Advanced Mathematical Optimisation of Multi-Commodity Freight Flows and Resource Allocation in Transport Networks

Maurice Krauth

AutorIn

Maurice Krauth

Titel

Advanced Mathematical Optimisation of Multi-Commodity Freight Flows and Resource Allocation in Transport Networks

Zitierfähige Url:

https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-1007698

Übersetzter Titel (DE)

Erweiterte mathematische Optimierung von Multi-Commodity-Güterströmen und Ressourcenzuweisung in Verkehrsnetzen

Erstveröffentlichung

2025

Datum der Einreichung

05.02.2025

Datum der Verteidigung

05.11.2025

Abstract (DE)

Diese Dissertation untersucht fortschrittliche Optimierungsstrategien zur Verbesserung der Effizienz, Nachhaltigkeit und Resilienz von Frachtnetzwerken. Sie adressiert zentrale Herausforderungen in verschiedenen Bereichen des Transports und liefert praxisorientierte Erkenntnisse zur Ressourcenallokation, Reduzierung von Umweltauswirkungen und Sicherstellung der betrieblichen Zuverlässigkeit. Die Forschung trägt zur Weiterentwicklung nachhaltiger Frachtnetzwerke bei. Die Arbeit gliedert sich in vier zentrale Forschungsbereiche. Zunächst werden Einzelwagenverkehrsnetze untersucht, die häufig durch Kapazitätsengpässe und Überlastung geprägt sind, mit dem Ziel, Optimierungsmöglichkeiten aufzuzeigen. Strategien zur Erhöhung des Durchsatzes und zur Sicherstellung der Servicequalität werden mithilfe von Netzwerkfluss-Optimierungsmodellen entwickelt. Dadurch sollen zentrale Engpässe im Schienengüterverkehr behoben werden. Der zweite Schwerpunkt liegt auf der Ermittlung des optimalen Modalsplits zwischen Straße und Schiene im Kurier-, Express- und Paketdienst (KEP). Ein bi-modales Netzwerkflussmodell minimiert dabei Kosten im Zusammenhang mit Betrieb, Emissionen und städtischer Logistik, um wirtschaftliche und ökologische Ziele im KEP-Transport miteinander in Einklang zu bringen. Drittens wird das Management von Störungen in Einzelwagenverkehrsnetzen untersucht. Ein zeitlich-räumliches Netzwerkmodell wird entwickelt, um die Auswirkungen von Störungen auf die Zuverlässigkeit und Kontinuität des Netzwerks zu modellieren und zu minimieren. Der Ansatz quantifiziert die Auswirkungen von Störungen auf Emissionen und Netzwerkresilienz und bietet Infrastrukturmanagern sowie politischen Entscheidungsträgern wertvolle Einblicke. Viertens erweitert die Forschung ihren Fokus auf die Bodenabfertigung an Flughäfen und stellt ein neuartiges Optimierungsmodell für die Einsatzplanung von multi-qualifiziertem Personal vor. Dieses Modell berücksichtigt Ressourcenkonflikte, operative Störungen und die Notwendigkeit pünktlicher Flugzeugabfertigungen, um sowohl die Effizienz als auch die Resilienz bei der Bodenabfertigung zu verbessern. Durch die Integration dieser vielfältigen Forschungsbereiche leistet die Dissertation einen Beitrag zum besseren Verständnis von Optimierungsstrategien in Frachtnetzwerken. Sie zeigt auf, wie betriebliche Entscheidungen in verschiedenen Verkehrsträgern die Gesamtleistung von Transportsystemen beeinflussen können. Die Ergebnisse geben praktische Empfehlungen für politische Entscheidungsträger, Transportunternehmen sowie Logistikakteure und unterstreichen die Bedeutung fortschrittlicher Modellierungstechniken für das Schaffen nachhaltiger und resilienter Frachtnetzwerke. Zukünftige Forschungsvorhaben umfassen die Integration von Echtzeitdaten in Optimierungsmodelle, die Anwendung von Machine-Learning-Techniken zur Verbesserung von Entscheidungen unter Unsicherheit und die Untersuchung multimodaler Frachtsysteme zur weiteren Förderung operationeller Synergien. Diese Dissertation bietet somit eine umfassende Grundlage für die Weiterentwicklung von Güterverkehrssystemen und richtet sie an den wachsenden Anforderungen an Nachhaltigkeit und Effizienz in globalen Lieferketten aus.

Abstract (EN)

This thesis investigates advanced optimisation strategies to improve the efficiency, sustainability, and resilience of freight networks, tackling critical challenges across multiple domains of transportation. The research aims to provide practical insights into resource allocation, environmental impact reduction, and operational reliability, contributing to the advancement of efficient, sustainable, and resilient logistics systems. The study is structured into four research areas. First, it focuses on optimising single wagonload (SWL) rail transport networks, which are often constrained by congestion and limited capacity. Using network flow optimisation models, the research identifies strategies to enhance throughput while maintaining service quality, addressing key bottlenecks in the rail freight sector. Second, the thesis examines the optimal modal split between road and rail in courier, express, and parcel (CEP) networks. It develops a bi-modal network flow model that minimises costs associated with operations, emissions, and city logistics impacts, providing recommendations to balance economic and environmental objectives in CEP transport. Third, it explores disruption management in SWL networks, introducing a time-space network approach to model and mitigate the effects of disruptions on network reliability and train service scheduling. The approach quantifies the impact of disruptions on network resilience, which offers insights for infrastructure managers and policymakers. Fourth, the research extends its scope to airport ground handling operations, presenting a novel optimisation model for scheduling multi-skilled resources. This model addresses resource constraints, operational disturbances, and the need for timely aircraft turnarounds, enhancing both efficiency and resilience in airport logistics. By researching these diverse transport networks, the thesis contributes to the broader understanding of optimisation strategies in freight networks, demonstrating how operational decisions in different transport modes can influence overall system performance. The findings offer practical recommendations for policymakers, transport operators, and logistics stakeholders, emphasising the importance of advanced modelling techniques in achieving efficient, sustainable, and resilient freight networks. Future research directions include integrating real-time data into optimisation models, applying Artificial Intelligence and Machine Learning to improve decision-making under uncertainty, and exploring multimodal freight systems to enhance operational synergies. This thesis thus provides a comprehensive basis for advancing freight transport systems, aligning them with the increasing demands for efficiency, sustainability, and resilience in global supply chains.

Freie Schlagwörter (DE)

Transportnetzwerke, Optimierung, Crossmodal

Freie Schlagwörter (EN)

transport networks, optimisation, cross-modal

Klassifikation (DDC)

380

620

Klassifikation (RVK)

ZO 9000

QH 420

GutachterIn