Einstellungen für Cookies und Datenerfassung

Wir setzen auf unserer Website technisch notwendige Cookies ein. Diese sind dazu da, um die Sitzung aufrecht zu erhalten sowie Ihre Angabe zu dieser Hinweisfunktion für diese und weitere Sitzungen zu speichern. Sie können diese Cookies in Ihren Browsereinstellungen kontrollieren und verwalten.

Bitte entscheiden Sie darüber hinaus, welche weiteren Cookies sie zulassen wollen:

Cookies für Statistik:  Wir nutzen Google Analytics, um die Zugriffe auf unserer Website zu analysieren und damit das Angebot zu verbessern. Dazu werden Daten zur Website-Nutzung anonymisiert an Google übertragen.

Mehr Informationen finden Sie auf den Seiten Impressum und Datenschutz, wo Sie diese Einstellung auch später wieder ändern können.

Urban Air Mobility: Optimierte Infrastruktur und Flottengrößen für die dritte Dimension

Ein datengetriebener Ansatz für die Optimierung von Landeplatzpositionierungen und Flottengrößen für Urban Air Mobility.

Getrieben durch technologische Fortschritte im Bereich elektrischer VTOL-Flugzeuge (vertical take-off and landing) hat sich der Einsatz von Lufttaxis zu einer perspektivischen Mobilitätsform im urbanen Raum entwickelt, z.B. für innerstädtische On-Demand Punkt-zu-Punkt-Angebote, Flughafen-Shuttles, Überlandtransporte sowie für Logistikanwendungen und den medizinischen Transport. Hierzu bildet die „Special Condition for VTOL“ (EASA, Juli 2019) den rechtlichen Rahmen für die Zulassung und Zertifizierung von durch Piloten gesteuerte Lufttaxis. Dies treibt die aktuelle Entwicklung der mehr als 100 am Markt existierender Projekte von Startups sowie etablierten Unternehmen.

Neben den regulatorischen Fragen und der Sicherheit müssen für den Einsatz von Lufttaxis auch weitere Fragen bezüglich Nachfrage, Flottengröße, Positionierung der Landeplätze und am Ende auch Wirtschaftlichkeit beantwortet werden. Hierzu stellen wir in diesem Insight einen auf mathematischer Optimierung basierenden datengetriebenen Ansatz vor. Am Beispiel der Stadt Chicago wird auf Basis historischer Mobilitätsdaten zunächst die Nachfrage für Lufttaxis in der Metropolregion analysiert. Anschließend werden kombinatorische Optimierungsmodelle unterschiedlicher Komplexität angewendet, um eine optimale Verteilung an Skyports und dazu passende Flottengrößen für urbane Luftmobilität abzuleiten.