. Im Ergebnis können die Umweltfreundlichkeit aufgrund vermiedener Relokationen wie auch die lokale Fahrzeugverfügbarkeit substantiell gesteigert und die Effizienzvoraussetzungen für einen potentiell breiteren Zugang zum Carsharing geschaffen werden.

Resultate

Die intelligente Preissteuerung führt dazu, dass die Umweltfreundlichkeit aufgrund deutlich geringer Relokationen wie auch durch die deutlich bessere Fahrzeugverfügbarkeit gesteigert werden kann. So konnten in 2019 in Wien Relokationen in erheblichem Umfang eingespart werden. Des Weiteren führte die deutlich verbesserte Fahrzeugverfügbarkeit zu einem deutlichen höheren Nutzerkreis und ermöglicht auch Menschen, die sich kein eigenes Fahrzeug leisten können oder wollen die Teilhabe. So erhöhte sich die Anzahl der registrierten Nutzer in Wien seit der Einführung der intelligenten Preissteuerung um 25%.

Einreicher

Universität Duisburg-Essen

Partner

car2go Österreich GmbH: Datengrundlage, Integration in Buchungssystem und App

Universität der Bundeswehr München: Entwicklung der KI-basierten Algorithmen

Universität Duisburg-Essen: Entwicklung der KI-basierten Algorithmen

auf Facebook teilen twittern