Titelaufnahme

Titel
Applied metaheuristics for logistical challenges in congested urban areas : three essays / Gerald Senarclens de Grancy
Verfasser/ VerfasserinSenarclens de Grancy, Gerald
Begutachter / BegutachterinPferschy, Ulrich ; Vigo, Daniele
Erschienen2015
UmfangIX, 87 S. : Zsfassungen (2 Bl.) ; graph. Darst.
HochschulschriftGraz, Univ., Diss., 2015
Anmerkung
Zsfassungen in dt. und engl. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (GND)Metaheuristik / Parksuchverkehr / Ballungsraum / Metaheuristik / Parksuchverkehr / Ballungsraum / Online-Ressource
URNurn:nbn:at:at-ubg:1-83381 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Applied metaheuristics for logistical challenges in congested urban areas [0.88 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Zunehmende Überlastung von Straßen sowie ein Mangel an Parkplätzen stellen Transportunternehmen vor neue Herausforderungen. Nahezu alle Routenplaner ebenso wie relevante wissenschaftliche Artikel zu diesem Thema bauen auf die Annahme, dass stets ausreichend Platz zum Abstellen von Lastwägen vorhanden ist. Leider ist dies in der Realität vor allem in Großstädten oft nicht der Fall. In solchen Situationen ist es ratsam, Kunden rund um bekannte Parkplätze zu clustern. Zustellungen zwischen den Parkplätzen und deren zugeordneten Kunden können dann mittels eines alternativen Modus wie zum Beispiel einem Handtransportwagen erledigt werden. Daraus resultieren jedoch lange Servicezeiten in den Clustern, welche zu ineffizienten Routen führen können. Eine mögliche Lösung ist es, einzelnen Fahrzeugen mehrere Arbeiter zuzuteilen. Diese können die Zustellung ab den Parkplätzen parallelisieren. Daraus resultiert ein neues Entscheidungsproblem, welches sich mit dem Kompromiss von Kosteneinsparungen für Fahrzeuge und zusätzlichen Kosten für Arbeiter beschäftigt.Die vorliegende Arbeit präsentiert neue Algorithmen zum Zuordnen von Kunden zu Parkplätzen sowie zur Bildung effizienter Routen. Bis dato gab es noch kein Verfahren zur Zuordnung von Kunden zu Parkplätzen, wenn die Kunden Einschränkungen bei den Lieferzeiten vorgeben. Um dieses Problem effizient zu lösen, identifiziert diese Dissertation relevante Charakteristiken, Parameter und Probleme bei der Erstellung von Clustern, welche gut für das Bilden von Routen geeignet sind. Die Schwierigkeit einer mangelnden expliziten Zielfunktion für die Cluster wird mit einer Attraktivitätsfunktion gelöst. Für letztere wurde ein Feedback-Mechanismus entwickelt, welcher es erlaubt, aus den besten bisherigen Lösungen zu lernen.

Zusammenfassung (Englisch)

In ever growing urban areas, space becomes increasingly valuable. Besides worsening congestion, a lack of parking lots for trucks constitutes a problem for carriers. Virtually all routing applications as well as academic papers implicitly assume that it is possible to stop at the desired destination. However, this assumption doesn't hold if there are no parking spaces available that could fit a delivery vehicle.Given these circumstances, distribution planning requires clustering nearby customers around known parking locations. Deliveries from each parking location to its assigned customers occur by a second mode of transport. This leads to long service times at each of the clusters. However, long service times in conjunction with time windows can lead to inefficient routes as nearby customer clusters with overlapping service times may not be connected. As a consequence, assigning additional service workers to each vehicle is a strategy to reduce service times and hence permit more efficient routes. The trade-off between paying additional workers to reduce costs for vehicles and driving creates a new decision problem called the vehicle routing problem with time windows and multiple service workers (VRPTWMS).The present work introduces both clustering and routing algorithms for solving the complete VRPTWMS. At the time of this writing, no prior work describes an algorithm for combining customers to clusters with a parking space while honoring time constraints. To tackle this issue, relevant characteristics, parameters and issues when combining customers with time windows are identified. Since the clusters do not have an objective function for themselves, they are created using an intermediary attractiveness function that allows for good solutions of the combined problem. To further reduce cost and environmental impact, a feedback loop that enables the proposed heuristics to learn from past results has been developed.