Dispositions-Software für Bedarfsverkehr

Automatische Dispositions Software  wie von maas.maker stellt eine zentrale Komponente in der sich entwickelnden Landschaft von Mobility as a Service (MaaS) dar, wo integrierte digitale Lösungen darauf abzielen, den öffentlichen und geteilten Verkehr für Gemeinden, Betreiber und Endnutzer zu optimieren. Im Kern automatisiert die Dispositions Software die Zuweisung von Fahrzeugen zu Fahrtanfragen und verwendet fortschrittliche Algorithmen und mittlerweile sinnvoll künstliche Intelligenz, um dynamische Variablen wie Echtzeitanforderungen, Verkehrsbedingungen und Nutzerpräferenzen zu berücksichtigen. Im Fall von maas.maker, einer österreichischen Dispositions Software, die auf Mikro-Öffentlichen-Verkehr (Mikro-ÖV) zugeschnitten ist, bietet der  hauseigene entwickelte Dispositionsalgorithmus erleichtert automatisiertes Pooling-Management, bei dem mehrere Passagiere mit kompatiblen Routen zusammengeführt werden, um die Fahrzeugnutzung zu optimieren, Leerfahrten zu reduzieren und die Gesamteffizienz des Systems zu steigern.

Sammelfahrten mit Poolingfaktor

Sammelfahrten mit Poolingfaktor, ein Eckpfeiler moderner Dispositions Software, umfasst die Zuordnung von Passagieren zu geteilten Fahrten, wobei Faktoren wie Kapazität des Fahrzeuges, Anzahl der Fahrzeuge, Umstiegs- oder Einstiegs- und Aussteigszeiten, Weg und Zeit und  berücksichtigt werden. Selbstentscheidungsgrundlagen für das Ride-Pooling beziehen sich auf die autonome Fähigkeit der Dispositions-Software durch den Algorithmus, Übereinstimmungen ohne ständige menschliche Eingriffe zu bewerten und auszuführen, basierend auf datengesteuerten Kriterien wie Geolocation, Zeitplanung und Nachfragedichte. Beispielsweise können Algorithmen bewerten, ob ein Umweg für einen zusätzlichen Fahrgast basierend auf vordefinierten Schwellwerten machbar ist, um Fairness für alle Nutzer zu gewährleisten. Diese Autonomie ist besonders wertvoll in schwankenden städtischen oder ländlichen Umgebungen, wo schnelle Anpassungen Verzögerungen verhindern. Forschungsergebnisse zeigen, dass solche Grundlagen zu einer höheren Effizienz im Management von Sammelfahrten  beitragen, wobei Modelle zeigen, dass die Effizienz mit steigender Nutzernachfrage wächst, jedoch bei höherer Dichte aufgrund räumlicher Beschränkungen stagniert. In praktischen Anwendungen, wie in öffentlichen Verkehrssystemen, wurde KI-basierte Disposition eingesetzt, um Paratransit-Operationen zu optimieren, indem Zuweisungen automatisiert werden, um Kosten zu senken und Reaktionszeiten zu verbessern.

Parametrierbarer Poolingfaktor

Ein wesentliches Merkmal fortschrittlicher Dispositions Software ist der parametrierbare Poolingfaktor, der es Betreibern ermöglicht, das Verhalten des Algorithmus anzupassen. Dieser Faktor kann Variablen wie die maximal zulässige Umwegzeit, Mindestbelegungsanforderungen oder Gewichtungen für Zeitstrafen der Fahrgäste bei geteilten Fahrten umfassen. Die Parametrierung ermöglicht eine Feinabstimmung für spezifische Kontexte – beispielsweise die Priorisierung kürzerer Umwege in dichten städtischen Gebieten im Vergleich zu längeren Umwegen in ländlichen Zonen, um die Akzeptanz zu maximieren. Die Heterogenität der Nutzer, wie unterschiedliche Toleranzen für das Teilen oder Umwege, wird durch Verhaltensparameter modelliert, um sicherzustellen, dass die Dispositions Software vielfältige Präferenzen berücksichtigt und die Servicequalität steigert. 

Proportionaler Einsatz von KI

Der proportionierte Einsatz von KI in der Dispositions Software führt zu einem ausgewogenen Ansatz, bei dem künstliche Intelligenz komplexe Berechnungen wie prädiktive Nachfragevorhersagen oder Routenoptimierung übernimmt. KI-Technologien in Logistik und Mikro-ÖV Angeboten steigern die betriebliche Effizienz, indem sie Echtzeit-Entscheidungen ermöglichen, Kosten senken und sich an Variablen automatisiert anpassen. Für die Disposition verschiebt KI den Fokus von reaktiven zu prädiktiven Modellen, indem sie Muster analysiert, um Störungen vorzubeugen und multimodale Transporte, einschließlich Busse, Fahrräder und Mitfahrgelegenheiten, zu orchestrieren. Fortschritte im KI-gestützten Carpooling umfassen dynamische Routenoptimierung, die auf minutenschnelle Änderungen reagiert, um die Flottenleistung und die Nutzerzufriedenheit zu verbessern. Neuartige Algorithmen für die Zuordnung von Fahrzeugen zu Anfragen, Disposition und Repositionierung nutzen analytische Ergebnisse, um den Betrieb optimal zu parametrisieren und Staus in Mitfahrnetzwerken zu adressieren.

Zugriff Web-APIs bei Disposition

Web-APIs bilden das Rückgrat für die Integration von Dispositions Software. Sie erleichtern Funktionen wie das Abrufen von Dienstinformationen, das Buchen von Fahrten und das Überwachen des Status, wodurch die Interoperabilität zwischen Verkehrsträgern gefördert wird. In der Dispositions Software von maas.maker revolutionieren APIs die Integration, indem sie die skalierbare Hinzufügung neuer Dienste ermöglichen, wie etwa die Kombination von öffentlichem Verkehr mit Bedarfsfahrten. 

Unsere Dispositions Software kann auch rein über eine Web-API konsumiert und Ihre bestehende Software integriert werden.