Mathematische Modelle zur Optimierung von logistischen Prozessen Schienengüter in der Region Rhein-Ruhr Ruhr Prof. Dr. Günter Törner
Optimierungsmodelle zur Lösung von Erfassungs- problemen im Verkehr (bei umfangreichen Datenanfall) Bestimmung optimaler Standorte von Q-Messstellen am Beispiel des Güterverkehr-Streckennetzes der Deutschen Bahn
Das Güterzug-Streckennetz der DB Datengrundlage: ca. 2000 Kanten ca. 210 000 Waggons innerhalb von 4 Wochen
Problemstellung und Ansatz Problem: Bestimmung optimaler Standorte für Q-Messstellen bei Vorgabe eines Überdeckungsgrades α auf der Basis von Güterverkehrsdaten von n Wochen Ansatz: Berechne minimale Anzahl von Messstellen mit MIP-Modell (Mixed Integer Program) Bei gleichwertigen Lösungen wähle diejenige, die die meisten Waggons erfasst
Software und Problemkomplexität Das lineare Optimierungsmodell umfasst derzeitig: ca. 220 000 ganzzahlige Variablen ca. 228 000 Nebenbedingungen Software: CPLEX 6.5 Rechner: Sun Enterprise 450, 300 MHz Ultra-Sparc-Processor, 4 GB RAM
Datengrundlage: CAM-Daten PVG-Daten Datengrundlage und Ergebnisse Berechnete Standardrouten für Züge bzw. Waggons Optimierungszeitraum: Ein Monat Rechenzeit von CPLEX 6.5 (Min.) Rechenzeit von CPLEX 6.5 (Min.) Überdeckungsgrad in % Messstellen vom Optimum in MST Anzahl Maximale Abweichung Überdeckungsgrad in Messstellen vom Optimum in MST Anzahl Maximale Abweichung MIP LP Relaxation MIP LP Relaxation 80 80 24 24 1.04 1.04 457 457 305 305 85 85 29 29 1.08 1.08 501 501 331 331 90 90 38 38 1.33 1.33 669 669 295 295 95 95 57 57 1.04 1.04 313 313 186 186 100 100 228 228 0.51 0.51 5 5 4 4
Internetkommunikation DFG-Projekt: MathDiss International Internationaler fach- und formathomogener Dissertationenserver Erweiterung von Retrievalfunktionalitäten MetaDaten und Informationen
Geographische Informationssysteme und ihre Bedeutung für die Visualisierung von Verkehrsinformationen Die Vorteile einer Visualisierung bei der Analyse von Verkehrsinformationen. Kompakter Zugang zu umfangreichen Netzinformationen und komplexen Netzprozessen Benutzerfreundliche Unterstützung bei strategischen Entscheidungen...
Visualisierung des Q-Messtellen Q Projektes Mögliche Views sind: Knoten und Strecken des Netzwerks Belastungen auf Strecken und in Knoten durch Waggons Streckeneigenschaften (z.b. Länge, ein- oder mehrspurig) Liste von Waggons und Zügen, die über eine ausgewählte Strecke fahren Waggon- und Zugrouten... Aspekte der Datenanalyse: Ganglinien von Strecken Nicht durch Messstellen erfasste Waggons Reisestrecken von Waggons...
Visualisierung des Q-Messtellen Q Projektes Datengrundlage Virtuelles Netz (aus Standardrouten generiert) Geographische Koordinaten für Knoten (manuell erhoben) Waggonrouten (aus Standardrouten und PVG-Daten eines Monats) Objekte der Visualisierung sind: Streckenabschnitte und Bahnhöfe Belastungen auf Strecken und in Knotenpunkten des Netzes (bzgl. Waggons) Waggon-, Zug- und Standardrouten Streckeninformationen (z.b. Länge, Belastung)
Visualisierung des Q-Messtellen Q Projektes Visualisierung von Standardrouten
Visualisierung des Q-Messtellen Q Projektes Visualisierung von Waggonrouten
Visualisierung des Q-Messtellen Q Projektes Visualisierung von Zugrouten
Visualisierung des Q-Messtellen Q Projektes Abrufen von Streckeninformationen
Güterverkehr der Rhein-Ruhr Ruhr-Region Region Die Datenquellen Datenquelle Geographische Einteilung Zeitliche Einteilung Gütergruppen KVR Stadttteile, Orte, Länder Statistisches Bundesamt Verkehrsbereiche Kraftfahrtbundesamt Verkehrsbereiche 1990 und 2010 1990 bis 1998 1990 bis 1998 12 DIW Güterabteilungen 10 Gütergruppen 10 Gütergruppen Bahn, Schiff, LKW, Bahn, Schiff, LKW Verkehrsträger LKW Nahverkehr LKW (bis 1993) Aktualisierung einmalig jährlich Jährlich Anzahl geographischer Zellen Anzahl der Datensätze 231 im KVR, 444 außerhalb ca. 3.700.000 pro Jahr (ca. 35 MB pro Jahr) Ca. 250 Verkehrsbereiche ca. 20.000 pro Jahr bis 1993, ca. 8.000 pro Jahr ab 1994 Ca. 250 Verkehrsbereiche ca. 4.200 pro Jahr
Data Warehouse Güterverkehr Rhein-Ruhr Ruhr
Data Warehouse Güterverkehr Rhein-Ruhr Ruhr
Data Warehouse Güterverkehr Rhein-Ruhr Ruhr
Data Warehouse Güterverkehr Rhein-Ruhr Ruhr
Data Warehouse Güterverkehr Rhein-Ruhr Ruhr
Vision Ausbau eines öffentlichen Data Warehouse Güterverkehr Kontinuierliche Datenfortschreibung in feiner räumlicher und zeitlicher Körnung sowie Ausbau des Prognoseteils Erweiterung der vorhandenen Datenerhebung um weitere wichtige Daten (Durchführung von Nutzeranalysen) Übergreifende Kooperation zwischen Politik, Gesellschaft, Unternehmen und Wissenschaft
Zusammenfassung Derzeit gibt es ein eklatantes Informationsdefizit im Bereich der Planung von Transport und Verkehr. Dieser Mangelsituation kann und sollte durch intelligente Nutzung der neuen Möglichkeiten bei Kommunikations- und Informationssystemen begegnet werden.