Quelle: Cargonexx
Projektbeschreibung
Pro Jahr legen schwere LKW über 30 Mrd. km auf deutschen Fernstraßen zurück. Doch jeder dritte LKW fährt rechnerisch leer. Ein signifikanter Teil dieser Leerfahrten ließe sich durch bessere Transparenz, Steuerung und Vernetzung der Marktteilnehmer vermeiden. Das Ziel war es, in einer Machbarkeitsstudie mittels neuronaler Netze den momentanen Preisalgorithmus, basierend auf dem Random Forest Modell, stark zu verbessern und auch mittels der stochastischen Modellierung des Preisbestimmungs-Problems neuartige Ansätze zu erforschen und zu testen. Eine akkurate, automatische Bepreisung zwischen den Marktteilnehmern ist essenziell, um in einem großen Netzwerk mittels automatisierter Frachtkombinationen die Leerkapazitäten zu reduzieren.
Ergebnisse und Wirkungen
Durch ein ausgiebiges Feature-Engineering wurden die Zusammenhänge zwischen den vielen Parametern (Route, Wochentage, Zeit bis zum Transport, uvm.) und den Preisen deutlicher herausgearbeitet und auch neue starke Parameter generiert.
Es wurden mehrere Ansätze von neuronalen Netzen entwickelt und optimiert, um zu prognostizieren, ob ein gegebener Preis aktuell angenommen wird und auch um den Preis aus den Parametern zu bestimmen.
Die Algorithmus Ergebnisse zur Bestimmung der aktuellen Preisattraktivität können genutzt werden, um Annahmewahrscheinlichkeitsverteilungen über Preise zu generieren. Dies ist aktuell in einem Preis-Live-Updating Algorithmus implementiert und in Anwendung.
Es wurde festgestellt, dass die Performance der neuronalen Netze in Ensembles mit anderen Algorithmen des maschinellen Lernens (z.B. SVM, Lasso, Random Forest,…) noch einmal stark verbessert werden kann.
- Ebenfalls wurde festgestellt, dass die Performance der neuronalen Netze auf Routen, auf welchen sehr viele Datenpunkte vorhanden sind, äußerst gut ist, diese aber auf Routen mit weniger Daten Performancenachteile haben.
| Zuwendungsempfänger | Cargonexx GmbH, Hamburg
|
| Projektvolumen | 140.200 € (davon 70 % Förderanteil durch BMDV) |
| Projektlaufzeit | 05/2018 - 11/2018 |
| Ansprechpartner | Cargonexx GmbH Tom Krause |