Effiziente Angebotsplanung im Bedarfsverkehr bei volatiler Nachfrage

Effiziente Angebotsplanung im Bedarfsverkehr bei volatiler Nachfrage

Wie geht man mit volatiler Nachfrage um und plant Ressourcen entsprechend?

On-Demand Verkehre sind mittlerweile nicht mehr ausschließlich in Großstädten unterwegs, sondern befördern auch in ländlichen Gebieten und kleineren Kommunen zufriedene Fahrgäste. Solche Bedarfsverkehre können sich dort nur dann erfolgreich etablieren, wenn es gelingt das Angebot mit einer hohen Effizienz und Wirtschaftlichkeit zu betreiben.

Die Grundlage für einen solchen erfolgreichen Betrieb ist ein ausgeglichenes Verhältnis von Angebot und Nachfrage. Sie ins Gleichgewicht zu bringen ist nur anhand einer vorausschauenden realistischen Angebotsplanung möglich: Stellt man beispielsweise bei niedriger Nachfrage zu viele Fahrzeuge und Fahrten zur Verfügung, erreicht der Anbieter zwar eine sehr gute Servicequalität mit kurzen Wartezeiten und hoher Beförderungsquote. Gleichzeitig bleiben jedoch viele Fahrzeuge und Fahrer:innen unausgelastet, sodass der Betrieb entsprechend ineffizient und kostenintensiv wird. Eine zu sparsame Fahrzeugplanung bei hoher Nachfrage hat wiederum zur Folge, dass Fahrzeugauslastung und Umsatz pro Fahrerstunde steigen, während die Beförderungsquote sinkt und die Kundenzufriedenheit abnimmt. Für eine optimale Betriebsplanung müssen die zwei Parameter Nachfrage und Angebot im Detail analysiert und optimal aufeinander abgestimmt werden (siehe untenstehende Darstellung).

Angebot und Nachfrage im Verhältnis

Eine präzisierte Nachfrageprognose stellt die Basis für optimierte Betriebsabläufe

Die Basis für ein optimiertes On-Demand Angebot ist eine präzise Nachfrageprognose. Die Herausforderung besteht dabei darin, dass die Nachfrage bei On-Demand Verkehren äußerst volatil ist, wie die untenstehende Darstellung verdeutlicht. Genaue Prognosen sind daher nur möglich, wenn die entsprechenden auslösenden Faktoren erkannt und verstanden wurden. Als Beispiel soll hier der Aspekt der Saisonalität betrachtet werden. Es gibt regulär bestimmte Stunden oder Wochentage, in denen die Nachfrage deutlich höher ist als zu anderen Tages- oder Wochenzeiten. So ist die Nachfrage nachts oder am Wochenende überdurchschnittlich hoch, da meistens weniger ÖPNV-Linien zur Verfügung stehen und zugleich der Freizeitverkehr zunimmt. Auch kalkulierbare Sondereffekte, wie Feiertage, Urlaubszeiten oder Großveranstaltungen können sich ähnlich auf die Nachfrage auswirken.

Prognostizierte und reale Nachfrage je Tag auf Stundenbasis

Trotz Volatilität und genannter Sondereffekte lässt sich die Nachfrage mit der entsprechenden Erfahrung präzise, mit maximal 10% Abweichung, prognostizieren. Entscheidend für die langfristige Genauigkeit ist die konstante Analyse der Prognose mit Hilfe der sogenannten Prognosegüte. Sie gibt Aufschluss über die Prägnanz der Prognose und erlaubt, Ungenauigkeiten zu identifizieren. Die Prognosegüte stellt dadurch auch die Grundlage für die stetige Verbesserung des Modells dar. Nachdem die Nachfrage prognostiziert wurde, muss mit der Schichtplanung ein Angebot aufgestellt werden, das ein optimales Verhältnis zur Nachfrage sicherstellt.

Ungenauigkeiten und Verfügbarkeitslücken in Schichtplänen sind Kostentreiber für On-Demand Verkehre

Ausschlaggebend für die Schichtplanung sind die grundlegenden Fragen, wie viel Nachfrage bedient werden kann und soll. Zusätzlich müssen in der Planung vielfältige Faktoren berücksichtigt werden, die sich auf die Schichtplanung auswirken können. Dazu gehören beispielweise die zulässige Schichtlänge, also wie viele Schichten mit welcher Länge zur Verfügung stehen, die Übergabezeit der Fahrzeuge oder die optimierte Pausenplanung. Angesichts dieser Vielzahl an Faktoren und der Volatilität der Nachfrage gestaltet sich die Optimierung von Schichtplänen hoch komplex. Gleichzeitig treibt ein nicht optimierter Schichtplan die Kosten des Betriebs schnell in die Höhe. Übersteigt das Angebot die Nachfrage, entstehen durch die niedrige Auslastung von Fahrzeugen und Fahrer:innen direkte Kosten. Übersteigt die Nachfrage das Angebot, entstehen indirekte Kosten: Kund:innen deren Nachfrage nicht bedient wird, meiden unter Umständen zukünftig den Service und empfehlen ihn nicht weiter. Das gleiche Problem kann auch dann entstehen, wenn keine Koordinierung zwischen verschiedenen Schichten und den vorgeschriebenen Pausenzeiten stattfindet, da auch in diesen Phasen keine Fahrzeuge zur Verfügung stehen (siehe Darstellung).

Suboptimale Schichtplanung

Um alle entscheidenden Faktoren im Schichtplan bestmöglich zu berücksichtigen und gleichzeitig Schichten optimal aufeinander abzustimmen, bedarf es technischer Unterstützung. Die Lösung liegt in softwarebasierten Schichtplanungstools wie sie auch CleverShuttle entwickelt und jahrelang erprobt hat. In einem solchen Tool lassen sich die verschiedenen einflussnehmenden Faktoren als Parameter eintragen. Ein Algorithmus ermittelt anhand dieses Inputs dann automatisch einen optimierten Schichtplan. Durch eine zeitlich präzise abgestimmte Staffelung werden Verfügbarkeitslücken zwischen den Schichten und Pausen geschlossen. Eine erste Annäherung an die Nachfragekurve wird dadurch ermöglicht. Wie dargestellt, lässt sich durch die optimale Aufstellung der unterschiedlichen Schichtlängen die Nachfrage passgenau bedienen, ohne Über- oder Unterbelegungen.

Optimale Schichtplanung

Dieser optimierte Schichtplan wird dann mittels eines weiteren Tools, eines sogenannten Connectors, an die lokale Disposition oder in ein Dispositionstool übertragen. Anschließend wird seine Umsetzung mit Hilfe der Schichtplankonformität geprüft. Diese Kennzahl misst, welcher Teil der Wochenstunden den Vorgaben entsprechend gefahren wurde und zeigt, ob und wo nachgebessert werden muss.

Fazit: Für einen effizienten Betrieb müssen Nachfrageprognose und Schichtplanung optimal abgestimmt sein

On-Demand Pooling Verkehre bieten in urbanen und suburbanen Räumen eine zukunftweisende Art der flexiblen, individuellen und nachhaltigen Mobilität. Gleichzeitig ist der Betrieb von großer Komplexität geprägt und die Nachfrage stark volatil. Um einen On-Demand Verkehr also effizient und wirtschaftlich auf die Straße zu bringen, ist eine möglichst präzise Nachfrageprognose notwendig. Darauf aufbauend müssen Schichtpläne so erarbeitet werden, dass Fahrzeuge und Fahrer:innen maximal effizient eingesetzt werden und zugleich jede Anfrage bedient werden kann. Eine solche Optimierung ist nur mit Hilfe technischer Unterstützung möglich. Entscheidend ist außerdem, dass Schichtplanung und Nachfrageprognose ständig evaluiert und verbessert werden. Erst dann kann dauerhaft das Optimum zwischen Angebot und Nachfrage getroffen, und so der langfristige Erfolg eines On-Demand Verkehrs garantiert werden.

CleverShuttle Armin Raupach
Autor

Armin Raupbach

Senior Business Intelligence Manager

Armin ist seit April 2018 bei CleverShuttle und verantwortet gemeinsam mit einem Team aus Analysten den Bereich Business Intelligence und Data Science. Ein Schwerpunkt der Arbeit liegt dabei auf der Optimierung der Betriebs- und Schichtplanung unter Nutzung verschiedenster Optimierungs- und Machine Learning-Technologien.

Beitrag teilen