Neues Modell optimiert Elektrofahrzeug-Routen für die Kühlkettenlogistik
Ein bahnbrechendes Forschungsprojekt aus China bietet eine innovative Lösung für eines der drängendsten Probleme der modernen Stadtlogistik: die effiziente und nachhaltige Zustellung temperatursensibler Güter. Ein Team von Wissenschaftlern unter der Leitung von He Meiling von der Jiangsu University hat ein neuartiges Modell entwickelt, das es ermöglicht, mehrere Temperaturzonen – von Raumtemperatur über gekühlt bis hin zu tiefgefroren – mit einem einzigen Elektrofahrzeug (EV) zu transportieren. Diese „Mehrtemperatur-Ko-Distribution“ (Multi-Temperature Co-Distribution, MTCD) könnte die Kosten senken, die Fahrzeugflotten verkleinern und den ökologischen Fußabdruck der letzten Meile erheblich reduzieren.
Die Studie, die in der renommierten Fachzeitschrift Journal of Jiangsu University (Natural Science Edition) veröffentlicht wurde, stellt einen signifikanten Fortschritt im Bereich des Elektrofahrzeug-Routing-Problems (EVRP) dar. Während herkömmliche Modelle oft auf die Optimierung von Fahrten mit einheitlicher Temperatur abzielen, berücksichtigt dieses neue Modell die komplexe Realität des städtischen Lebens, in dem Einzelhändler und Verbraucher eine große Vielfalt an frischen Produkten in kleinen Mengen verlangen. Die aktuelle Praxis, für jede Temperaturklasse einen separaten Kühlwagen einzusetzen, ist nicht nur kostspielig, sondern führt auch zu einer Unterlastung der Fahrzeuge und einem Anstieg des Verkehrsaufkommens und der Emissionen.
Das Kernstück der Innovation liegt in der Kombination aus intelligenter Verpackungstechnologie und einem hochentwickelten Optimierungsalgorithmus. Statt auf energieintensive, mechanische Kühlsysteme zu setzen, die spezielle, teure Fahrzeuge erfordern, nutzt das Modell sogenannte „Akkukühler“ (coolers) in isolierten Behältern. Diese Phase-Change-Materialien (PCM) werden vorab gekühlt und können dann über einen längeren Zeitraum eine konstante Temperatur in ihrem jeweiligen Fach innerhalb eines herkömmlichen, batteriebetriebenen Lieferwagens aufrechterhalten. Dieser Ansatz, oft als „passive Kühlung“ bezeichnet, macht die Technologie kostengünstiger und zugänglicher, da Standard-Elektrofahrzeuge für den Einsatz qualifiziert sind.
Die wissenschaftliche Leistung der Arbeit liegt jedoch nicht nur in der praktischen Anwendung, sondern vor allem in der mathematischen Präzision des entwickelten Modells. Die Forscher formulierten das Problem als EVRP-MTCD-STW, wobei „STW“ für „Soft Time Windows“ (weiche Zeitfenster) steht. Dieser Aspekt ist entscheidend für die Realitätsnähe. Im Gegensatz zu „harten“ Zeitfenstern, bei denen eine Lieferung außerhalb eines streng definierten Zeitraums als Fehlschlag gilt, erlauben weiche Zeitfenster eine gewisse Flexibilität. Kommt ein Fahrzeug vor oder nach dem idealen Zeitpunkt an, entstehen keine harten Strafen, sondern variable Anreiz- oder Pönalitätskosten. Dies spiegelt die tatsächliche Praxis wider, wo ein früherer oder späterer Liefertermin zwar unerwünscht, aber nicht katastrophal ist. Das Modell berücksichtigt diese Kosten ebenso wie den kritischen Faktor des Produktverderbs, der direkt von der Verzögerung und den Temperaturschwankungen abhängt.
Das Ziel des Modells ist die Minimierung der Gesamtkosten, die sich aus fünf Hauptkomponenten zusammensetzen: Fahrzeugnutzungskosten, Transportkosten (abhängig von der zurückgelegten Strecke), Kühlkosten (basierend auf der Anzahl der verwendeten Akkukühler), Ladekosten und schließlich die kombinierten Anreiz- und Verderbskosten. Diese ganzheitliche Betrachtung hebt die Studie von reinen Routenoptimierungen ab und bindet die logistische Effizienz direkt an die Produktqualität und Kundenzufriedenheit.
Um dieses komplexe Optimierungsproblem zu lösen, das Millionen von möglichen Routenkombinationen umfasst, entwickelten die Forscher einen verbesserten Ameisenkolonie-Algorithmus (Improved Ant Colony Algorithm, IACO). Der klassische Ameisenkolonie-Algorithmus (ACO) ist eine heuristische Methode, die vom Nahrungssuchverhalten echter Ameisen inspiriert ist und auf der Ablagerung und dem Lesen von „Pheromonen“ auf virtuellen Pfaden basiert, um gute Lösungen zu finden. Allerdings neigt er dazu, in lokalen Optima stecken zu bleiben und eine langsame Konvergenz zu zeigen.
Das Team von He Meiling adressierte diese Schwächen durch eine mehrschichtige Verbesserung. Zunächst wurde der ACO mit dem 2-opt-Algorithmus kombiniert. Dieser lokale Suchalgorithmus analysiert die aktuell beste gefundene Route, wählt zwei Kanten aus und „dreht“ den Pfadenabschnitt dazwischen um. Wenn die neue Route kürzer ist, wird sie übernommen. Dieser Schritt verbessert die Qualität der Lösung iterativ und hilft, aus suboptimalen Routen auszubrechen.
Darüber hinaus führten die Forscher drei neuartige, problembezogene Faktoren in die Entscheidungsregeln der „digitalen Ameisen“ ein, um die Suche gezielter zu steuern. Der erste ist die „Einsparungsmatrix“ (savings matrix), die es den Ameisen ermöglicht, Knoten zu priorisieren, deren Verbindung die Gesamtstrecke am stärksten verkürzt. Der zweite Faktor ist der „Wartezeitfaktor für das Zeitfenster“, der Ameisen belohnt, die Kunden ansteuern, bei denen die erwartete Wartezeit aufgrund einer zu frühen Ankunft minimal ist. Der dritte und besonders relevante Faktor ist der „Einflussfaktor für Tiefkühlprodukte“. Er gibt Ameisen einen Anreiz, Kunden mit einem hohen Anteil an gefrorenen Waren früher auf der Route zu bedienen, da diese Produkte am empfindlichsten sind und der Verderb bei Verzögerung am kostspieligsten ist. Diese Kombination aus globaler Suche (ACO), lokaler Verbesserung (2-opt) und fachspezifischer Heuristik macht den IACO äußerst leistungsfähig.
Die Gültigkeit und Überlegenheit des Modells und des Algorithmus wurden in zwei umfangreichen Simulationsstudien nachgewiesen. Die erste Studie nutzte die weltweit anerkannten Solomon-Benchmark-Datensätze, eine Standardreferenz in der Verkehrs- und Logistikforschung. Die Ergebnisse zeigten, dass der IACO in der Lage war, Lösungen zu finden, die mit den bekannten besten Lösungen konkurrieren oder sie sogar übertreffen. Insbesondere im Fall des RC101-Datensatzes erreichte der IACO eine Verbesserung von 1,083% gegenüber der bekannten optimalen Lösung, was die überlegene Suchfähigkeit des Algorithmus unterstreicht.
Die zweite und entscheidendere Studie verglich direkt die traditionelle Einzeltemperatur-Zustellung mit dem neuen Mehrtemperatur-Ko-Distributionsmodell. Auf Basis des RC101-Datensatzes wurden 30 Kunden und 20 Ladestationen simuliert. Die Ergebnisse waren eindrucksvoll. Die herkömmliche Methode, die separate Flotten für Raumtemperatur-, Kühl- und Tiefkühlgüter erforderte, benötigte insgesamt 11 Fahrzeuge, um alle Lieferungen zu erledigen. Das neue Modell hingegen erledigte dieselbe Aufgabe mit nur 5 Fahrzeugen – eine Reduzierung um mehr als die Hälfte (54,5%).
Dieser dramatische Rückgang der Fahrzeuganzahl hat weitreichende Konsequenzen. Er bedeutet nicht nur eine erhebliche Einsparung bei den Anschaffungs- und Wartungskosten der Flotte, sondern auch bei den Personalkosten und dem Platzbedarf für Fahrzeuge und Ladestationen. Noch beeindruckender ist die Auswirkung auf die Ladeinfrastruktur. Während die traditionelle Methode 6 Ladestopps erforderte, um die Flotte am Laufen zu halten, kam das optimierte Ko-Distributionsmodell mit nur einem einzigen Ladestopp aus. Diese Effizienzsteigerung ist entscheidend für die praktische Umsetzbarkeit in Städten, wo Ladestationen knapp und teuer sind.
Die Gesamtkostenanalyse ergab, dass die optimierte Ko-Distribution eine Gesamtkosten von 2.731,53 Yuan (ca. 350 Euro) erzielte. Diese Zahl umfasst alle Faktoren von Fahrzeugnutzung und Energieverbrauch bis hin zu möglichen Anreizen und Verderbskosten.
Ein weiterer faszinierender Aspekt der Studie ist die Analyse der Auswirkungen der Breite der weichen Zeitfenster. Die Forscher untersuchten, wie sich die Gesamtkosten verändern, wenn die akzeptablen Lieferzeiten von 50% über die ideale Spanne hinaus auf das Doppelte (200%) erweitert werden. Die Ergebnisse zeigten eine klare Tendenz: Mit zunehmender Flexibilität der Zeitfenster sank die Anzahl der benötigten Fahrzeuge. Bei einer Erweiterung um 100% erreichte die Fahrzeuganzahl ihr Minimum von 5. Eine weitere Erweiterung führte nicht zu einer Reduzierung der Fahrzeuge, senkte aber die Gesamtkosten weiter, da die Anreizkosten von einer Strafe zu einer Belohnung wurden und die Verderbskosten aufgrund früherer Ankünfte sanken. Dies ist eine wertvolle strategische Erkenntnis für Logistikunternehmen: Die Bereitstellung flexiblerer Lieferzeiten für Kunden kann zu erheblichen Kostensenkungen führen, ohne die Servicequalität zu beeinträchtigen.
Die Implikationen dieser Forschung sind weitreichend. Für Logistikdienstleister bietet das Modell einen klaren Fahrplan, um ihre Kühlkettenoperationen nachhaltiger und profitabler zu gestalten. Die Reduzierung der Fahrzeuganzahl und der Ladevorgänge führt direkt zu niedrigeren Betriebskosten und einer besseren Auslastung der vorhandenen Ressourcen. Für Stadtplaner und Umweltbehörden unterstreicht die Studie die Vorteile von EV-basierten Lösungen für die letzte Meile. Die Reduzierung der Fahrzeugkilometer (VKT) trägt zu weniger Staus, geringerer Lärmbelastung und einer Verbesserung der Luftqualität bei.
Die Arbeit von He Meiling, Fu Wenqing, Han Xun und Wu Xiaohui ist ein Paradebeispiel für interdisziplinäre Forschung, die Ingenieurwissenschaften, Informatik und Wirtschaftswissenschaften verbindet. Sie bietet eine praktikable, datengestützte Antwort auf die Herausforderungen der urbanen Mobilität im 21. Jahrhundert. In einer Zeit, in der die E-Commerce-Nachfrage explodiert und die Klimaziele immer dringlicher werden, ist die Entwicklung intelligenter, grüner Logistiklösungen von entscheidender Bedeutung. Dieses Modell liefert einen konkreten Bauplan dafür.
Ein weiterer wichtiger Aspekt ist die Verwendung passiver Kühltechnologie. Durch den Verzicht auf komplexe, mechanische Kühlsysteme wird die Technologie nicht nur energieeffizienter, sondern auch kostengünstiger und damit für kleinere und mittlere Unternehmen zugänglich. Diese Demokratisierung der Kühlkettenlogistik könnte dazu beitragen, den Zugang zu frischen Lebensmitteln in unterversorgten Stadtteilen zu verbessern.
Abschließend lässt sich sagen, dass diese Forschung einen bedeutenden Beitrag zur Zukunft der städtischen Logistik leistet. Sie zeigt, dass durch die intelligente Kombination von bewährter Technologie (Elektrofahrzeuge, PCM-Kühlung) und fortschrittlicher Algorithmenforschung ein System geschaffen werden kann, das effizienter, kostengünstiger und umweltfreundlicher ist. Es ist ein Modell für eine nachhaltige urbane Mobilität, das nicht nur den Transport von Waren optimiert, sondern auch einen Beitrag zur Lebensqualität in unseren Städten leistet.
He Meiling, Fu Wenqing, Han Xun, Wu Xiaohui, School of Automotive and Traffic Engineering, Jiangsu University; Intelligent Policing Key Laboratory of Sichuan Province, Sichuan Police College; Department of Transportation Management, Sichuan Police College. Journal of Jiangsu University (Natural Science Edition), DOI: 10.3969/j.issn.1671-7775.2024.06.002