Die Volkswirtschaft

Plattform für Wirtschaftspolitik

Dieser Artikel ist Teil des Schwerpunkts «Künstliche Intelligenz auf dem Vormarsch»

Bestmile revolutioniert Mobilität

Autonome Fahrzeugflotten ermöglichen effizientere Mobilitätssysteme. Die Technologie des Lausanner Start-ups Bestmile eignet sich insbesondere für den öffentlichen Verkehr.

Auch die ÖV-Branche testet die Software des Start-ups Bestmile. SBB-Chef Andreas Meyer in einem selbstfahrenden Shuttle in der Stadt Zug. (Bild: Keystone)

Abstract lesen...

Autonome mobile Fahrzeugdienste basieren massgeblich auf künstlicher Intelligenz (KI). Nebst Aufgaben wie Steuern, Bremsen und Tanken finden bei einem solchen Mobilitätsdienst auch flottenbezogene Aufgaben wie das Fahrzeugaufgebot und die Streckenplanung automatisiert statt. Eine Herausforderung ist es, dass Verhalten der Fahrgäste zu antizipieren, damit keine längeren Wartezeiten entstehen. Das Westschweizer Start-up Bestmile bietet Softwarelösungen an. Derzeit laufen Tests in verschiedenen Städten weltweit.

Wann verkehren autonome Fahrzeuge auf unseren Strassen? Werden sie wirklich funktionieren? Wird es zu Unfällen kommen? Solche Fragen stellen sich viele Leute im Zusammenhang mit selbstfahrenden Fahrzeugen.

Oft geht bei solchen Debatten allerdings vergessen: Es gibt einen Unterschied zwischen den Fahrzeugen und den Dienstleistungen, die damit möglich werden. Will man einen intelligenten Mobilitätsdienst schaffen, dann reichen autonome Fahrzeuge allein nicht aus. Um Passagiere auf Abruf abzuholen, an ihr Ziel zu bringen, auf dem Weg gegebenenfalls noch andere Passagiere mitzunehmen, braucht es ein intelligent orchestriertes System.

Effiziente Fahrzeugnutzung

Ziel der meisten Mobilitätsdienstleistungen ist es, mit möglichst wenigen Fahrkilometern möglichst viele Personen zu befördern. Denn je effizienter ein System ist, desto höher sind auch die Einnahmen. Um die Businessvorgaben des Betreibers einzuhalten und den Fahrgästen ein angenehmes Fahrerlebnis zu garantieren, sind komplexe Entscheidungstools nötig, die sich unter anderem auf künstliche Intelligenz (KI) und moderne Algorithmen stützen.

Mehrere Modelle und Simulationen zeigen, dass mit solchen Tools hervorragende Ergebnisse erzielt werden können. Forschende der Universität Texas erstellten Computermodelle, um die Leistung einer autonomen Fahrzeugflotte auf kurzen Distanzen rund um Austin zu berechnen. Dabei fanden sie heraus, dass ein von mehreren Fahrgästen verwendetes Flottenfahrzeug neun Privatfahrzeuge mit jeweils nur einem Fahrer beziehungsweise einer Fahrerin ersetzen kann. Die Wartezeiten betrugen zwischen 20 Sekunden und 5 Minuten.

Unsere eigene Simulation mit der «Bestmile Fleet Orchestration Platform» für die Stadt Chicago ergab, dass 400 sechsplätzige Flottenfahrzeuge mit Wegzeitverlängerungen von nur 3 bis 6 Minuten 99,7 Prozent aller Taxifahrten der gesamten 2700 Fahrzeuge umfassenden Taxiflotte abdecken könnten. Die Möglichkeit, durch KI die Anzahl Fahrzeuge um den Faktor sieben zu verringern, zeigt das Potenzial dieser Technologie auf.

Wer muss wohin?

Wie lässt sich ein vollwertiger Mobilitätsdienst von Fahrzeugen auf Abruf aufbauen? In erster Linie braucht es dazu eine Flotte, deren Fahrzeuge auf intelligente Art und Weise zusammenarbeiten. Die Flottengrösse muss dabei auf die Nachfrage der Fahrgäste abgestimmt sein, und es gilt die Vorgaben zur Fahrtdauer und zu den Wartezeiten möglichst ressourceneffizient auszuschöpfen. Dank automatisierter Operationen und künstlicher Intelligenz befinden sich die Fahrzeuge zum richtigen Zeitpunkt am richtigen Ort.

Bei einer autonomen Flotte finden auf das Fahrzeug bezogene Aufgaben wie Steuern, Bremsen und Tanken automatisiert statt. Auch die Flotte betreffende Aufgaben wie das Fahrzeugaufgebot und die Streckenplanung sind intelligent gesteuert.

Wie aber weiss ein autonomes Fahrzeug, wohin es fahren soll, auf welchem Weg und wohin es sich danach begeben soll? Bei einem automatisierten Mobilitätsdienst werden diese Entscheidungen von der Flottenorchestrierungs-Software getroffen, die Fahrgastanfragen den verfügbaren Fahrzeugen zuordnet und die Fahrzeiten und Routen berechnet. Die Software wertet gleichzeitig Livedaten sowie bereits gesammelte Daten der Fahrzeuge und Fahrgäste aus und nutzt diese Daten als Grundlage für die zu treffenden Entscheidungen.

Die Grundlage für diese automatisierten Entscheidungen bilden Prognosedaten zu den erwarteten Buchungszahlen. Dank maschinellem Lernen lassen sich Echtzeitbuchungen und frühere Buchungsdaten analysieren. Diese Informationen werden dann mit weiteren Kontextdaten wie dem Verkehrsfluss verbunden, um die Fahrzeiten zu berechnen. Aufgrund solcher Prognosedaten steuern die KI-Algorithmen letztlich die Fahrzeuge.

Die Automatisierung mag bei einem einzelnen Fahrzeug, das einen einzelnen Passagier befördern soll, vielleicht simpel erscheinen. Sobald es aber um grosse Fahrzeugflotten und Hunderte, wenn nicht sogar Tausende Passagiere geht, sind diese Operationen alles andere als simpel.

Höchstwartezeit definieren

Damit eine grosse Flotte effizient funktioniert, müssen die Grundeinstellungen optimal gewählt werden. So gilt es die Vorgaben des Betreibers bezüglich Passagierzahlen und Fahrtkilometer zu erfüllen – und gleichzeitig muss man den Anforderungen der Fahrgäste in Bezug auf Zweckmässigkeit und Zeitaufwand gerecht werden. All diese Vorgaben müssen definiert und verwaltet werden. Beispielsweise kann die Software so programmiert werden, dass möglichst viele Passagiere gemeinsam befördert werden – wobei im Voraus festgelegte Höchstwartezeiten und maximale Wegzeitverlängerungen eingehalten werden müssen.

Zudem müssen die Fahrzeuge gestützt auf die Buchungsprognosen optimal positioniert werden. Beispielsweise müssen sie immer wieder verschoben werden, um die Auslastung der Flotte und die Einnahmen zu maximieren. KI hilft hier bei der Wahl der besten Standorte.

Weiter sind beim effizienten Matching von Fahrzeugen und Fahrgästen mehrere Faktoren zu beachten. Entscheidend sind nebst den Fahrgastzahlen und Strecken auch die Fahrzeiten, die freien Sitzplätze in einem Fahrzeug und der Ladezustand der Batterien. Wenn eine Fahrzeit zu einer Überschreitung der vom Betreiber festgelegten maximalen Wegzeitverlängerung führt, wird eine Anfrage abgelehnt. Beim Fahrzeugaufgebot schliesslich müssen die Fahrpläne für die Fahrzeuge anhand der Matching-Ergebnisse aktualisiert werden. Die Flottenorchestrierungs-Software sendet dann Instruktionen an das Fahrzeug.

Da autonome Flotten bisher erst vereinzelt zum Einsatz kommen, gibt es nur wenige Beispiele für die KI-gestützte Flottenorchestrierung. In Europa testen einige Verkehrsbetriebe – in der Schweiz beispielsweise in Sitten, Marly FR, Genf und Zug – autonome Shuttles auf Kurzdistanzen. Auch Autohersteller wie Renault in Frankreich führen Tests mit autonomen Flotten durch. Um die Praxistauglichkeit der KI-Tools weiter zu verbessern, sind jedoch noch weitere Testversuche nötig.

Das Potenzial intelligenter Fahrzeugflotten besteht ganz klar darin, Verkehrsüberlastungen in Städten zu reduzieren, womit gleichzeitig die Umweltverschmutzung verringert und die Lebensqualität verbessert werden kann.

Unternehmenschef und Co-Gründer, Bestmile, Lausanne

«Unternehmen des Jahres»

Das Westschweizer Start-up Bestmile bietet eine Plattform für Fahrzeugflotten an, die mittlerweile in Städten auf drei Kontinenten im Einsatz ist. Getestet wird die Plattform auch für autonome Fahrzeugflotten im öffentlichen Verkehr. Bestmile wurde 2014 als Spin-off der Eidgenössischen Technischen Hochschule Lausanne (EPFL) gegründet – heute arbeiten in den Büros in Lausanne und San Francisco insgesamt über 60 Personen. Dieses Jahr zeichnete die Cleantech Group das Jungunternehmen als europäisches «Unternehmen des Jahres» aus. In der jüngsten Finanzierungsrunde vom vergangenen August konnte sich Bestmile Gelder im Umfang von 16,5 Millionen Dollar sichern.

Unternehmenschef und Co-Gründer, Bestmile, Lausanne