Entwurf eines Reinforcement Learning Agenten zur Operation eines Betriebshofes für Busse mit alternativen Antrieben

Kontext

Auf der Suche nach nachhaltigen Mobilitätslösungen spielt der ÖPNV eine entscheidende Rolle. Insbesondere bei Bussen sind aktuell noch Großteils Dieselfahrzeuge im Einsatz, die innerhalb der nächsten zwei Jahrzehnte mit geeigneten Alternativen ersetzt werden sollen. Für die Nahverkehrsbetriebe bedeutet dies aufwändige Änderungen an ihren Betriebshöfen und Betriebsabläufen. Da die Busse größtenteils spät am Abend ankommen und früh morgens fahrbereit sein müssen, wird die Lade- und Tankinfrastruktur zu einem Bottleneck. Ziel des zu trainierenden Reinforcement Learning Agenten ist es, mit den stochastisch einfahrenden Bussen, deren Zuständen (Lade-, Tankstand) und Routenplanung für den nächsten Morgen, und den verfügbaren Ressourcen (Tankstellen, Ladeplätze) Entscheidungen über das vorgehen auf dem Betriebshof zu treffen und so einen effizienten Ablauf zu ermöglichen.

Ziele der Arbeit

• Erstellen des stocahstischen Profils für Busse
• Auswahl einer geeigneten Kostenfunktion
• Training eines RL Agenten

Voraussetzungen

• Erfahrung in Python
• Kenntnisse in Maschinellem Lernen (Reinforcement Learning ist ein Plus)
• Motivation und Interesse am selbstständigen Lösen von technischen Problemen