LOUD ist ein Ridesharing-Algorithmus, welcher Fahrtanfragen zu dem Zeitpunkt, an dem sie eintreffen, in die Route eines Fahrzeuges aus einer begrenzten Menge an Fahrzeugen einfügt. Dafür betrachtet LOUD den Umweg, den ein Fahrzeug machen muss, um die Fahrtanfrage abzuarbeiten. Dem Fahrzeug, welches den kleinsten Umweg für die Fahrtanfrage machen muss, weist LOUD die Fahrtanfrage zu. Dadurch soll eine globale Zielfunktion, die durchschnittliche Gesamtfahrzeit eines Fahrzeuges, minimiert werden. LOUD berücksichtigt dabei nicht, ob ein Fahrzeug von Bedeutung für zukünftige Fahrtanfragen ist, aber durch die Zuweisung der aktuellen Fahrtanfrage an das Fahrzeug für die zukünftige Fahrtanfrage nicht mehr zur Verfügung steht. In dieser Arbeit befassen wir uns mit der strategischen Planung für das Ridesharing-Problem. Dabei bestimmen wir heuristisch die Fahrzeuge, die von Bedeutung für zukünftige Fahrtanfragen sind und benachteiligen diese bei der Auswahl eines Fahrzeuges für eine Fahrtanfrage. Dadurch sollen die Fahrzeuge derart positioniert werden, dass sich der Umweg, welches ein Fahrzeug für eine zukünftige Fahrtanfrage machen muss verringert und damit die globale Zielfunktion weiter minimiert werden kann. Wir konnten zeigen, dass mit diesem Ansatz die durchschnittliche Gesamtfahrzeit, sowie die Reisezeit der Fahrgäste im 95%-Quantil reduziert werden kann.


    Access

    Download

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Heuristische Optimierung der globalen Zielfunktion im dynamischen Ridesharing


    Contributors:

    Publication date :

    2023



    Type of media :

    Book


    Type of material :

    Electronic Resource


    Language :

    German