Obtaining, improving and evaluating spatio-temporal information for efficient solutions of mobility problems

Rottkamp, Lukas (2025): Obtaining, improving and evaluating spatio-temporal information for efficient solutions of mobility problems. Dissertation, LMU München: Fakultät für Mathematik, Informatik und Statistik

Abstract

Optimization of street traffic lowers costs and reduces environmental harm. In order to obtain efficient routes, mobility services, such as automated route planners using digital street maps, are now ubiquitous. Adding real-time information regarding the constantly changing state of the environment brings further improvements. Due to the environment’s complexity, especially the large number of independent actors, this spatio-temporal data is non-deterministic and thus must be obtained through sensors. However, obtained information is often not perfect. For example, observation gaps may result from incomplete sensor coverage. A reduced sensor set may even be intended, as a trade-off between mobility service quality and associated cost must be made. This trade-off also extends to other characteristics of mobility services, e.g., the amount of vehicles necessary for providing the service. Solving such trade-offs is an important part of optimizing street traffic. In order to optimize traffic, this thesis investigates how mobility problems can be efficiently solved using real-time information. As the installation and maintenance of sensors to obtain such information comes with a cost, methods for selecting locations of stationary sensors are compared. A method with higher cost efficiency than previously existing solutions is introduced. Mobile sensors can be an alternative to stationary sensors. As their coverage area is dynamic, imputation methods to obtain probabilities for unseen times and locations are presented. Further, the effects of different data qualities on solutions to mobility problems are not obvious. Thus, methods for evaluating performance of different methods and data qualities are considered. The stated contributions to the topics of obtaining, improving and evaluating data are illustrated using real-world mobility problems: The on-street parking search problem can be solved by methods that make use of real-time data. Further, cooperative multiagent planning methods using shared fleet data are presented in this thesis. Another application is the ambulance redeployment problem: Emergency medical service providers aim to reach injured persons as fast as possible. Therefore, a number of ambulances must be optimally distributed over the operational area. Previous distribution methods were designed for combustion engine vehicles. Electric ambulances, however, need significant charging times. Thus, this thesis presents a novel problem formulation suitable for electric ambulances, as well as a method for solving this new problem.

Abstract

Die Optimierung des Straßenverkehrs senkt Kosten und schont die Umwelt. Um effiziente Routen zu finden, sind Mobilitätsdienste wie automatisierte Routenplaner auf Basis digitaler Straßenkarten mittlerweile allgegenwärtig. Zusätzliche Echtzeitinformationen über den sich ständig ändernden Zustand der Umgebung bringen weitere Verbesserungen. Diese räumlich-zeitlichen Informationen sind aufgrund der komplexen Umgebung, insbesondere der Vielzahl unabhängiger Akteure, nicht deterministisch und müssen daher durch Sensoren erfasst werden. Die erfassten Daten sind jedoch oft nicht perfekt. Beispielsweise können durch unvollständige Sensorabdeckung Beobachtungslücken entstehen. Eine reduzierte Anzahl von Sensoren kann sogar gewollt sein, denn es muss ein Kompromiss zwischen der Qualität von Mobilitätsdiensten und damit verbundener Kosten gefunden werden. Dieser Zielkonflikt besteht auch im Hinblick auf andere Eigenschaften von Mobilitätsdiensten, etwa der Anzahl dafür benötigter Fahrzeuge. Die Lösung dieser Zielkonflikte ist ein wichtiger Teil der Optimierung. Um den Straßenverkehr zu optimieren, untersucht diese Dissertation, inwiefern Mobilitätsprobleme effizient unter Verwendung von Echtzeitdaten gelöst werden können. Da Installation und Betrieb von Sensoren mit Kosten verbunden sind, werden Methoden zur Auswahl von Standorten für stationäre Sensoren behandelt. Mobile Sensoren können eine Alternative zu stationären Sensoren sein. Da deren Abdeckungsbereich dynamisch ist, werden Methoden zur Abschätzung unbeobachteter Zeiten und Orte vorgestellt. Weiterhin sind die Auswirkungen verschiedener Datenqualitäten auf die Lösungen von Mobilitätsproblemen nicht offensichtlich. Daher wird betrachtet, wie die Güte verschiedener Methoden und Datenqualitäten bewertet und verglichen werden kann. Die genannten Beiträge zu den Themenfeldern Beschaffung, Verbesserung und Evaluation von Daten werden mit realen Mobilitätsproblemen illustriert: Die Suche eines freien Straßenparkplatzes kann mittels Methoden, die Echtzeitdaten verwenden, effizient gelöst werden. Weiterhin werden Planungsmethoden für kooperative Multiagentensysteme, die Flottendaten gemeinsam nutzen, vorgestellt. Eine weitere Anwendung ist die Positionierung von Rettungswagen: Betreiber von Notfalldiensten möchten verletzte Personen schnellstmöglich erreichen. Eine Anzahl von Rettungswagen muss daher optimal im Einsatzgebiet verteilt werden. Bisherige Methoden dafür wurden auf Fahrzeuge mit Verbrennungsmotoren ausgelegt. Elektrische Rettungswagen benötigen allerdings signifikante Ladezeiten. Daher wird in dieser Arbeit eine neue Problemdefinition samt Lösungsmethode für die Positionierung elektrischer Rettungswagen vorgestellt.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Themengebiete: 000 Allgemeines, Informatik, Informationswissenschaft ; 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
• Fakultäten: Fakultät für Mathematik, Informatik und Statistik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 11. Juli 2025
• 1. Bericht­erstatter:in: Schubert, Matthias