Studie: Lieferroutenoptimierung mit Autonomen Fahren
Forschende aus China und den USA haben zur Lieferroutenoptimierung qua Autonomen Fahren geforscht.
Das Liefern von beispielsweise Lebensmitteln oder medizinischem Bedarf ist in durch die Coronapandemie in den Fokus der Branche gerutscht. Auch in der Forschung hat man sich dem Thema verstärkt angenommen, davon zeugt eine Studie von Forschenden der Universität von China in Peking und der Universität von Texas in Dallas.
Renault EZ-PRO Autonomer Lieferwagen. Quelle: Renault
Künftig wird sich die Zahl der Autonomen Lieferfahrzeuge erhöhen und auch Pakete oder Postzustellungen werden durch diese Fahrzeuge vorgenommen. Auch die Studie geht davon aus. Doch bisher untersuchte die Forschung die Navigation ohne die Berücksichtigung der Uhrzeit oder ignorierte die Rückmeldungen der Kundschaft bezüglich der Wegfindung.
Die Studie erweitert den Ansatz der variablen Routenfindung um diese beiden Faktoren in städtischen Umgebungen. Dabei konzentriert man sich auf das sogenannte DRM-Problem (Delivery Reward Maximization) und stellt dar, dass es sich dabei um eine NP-Schwere handelt, was durch die Komplexitätsreduktion gelöst wird.
Daraus ergeben sich zwei Sonderfälle: Linear DRM (LDRM) und Twodimensional (TDRM), wobei alle Kunden die gleichen Empfangszeiten haben und auf einer auf einer eindimensionalen bzw. zweidimensionalen Ebene beliefert werden. Diese, so die Studie, sind aber auch von der NP-Schwere (NP-Hard) definiert. Die Lösung könnte ein konstanter Approximationsalgorithmus sein, was von einem Greedy (gierigen) Algorithmus gefolgt wird.
