Vier Studierende sitzen an einem Tisch und lernen gemeinsam.

VanAssist

VanAssist ist ein interaktives, intelligentes System für autonome fernüberwachte Kleintrans­porter in der Paketlogistik.

Projektziel

Seit 2010 ist die Anzahl der Paketlieferungen pro Kopf in Deutschland um mehr als 100 Prozent gestiegen. Es wird erwartet, dass sich dieser Trend auch in der näheren Zukunft fortsetzen wird. Als Reaktion auf die gestiegene Anzahl von Paketlieferungen, haben viele Logistik­unter­nehmen mit der Automatisierung des Logistikprozesses begonnen. Daher ist heutzutage schon ein hoher Automatisierungs­grad in vielen Bereichen der Paketlogistik erkennbar. Dies gilt allerdings nicht für die sogenannte „Last-Mile“ der Paketlogistik, auf welcher die Zustellung der Pakete an die Empfänger erfolgt. Für den Vorgang der Paketzustellung werden in urbanen Zentren aktuell primär Zusteller in Fahrzeugen mit Verbrennungs­motor eingesetzt. Dies ist sowohl personal– als auch kostenintensiv. Ein weiteres Problem, vor allem in urbanen Zentren, ist das stetig wachsende Verkehrs­aufkommen und die daraus resultierende Umweltbelastung. Im Projekt VanAssist wird erforscht wie bereits vorhandene Technologien genutzt, kombiniert und weiterentwickelt werden können, um den Automatisierungs­grad der Paketzustellung zu erhöhen und gleichzeitig die Belastung der Umwelt zu reduzieren.

Projektlaufzeit
1. Oktober 2018 bis 30. Juni 2021

Projektbudget
Das Projekt umfasst ein Gesamtbudget von ca. 4,3 Mio. Euro. Es wurde durch das Bundes­ministerium für Verkehr und digitale Infrastruktur (BMVI) mit einer Fördersumme von rund 2,7 Mio. Euro gefördert. Das InES erhielt 456.596 Euro und hat sich mit zwei Mitarbeitern an der Forschung über die gesamte Projektlaufzeit beteiligt.

Forschungs­ziel

Das Institut für Enterprise Systeme (InES) der Universität Mannheim hat sich im Projekt VanAssist hauptsächlich mit der intelligenten und effizienten Kooperation zwischen Zusteller und autonomem Zustellfahrzeug im Outdoor-Bereich beschäftigt. In diesem Kontext wurden vor Allem zwei Aspekte der Kooperation betrachtet. Zum einen die mobile Interaktion und Kommunikation des Zustellers mit dem Zustellfahrzeug während der Paketzustellung im Rendezvous-Modus und zum anderen die intelligente und automatisierte Navigations­assistenz in Form von Routen­optimierungs­algorithmen für die optimale Planung einer Zustelltour.

Mobile Interaktion und Kommunikation zwischen Zusteller und Zustellfahrzeug
Für die mobile Interaktion und Kommunikation des Zustellers mit dem Zustellfahrzeug wurde eine mobile Smartphone Applikation entworfen die es einem Zusteller während einer Zustelltour zu jeder Zeit ermöglicht mit dem Zustellfahrzeug zu interagieren und aktuelle Fahrzeug­informationen einzusehen. Die wesentliche Herausforderung hier war es ein möglichst effizientes Interaktions­design für eine Zustellung im Rendezvous-Modus zu erarbeiten.

Berechnung einer optimalen Zustellroute im Rendezvous-Zustellmodus
Im Bereich der optimalen Berechnung einer Zustellroute stellt der neuartige Rendezvous Zustellmodus ebenfalls die größte Herausforderung dar. Das sich aus diesem Modus ergebende Optimierungs­problem unter­scheidet sich signifikant von den bisher in der wissenschaft­lichen Literatur betrachteten Optimierungs­problemen, da zusätzliche Entscheidungen bezüglich der Kooperation von Zusteller und Fahrzeug erforderlich sind (zum Beispiel wo treffen sich Fahrzeug und Zusteller, etc.). „Im Projekt wurde für dieses neuartige Optimierungs­problem ein heuristischer Lösungs­ansatz, welcher auf der Kombination von verschiedenen Maschinellen Lern­verfahren basiert, entwickelt und evaluiert“, freut sich Dr. Christian Bartelt, Projektleiter und Geschäftsführer des Institut für Enterprise Systeme (InES) an der Universität Mannheim. „Die Evaluation hat außerdem gezeigt, dass eine Zustellung im Rendezvous-Modus die für eine Zustelltour benötigte Zeit signifikant reduzieren kann.“ In diesem Kontext konnte das InES wertvolle Erfahrungen in Bezug auf die Verwendung von Maschinellen Lern­verfahren im Kontext von Routen­optimierungs­problemen sammeln, die auch in weiteren Forschungs­projekten gewinnbringend eingesetzt und vertieft werden sollen.

Projekt­partner

  • BridgingIT GmbH
  • DPD Deutschland GmbH
  • Hochschule Offenburg – Institut für verlässliche Embedded Systems und Kommunikations­elektronik
  • IAV GmbH – Ingenieur­gesellschaft Auto und Verkehr
  • Ibeo Automotive Systems GmbH
  • NFF, Technische Universität Braunschweig – Institut für Fahrzeugtechnik
  • NFF, Technische Universität Clausthal – Institute for Software and Systems Engineering
  • Projekt-Koordinator: ZENTEC Zentrum für Technologie, Existenzgründung und Cooperation GmbH

Projekt Webseite

Projekt Ergebnisse