Reduzierung der Wartezeiten in Parksystemen durch die Vorhersage des Benutzerverhaltens
Das Paderborner Unternehmen Lödige Industries ist ein weltweit führender Anbieter von Logistiksystemen. Ihr Schwerpunkt liegt auf Flughafenlogistik, automatische Parklösungen sowie Aufzugslösungen und Produktionslogistik.
Herausforderung
Beim Ein- und Ausparken ihrer Fahrzeuge in dem vollautomatischen Parksystem RESPACE müssen Nutzer:innen je nach Position ihres Fahrzeugs mit Wartezeiten von einer bis zu mehreren Minuten rechnen.
Lösung
Ein Vorhersagemodell soll mithilfe von Machine Learning die Positionierung der Fahrzeuge effizienter gestalten, indem Zeitpunkte der Ein- und Ausparkvorgänge prognostiziert und Verschiebungen automatisch initiiert werden.
Mehrwert
Durch dieses Projekt wird die Effizienz der Parkplatznutzung und des Parkprozesses gesteigert. Gleichzeitig wird die Kundenzufriedenheit durch die Reduzierung von Wartezeiten erhöht.
Das Parksystem RESPACE von Lödige Industries bietet Nutzer:innen die Möglichkeit ihr Fahrzeug vollautomatisch ein- und auszuparken, indem diese von Software gesteuerten Schiebepaletten gelagert werden. Das hat den Vorteil, dass deutlich mehr Fahrzeuge auf der vorhandenen Fläche untergebracht werden können, als bei konventionellen Parkhäusern. Das RESPACE-System bietet die Möglichkeit des Aufladens von Elektrofahrzeugen für alle Stellplätze. Es eignet sich besonders für
Wohn- und Geschäftsgebäude, bei denen Parkplatzmangel oder Platzknappheit vorherrschen. Die zu parkenden Fahrzeuge werden auf speziellen Paletten in einer Übergabekabine abgestellt und mittels eines Hebers in das meist unterirdische Parksystem gefördert. Die installierten Fördermodule erlauben eine Bewegung der Palette mit dem Fahrzeug in Längs- und / oder Querrichtung. Um eine hohe Stellplatzdichte zu erlangen, wird die Anzahl unbelegter Fördermodule möglichst geringgehalten.
Mehr Komfort durch weniger Wartezeit
Aktuell variiert die Ein- und Ausparkdauer des RESPACE Systems zwischen einer und mehreren Minuten, abhängig davon, wo sich das Fahrzeug im Parksystem befindet. Die Nähe zum Bedienungsstand oder dem Heber verkürzt die Wartezeit. Größere Entfernungen erfordern mehrere Verschiebungen und führen somit zu längeren Wartezeiten. Da die Nutzerzufriedenheit stark von der Wartezeit bis zur Fahrzeugbereitstellung abhängt, wollen die Partner des Transferprojekts eine Minimierung dieser Zeitspanne erzielen. Besonders in geschlossenen Benutzergruppen wie Wohn- oder Bürokomplexen ist davon auszugehen, dass Parkvorgänge eine gewisse Regelmäßigkeit aufweisen. Kennt das System diese Muster, kann es die Fahrzeuge entsprechend positionieren, um die Wartezeiten für Nutzer:innen zu minimieren.
Unser Ziel in diesem Projekt ist einerseits die höhere Zufriedenheit unserer Nutzer:innen und andererseits die effizientere Nutzung des Systems durch die Optimierung der Parkprozesse. Dafür setzen wir auf die KI-Expertise im Kompetenzzentrum.– Dr. Tobias Wennekamp, Lödige Industries GmbH
Mithilfe von KI Parkvorgänge vorhersagen
Um dieses Ziel zu erreichen, werden KI-Modelle mithilfe von Daten trainiert, um die Zeitpunkte der Ein- und Ausparkvorgänge der Nutzer:innen zu prognostizieren. Diese Daten stammen sowohl aus der Steuerungssoftware in Form von historischen Ein- und Auslagerungen und Uhrzeiten, ergänzt durch weitere öffentliche Quellen für Informationen zu Wochen- und Feiertagen. Dabei speichert und verarbeitet die Steuerung keine persönlichen Nutzerdaten. Stattdessen arbeitet das KI-Modell mit einer abstrakten Car-Owner-ID. Die Zuordnung der ID erfolgt nur außerhalb des Systems, beispielsweise durch die Hausverwaltung oder den Parksystembetreiber. Dies ist insbesondere im Hinblick auf den Datenschutz wichtig. In einem Simulationsmodell, welches an die reale Steuerungssoftware von Lödige Industries angebunden ist, wird der Algorithmus anschließend getestet und evaluiert. Ein weiterer Schritt sieht vor, dass die Nutzer:innen ihr Nutzerverhalten durch eine App proaktiv mitteilen, indem sie voraussichtliche Ausparkzeiten angeben. Bei der Verarbeitung dieser Daten muss allerdings das Risiko berücksichtigt werden, dass die tatsächlichen Ausparkzeiten nicht mit den in der App angegebenen Zeiten übereinstimmen. Dies würde zu einer reduzierten Gesamtperformance des Systems und einem Ungerechtigkeitsempfinden anderer Nutzer:innen führen. Zusätzliche Fahrzeugbewegungen könnten zudem zu einem erhöhten Energieverbrauch führen.