Express Kurier. Direkt.
Auch Overnight.
x25pronto Schweiz bringt Ware direkt ans Ziel. Für kleine Ware fährt ein Auto. Für mehr Platz gibt es Transporter oder XL. Direkt, Express und Overnight fahren von Montag bis Sonntag. Freie Zeiten stehen im Kalender.
Cluster-Methoden für städtische Sammelrouten
Wie reduziert man Tourzahlen für städtische Abholrouten? Wir vergleichen K‑Means, DBSCAN und geografische Heuristiken und zeigen, wie Disponenten in Zürich, Basel und Genf Routen effizienter planen.
Kurzantwort
Kurzantwort: Verwenden Sie eine kombinierte Strategie. K‑Means ist schnell für gleichmässig verteilte Abholpunkte. DBSCAN erkennt dichte Cluster und Ausreisser. Geografische Heuristiken (z. B. Grid- oder Voronoi-basiert) berücksichtigen Strassenstruktur und liefern praktischere Tourbegrenzungen. In der Praxis reduziert eine Hybridlösung Tourzahlen und Fahrtzeit am effektivsten.
Warum Clustering für Sammelrouten?
Clustering fasst nahe Abholorte zusammen. Das reduziert Stopps pro Tour und verkürzt die Fahrzeit. Disponenten können so festlegen, welche Aufträge in einer Tour kombiniert werden dürfen. Das ist besonders wichtig in Städten wie Zürich, Basel und Genf, wo Dichte und Verkehrsregeln Touren beeinflussen.
K‑Means: schnell und skaliert gut
K‑Means teilt Punkte in eine vorgegebene Anzahl k Gruppen. Es ist rechensparsam und funktioniert gut, wenn Abholpunkte gleichmässig verteilt sind und Sie eine Zielanzahl an Touren haben. Nachteile: K‑Means ignoriert geographische Barrieren (Flüsse, Bahngleise) und empfindet sich an Ausreisser. Verwenden Sie K‑Means, wenn Sie grobe Touraufteilungen brauchen und danach mit Routenoptimierung verfeinern.
DBSCAN: dichtebasierte Cluster und Ausreissererkennung
DBSCAN gruppiert Punkte nach Dichte. Es erkennt natürliche Ballungen und markiert isolierte Aufträge als Ausreisser. Vorteil: Sie erhalten Cluster mit realistischen Dichten in Innenstadtbereichen. Nachteil: Parameter (Epsilon, MinPts) sind empfindlich und müssen für jede Stadt oder Zeitfenster justiert werden. DBSCAN hilft, Hotspots zu identifizieren, die in separaten Touren eingesammelt werden sollten.
Geografische Heuristiken: Grid, Voronoi und Strassennetze
Geografische Methoden nutzen räumliche Strukturen: Gitterzellen (Grid) oder Voronoi-Polygone schaffen einfache Gebietsgrenzen. Noch präziser ist die Clusterung entlang des Strassennetzes, wenn Sie OSM-Daten oder lokale Karten nutzen. Diese Ansätze respektieren natürliche Trennungen und liefern praktischere Tourgrenzen für Fahrer.
Praktische Hybrid-Strategie
In der Praxis empfehlen wir folgende Reihenfolge: 1) Hotspots mit DBSCAN erkennen. 2) Grobe Touranzahl per K‑Means aufteilen. 3) Grenzen mit einem Strassennetz-Overlay justieren oder Grid-Zellen nutzen. 4) Feintuning durch eine Routenoptimierung (TSP-heuristik, Time Windows berücksichtigen). So koppeln Sie Robustheit mit Betriebsrealität.
Kennzahlen zur Bewertung
Messen Sie Wirkung mit klaren KPIs: durchschnittliche Stops pro Tour, Fahrzeit pro Tour, ungeplante Umwege, Auslastung pro Fahrzeug. Testen Sie Cluster-Parameter in A/B-Tests für verschiedene Stadtteile wie Zürich Kreis 4, Basler Innenstadt oder Genfer Vororte.
Häufige Fragen
Wie viele Cluster soll ich wählen?
Das hängt von Fahrzeuganzahl, Kapazität und Servicezeitfenstern ab. Starten Sie mit der gewünschten Touranzahl (k) und passen Sie basierend auf Kapazitätsgrenzen an.
Wie wähle ich DBSCAN-Parameter?
Bestimmen Sie Epsilon aus der typischen Nachbarskapsel (z. B. 200–500 m in innerstädtischen Gebieten). Setzen Sie MinPts abhängig von erwarteter Dichte, z. B. 3–6. Evaluieren Sie mit Silhouette-Score oder direkten KPIs.
Wann sind geografische Heuristiken besser?
Wenn Strassen, Wasserläufe oder operative Regeln natürliche Trennungen schaffen. Auch bei stark unterschiedlicher Punktdichte liefern sie praktischere Gebiete.
Wie teste ich die Methoden ohne Betriebsrisiko?
Nutzen Sie historische Auftragsdaten und simulieren Sie Touren. Führen Sie Pilotwochen in ausgewählten Quartieren durch und vergleichen Sie KPIs vor und nach der Umstellung.