Robust timetable information

Dr. M. Schmidt, Rotterdam, NL
Dr. M.c Goerigk, Kaiserslautern
Prof. Dr. M. Müller-Hannemann, Halle (Saale)
Prof. Dr. A. Schöbel, Göttingen

Aufgabe der Fahrplanauskunft ist es, Fahrgästen Verbindungen zwischen Start- und Zielort zur Auswahl zu stellen.
Fahrplanauskunftssysteme bestimmen mögliche Verbindungen anhand unterschiedlicher Kriterien, wie zum
Beispiel der (fahrplanmäßigen) Reisezeit, der Anzahl der Umstiege oder der Kosten der Verbindung. Kaum beachtet
werden dabei bisher die möglichen Auswirkungen von Verspätungen auf die Verbindungen. Erstens führen
Verspätungen in der Regel zu einer Verlängerung der Reisezeit. Zweitens kann es sein, dass Anschlüsse verpasst
werden, wenn ein Anschlusszug nicht wartet, und die Verbindung also gar nicht mehr wie geplant gefahren
werden kann. Ziel der robusten Fahrplanauskunft ist es, Verbindungen zu bestimmen, die möglichst unempfindlich
gegenüber Verspätungen sind. In diesem Fachbeitrag stellen wir drei unterschiedliche Robustheitskonzepte vor
und erklären ihre Anwendung auf die Fahrplanauskunft. Wir beschreiben algorithmische Ansätze zur Bestimmung
robuster Verbindungen und diskutieren Vor- und Nachteile der unterschiedlichen Konzepte.

Timetable information aims at providing passengers with a choice set of connections between their origins and
destinations. Timetable information systems choose connections with respect to different criteria such as the
(scheduled) travel time, the number of transfers, or the costs of a connection. So far, not much attention has been
paid to the possible consequences of delays on the connections. Firstly, delays often lead to an increase of travel
time. Secondly, passengers can miss a transfer if a train is delayed and the connecting train does not wait. Robust
passenger information aims at providing connections which are affected as few as possible by delays. In this
article we present three different robustness concepts and apply them to timetable information. We describe
algorithmic approaches to determine robust connections and discuss advantages and disadvantages of the concepts.

Demand phenomena of Free Floating Car Sharing Systems –
Spatial-temporal Asymmetry of Supply and Demand

Dipl.-Math. S. Weikl, Univ.-Prof. Dr.-Ing. K. Bogenberger, München

Dieser Artikel belegt räumlich-zeitliche Asymmetrien zwischen Fahrzeugangebot und -nachfrage eines Free Floating Carsharing-Systems (FFCS) in München. Basierend auf einer empirischen Clusteranalyse realer FFCSBuchungsdaten werden Tage identifiziert, die im Vergleich zu anderen Werktagen eine signifikant geringere Buchungsanzahl aufweisen. Weitere Analysen zeigen Abweichungen zwischen der mittleren räumlichen Fahrzeugverteilung dieser buchungsschwachen Tage und der mittleren Buchungsverteilung an Tagen mit höherer Systemauslastung. Die südlichen Zonen des Geschäftsgebiets weisen dabei einen Fahrzeugüberschuss auf, die nördlichen Zonen hingegen einen Fahrzeugmangel. Diese Ergebnisse werden durch einen neu entwickelten Ungleichgewichtsindex bestätigt. Die Berechnung erfolgt über die Euklidische Distanz der Fahrzeuge zu den Hot Spots der Buchungen der Tage mit hoher Systemauslastung. Eine Auswertung der Bevölkerungs- und Firmendichten zeigt zudem, dass das Ungleichgewicht durch verschiedene Buchungsmuster an Wochenenden und Werktagen verursacht wird. Dies wird ebenfalls durch eine Befragung der Carsharing-Kunden und die jeweiligen Fahrzwecke bestätigt.

This paper proves spatial-temporal imbalances between vehicle supply and demand for a free floating Carsharing
system (FFCS) in Munich, Germany. Based on an empirical cluster analysis of real FFCS booking data, days with
significantly lower booking numbers compared to other workdays are identified. Additional analyses show deviations
between the mean vehicle distribution of those “weak” days and the mean booking distribution on days
with higher utilization of the FFCS. The southern zones of the operating area have vehicle surplus whereas the
northern zones have vehicle shortage. These findings are confirmed by a newly developed imbalance index. The
calculation is based on the Euclidean distance of the vehicles to the booking hot spots of days with high utilization
of the FFCS. An evaluation of the population and employer densities shows that the imbalance is caused by
different demand patterns on weekends and workdays. This is also confirmed by a survey of carsharing members
and the corresponding trip purposes.

Three approaches on optimization of road transportation

Univ.-Prof. Dr.-Ing. H. J. Roos, Stuttgart

Viele Unternehmen der Fahrzeugbranche, der Verkehrsleittechnik, der IT-Technik und des Straßenbaus arbeiten auf dem Themenfeld des „automatisierten Fahrens“ – aber die gesellschaftlich allgemein akzeptierten Leitbilder für eine abgestimmte Transformation aller neuen Ideen in allgemeingültige Regeln oder gar deren Umsetzung in  die Praxis des Verkehrsgeschehens gibt es noch nicht. Jeder der Akteure will im Moment noch diesen Wettbewerb für sich ganz alleine entscheiden – die Gesellschaft aber, als der Regelsetzer und Eigentümer der von allen Anbietern benötigten Infrastruktur, wünscht sich eine gemeinnützige optimale Umsetzung. Neue Systeme und deren technische und auch rechtliche bzw. politische Konsequenzen wachsen stets aus den Trümmern des „kreativ zerstörten“ Altbekannten. Die wirklich guten neuen Ideen zu einem Themenfeld sollten in eine praktische, nachhaltige und smarte Lösung für die Gegenwart einfließen, die aber auch noch Entwicklungspotenziale für die Zukunft mit berücksichtigt. Eine Minimierung aller „Total Costs of Ownership“ für das Verkehrswesen ist also eine komplexe Gemeinschaftsaufgabe und sollte für den Besitzer des Straßennetzes mit allen Ingenieurbauten, die Gesellschaft, aber zugleich auch für alle privaten und kommerziellen Nutzer dieses wertvollen Gemeinschaftseigentums gelingen. Nachfolgend wird ein Ansatz zur Lösung dieser Aufgabe skizziert.

Many companies in the field of transportation and traffic organization, the automotive industry and their suppliers
are creating innovative elements to promote automatic driving for all vehicles in some selected networks or on
all roads. Each of these actors of creative destruction still plans to win the race, but at the end, in our democracy,
the rule maker and owner of all the necessary infrastructure for the new created traffic system, our society in
general, will determine how transportation has to work in the future. This new developing system can be regarded
as the major step on our path to automated driving. In the following text we will illuminate the technical and
some legal/political consequences of the continuing developments of driver assistance and other systems on the
road towards autonomous and automated driving. Our goal is simple: Minimizing the total costs of ownership
for the public infrastructure and – at the same time – for the private or commercial user of it. The following text
gives a sketch about a possible scenery.