Das EU-Projekt TransformingTransport untersucht, wie sich aus Big Data Vorteile für Umwelt und Transporteffizienz erzielen lassen. Dabei werden verschiedene Anwendungsbereiche in Piloten unter die Lupe genommen. Wie am Beispiel des Piloten Sustainable Connected Trucks verlorene Zeit wiedergefunden und Kosten gespart werden können, erläutert Jasmin Graf, die den Piloten von PTV-Seite aus betreut.

Wert von Big Data für die Logistik

Eines der Ziele des Projekts ist es, anhand konkreter mess- und verifizierbarer Beispiele den Wert von Big Data für die Logistik zu zeigen. Wie sieht das Beispiel im Piloten Sustainable Connected Trucks aus?

Jasmin Graf: Durch die Analyse von Big Data wollten wir herausfinden, wie sich Lieferzuverlässigkeit und Termintreue verbessern lassen bzw. wo unnötig Zeit verloren geht. Logistikdienstleister, Flottenbetreiber und natürlich auch das Fahrpersonal stehen im Tagesgeschäft oft unerwarteten Situationen gegenüber, beispielsweise Staus oder lange Wartezeiten an logistischen Hotspots wie Grenzübergängen oder Flughäfen. Das weiß man natürlich aus Erfahrung und baut folglich bei der Planung Pufferzeiten ein. Aber wenn sich die ETA, also die geschätzte Ankunftszeit genauer prognostizieren ließe, könnte man unnötig lange Pufferzeiten bei der Planung sparen. Und das können je nach Anwendungsfall schon mal bis zu 17 % an Zeit sein. Diese Zeit nicht länger zu verlieren, reduziert wiederum die Kosten für Fahrzeuge und Fahrpersonal.

Zeitverluste aufspüren

Mit welchen Daten und für welchen Anwendungsfall habt ihr im Piloten gearbeitet, um herauszufinden, wo Zeit verloren geht?

Jasmin Graf: Wir haben uns im Projekt auf einen definierten Lkw-Korridor mit alternativen Routen zwischen Amsterdam und Frankfurt konzentriert. Hier haben wir Daten zu Reisezeiten, Verkehrsinformationen, Vorgänge an Flughäfen, Daten aus Routinganwendungen und viele mehr analysiert. Also sehr verschiedene Daten aus sehr unterschiedlichen Quellen. Damit wollen wir Verkehrsinformationen mit Mehrwert schaffen und präzisere Routing- und Planungsanwendungen speziell für Schwerlastflotten.

Wie viele Datenquellen muss man anzapfen, um einen Mehrwert schaffen zu können?

Jasmin Graf: Bei uns waren es insgesamt neun Quellen: drei, aus denen Satellitenbilder stammten, die für jeden Tag zu einer bestimmten Zeit die Verkehrssituation auf den Routen des Korridors oder an logistischen Hot Spots zeigten. Dann zwei Quellen unseres Partners Jan de Rijk Logistics, die Daten zu tatsächlich gefahrenen Strecken und Aktivitäten enthielten, zwei Quellen von TomTom zu Verkehrsinformationen, vom Datenprovider Axxès kamen Lkw-Daten und schließlich die Routingdaten von unserem PTV xServer. Die Informationen aus den verschiedenen Datenquellen haben wir, stellenweise auch technisch, zusammengeführt und ausgewertet. So konnten zum Beispiel GPS-Daten mit Satellitenbildern kombiniert werden, um sie abgleichen und validieren zu können.

Mehr Überblick und tiefere Einsichten

Was lässt sich aus so vielen Daten alles erkennen?

Jasmin Graf: Big-Data-Ansätze bieten mehrere Einsichten. Zunächst ist schon mal dieser unglaubliche Überblick über das große Ganze interessant, den man üblicherweise sonst nicht erhält. Man bekommt ein ganz anderes Verständnis für die Prozesse. Die historischen Daten für eine Flotte von Jan de Rijk lieferte uns wertvolle Einsichten in Zeiten, Tätigkeiten und Dauern für die einzelnen Wochentage und zu bestimmten Stunden. Wir haben u. a. Spitzen und Durchschnittsgeschwindigkeiten identifiziert. Durch den Vergleich zwischen Planung und tatsächlich gefahrenen Routen sehen wir Abweichungen und Muster. Das alles zeigt, wo man ansetzen kann, um Verbesserungen zu erreichen, beispielsweise bei einer Anpassung der Tourenplanung, um die erwartete Ankunftszeit besser zu prognostizieren.

Außerdem haben wir auch ein Dashboard entwickelt, das all diese Daten für den Korridor Frankfurt Amsterdam zeigt. Kreisdiagramme illustrieren außerdem, wie sich die Aufenthaltszeiten am Flughafen zusammensetzen. Und weitere Dashboards liefern noch tiefergehende Informationen zu einzelnen Aspekten.

Es gibt Schätzungen, nach denen sich mit Big Data in der Transport- und Logistikbranche weltweit etwa 450 Milliarden Euro einsparen lassen und 380 Megatonnen CO2. Wie realistisch erscheinen dir, nun nach gut zwei Jahren im Projekt, diese Zahlen?

Jasmin Graf: Würde man diese Analysen, die wir für einen bestimmten Korridor und eine Flotte eines einzigen Logistikdienstleisters gemacht haben für viele Korridore, Flotten und so weiter durchführen und technisch zu integrieren, so würden sich mit Sicherheit enorme Einsparmöglichkeiten ergeben.

Gut ankommen und Wartezeiten vermeiden

PTV Drive&Arrive berechnet die geschätzte Ankunftszeit (Estimated Time of Arrival, kurz ETA) von Lkws an ihren Zielorten. Die Komponente kann in die meisten Softwarelösungen für Transport-, Flotten-, und Rampen-Management integriert werden.

Über:

Ob Fußgängerfreundlichkeit, ÖPNV oder Citylogistik – Petra interessiert, wie sich Menschen und Güter nachhaltig und effizient in Richtung einer besseren Zukunft bewegen. Sie schreibt über Forschungsprojekte, urbane Logistik und Mobilitätskonzepte.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

Name