Wie können urbane Lieferverkehre nachhaltiger gestaltet werden? Wo eignen sich Mikro-Hubs? Welche Fahrzeuge sollten eingesetzt werden – und wie verändern Verkehr, Nachfrage oder städtische Strukturen die optimale Lösung?
Im Projekt Green Delivery Analytics (GDA) wird hierfür ein datenbasiertes Analysemodell entwickelt. Ziel ist es, unterschiedliche Informationen über Stadtstruktur, Paketnachfrage, Liefertouren und Verkehr so miteinander zu verknüpfen, dass darauf aufbauend verschiedene Szenarien der Last-Mile-Logistik untersucht und Logistiknetzwerke optimiert werden können.
Eine zentrale Herausforderung besteht dabei in der Heterogenität der verfügbaren Daten. Nicht alle für eine Netzwerkoptimierung benötigten Informationen liegen unmittelbar vor. Daher werden fehlende Größen teilweise aus vorhandenen Daten abgeleitet, geschätzt oder modelliert. Gleichzeitig werden Informationen räumlich und zeitlich vereinheitlicht, beispielsweise durch standardisierte Stadtgitter wie in nachfolgender Abbildung zu sehen. Jede Zeile stellt dabei die aggregierten Daten einer einzelnen Gitterzelle dar. So können Muster zwischen verschiedenen Stadtgebieten erkannt und perspektivisch auch auf andere urbane Räume übertragen werden.
Das Analysemodell verbindet vier Analysebereiche und schafft damit die Grundlage, Logistiknetzwerke unter Berücksichtigung städtischer Strukturen, Nachfrage, Verkehr und logistischer Rahmenbedingungen zu optimieren.
City Analysis: Raumstruktur, Soziodemografie, Logistikmarkt und weitere städtische Merkmale werden zu räumlichen Stadtprofilen zusammengeführt. Mithilfe von Cluster- und Machine-Learning-Verfahren sollen vergleichbare Stadtstrukturen identifiziert werden.
Order and Tour Analysis: Historische Auftrags- und Tourdaten werden ausgewertet, um unter anderem Nachfrage, Prozesszeiten und logistische Strukturen innerhalb einer Stadt abzubilden. Daraus können logistische Stadtprofile und modellierte Nachfragestrukturen abgeleitet werden.
Traffic Analysis: Verkehrsdaten und aus Tourdaten abgeleitete Informationen werden genutzt, um räumlich-zeitliche Verkehrsprofile zu modellieren. Dadurch können beispielsweise unterschiedliche Fahrgeschwindigkeiten oder Stauausprägungen in die weitere Planung einbezogen werden.
Potential Locations Analysis: Ungeeignete Flächen werden zunächst ausgeschlossen. Die verbleibenden Gebiete werden anschließend anhand räumlicher, logistischer, verkehrlicher und nachfragebezogener Kriterien bewertet. So entsteht eine Vorauswahl potenzieller Standorte für stationäre oder mobile Logistikhubs.
Die Ergebnisse dieser Analysen fließen schließlich in eine gemeinsame Netzwerkoptimierung ein. Dort sollen Entscheidungen beispielsweise über Standorte, Fahrzeugtypen, Touren, Kosten und Emissionen gemeinsam betrachtet werden. Das Analysemodell schafft damit die Verbindung zwischen heterogenen urbanen Daten und konkreten planerischen Entscheidungen.
Damit wird eine Grundlage geschaffen, um nicht nur bestehende Lieferstrukturen zu analysieren, sondern unterschiedliche Zukunftsszenarien vergleichbar zu machen: Wie verändert sich ein Logistiknetzwerk beim Einsatz von Lastenrädern? Wo könnten Mikro-Hubs sinnvoll sein? Und welche Auswirkungen entstehen auf Kosten, Verkehr und Emissionen?
Genau an dieser Schnittstelle zwischen Datenanalyse und Logistikplanung setzt Green Delivery Analytics an.