“Beim NFS Automation kann ich an einem Projekt arbeiten, das Menschen helfen könnte”

Hallo Pengbo. Sie haben vor etwa einem halben Jahr Ihr Doktorat am NFS Automation begonnen. Wie ist es bisher gelaufen?

Ich fing genau in der zweiten Welle des Coronavirus in der Schweiz an. Der Anfang war also ziemlich hart. Aber es ist inzwischen viel besser geworden (lacht).

Sie haben Ihren Bachelor- und Masterabschluss in China gemacht. Hatten Sie einen (akademischen) Kulturschock?

Keinen Schock, aber es gibt natürlich Unterschiede. Zum Beispiel die Beziehung zwischen meinem Vorgesetzten und mir. Wie ein altes chinesisches Sprichwort sagt: "Ein Lehrer für einen Tag wird ein Mentor für dein ganzes Leben sein". Vorgesetzte werden sehr verehrt, genau wie unsere Ältesten, und wenn sie dir eine Aufgabe geben, führst du sie aus. Hier gibt es mehr ein offenes Gespräch - mein Professor und ich arbeiten mehr zusammen und meine Ideen und Vorschläge spielen eine viel grössere Rolle als in China. Natürlich hängt das aber auch von den Betreuern ab.

Sie sind Teil der #NCCRWomen Kampagne, die Frauen in der Wissenschaft fördert - wie wichtig ist dieses Thema für Sie?

Sehr wichtig. In meiner Familie bin ich die einzige Frau in meiner Peergroup - alle meine Cousins sind Männer. Ich wurde oft mit Stereotypen konfrontiert. Zum Beispiel, dass Mädchen angeblich schlecht in Mathematik oder im Programmieren sind. Als ich aufwuchs, stellte ich fest, dass andere Mädchen ähnliche Erfahrungen gemacht hatten. Meine Art, dagegen anzukämpfen, bestand zunächst darin, hart zu lernen und zu zeigen, dass Frauen alles genauso gut oder sogar besser können. Ich glaube, dass Vorbilder mehr Frauen dazu inspirieren können, ihre eigenen Träume zu verfolgen. Deshalb habe ich zugestimmt, Teil der #NCCRWomen Kampagne zu sein: Wenn es da draussen Mädchen gibt, die Zweifel haben und sich diese Fragen stellen, und ich ihnen helfen kann, sie zu motivieren, es zu tun - das wäre toll.

Wie sind Sie zum NFS Automation gestossen?

Bevor ich für meine Promotion an die EPFL kam, hatte ich mich auf sehr theoretische Regelungsprobleme mit wenigen Anwendungen konzentriert. Aber ich wollte etwas machen, das die Menschen anfassen können, denn das gibt mir das Gefühl, dass meine Arbeit wirklich etwas bewirkt und anderen hilft.

Das NFS-Projekt "Mobilität der Zukunft" passte zu dieser Idee: Das Verkehrswesen ist tief in unserem Alltag verwurzelt, und das steigende Mobilitätsbedürfnis der Menschen erhöht nur seine Bedeutung. Es ist auch eine interessante Anwendung von Steuerungsmethoden. Intelligente Systeme können aufgebaut werden, die auf der Basis gesammelter Verkehrsdaten den Verkehr überwachen, steuern und seine Qualität verbessern.  Und schliesslich, da ich vor meiner Promotion sehr wenig über Verkehr wusste, ist es auch eine Gelegenheit, viel zu lernen

Worum geht es bei Ihrem NFS-Projekt genau?

Ich arbeite an einem Regelungssystem, das das räumliche Gleichgewicht von gemeinsam genutzten Fahrzeugen, wie Taxis, verbessern soll. Heutzutage fährt ein leeres Taxi normalerweise durch die Stadt und hofft, die nächsten Fahrgäste zu finden.  Auch wenn erfahrene Fahrer die Orte kennen, an denen die Nachfrage normalerweise hoch ist, kann sich dies im Laufe der Zeit ändern. Selbst Anwendungen wie Uber teilen dem Fahrer eines leeren Fahrzeugs nicht mit, wo sich die Gebiete mit hoher Nachfrage befinden. Uber bietet den Service, Fahrgäste und Taxis zusammenzubringen, Wege zu planen und so weiter. Aber es berücksichtigt nicht die räumliche Verteilung der leeren Fahrzeuge.  Auch hier verlässt sich das System auf die Erfahrung der Fahrer.

Daher könnten auch sie von einem Regelungssystem profitieren, das die leeren Taxis proaktiv dorthin schickt, wo zu einem bestimmten Zeitpunkt die Nachfrage hoch ist.Dies erhöht die Anzahl der beförderten Fahrgäste pro Zeit, reduziert die Wartezeiten für die Verbraucher sowie die Luftverschmutzung.

Wie funktioniert Ihr System?

Auf der Grundlage früherer Daten (wie Fahrgast-ID, Fahrzeit, Startpunkt, Zielort usw.) können wir eine so genannte "Nachfragefunktion" über das gesamte Stadtgebiet schätzen. Diese sagt uns, wie viele Bestellungen zu einer bestimmten Zeit und an einem bestimmten Ort getätigt werden. Die Schätzung können wir nutzen, um die Fahrer proaktiv dorthin zu lenken, wo sie am wahrscheinlichsten ihren nächsten Fahrgast finden und damit auch die gesamte Verteilung der freien Taxis ausgleichen.

Haben Sie mit Uber über Ihre Forschung gesprochen?

Nein (lacht). Wir arbeiten noch an dem Problem. Es gibt bereits einige vielversprechende Ergebnisse, aber ich denke, dass ich diese noch verbessern kann.

Wie sieht es mit anderen aus, die innerhalb des NFS zum Thema Transport arbeiten - planen Sie Kollaborationen? Und haben Sie andere Hoffnungen oder Erwartungen an den NFS?

Ich denke, da ich mich noch in der frühen Phase meines Projekts befinde und die Pandemie uns immer noch dazu zwingt, zu Hause zu arbeiten, war das bisher schwierig. Aber durch die virtuellen Kaffeepausen, in denen wir uns gegenseitig unsere Projekte vorstellen, hoffe ich, diese Gespräche in Gang zu bringen und mit anderen zusammenzuarbeiten, die an ähnlichen Projekten arbeiten.

Ein weiterer Aspekt sind die möglichen Verbindungen zur Industrie, die der NFS uns ermöglicht. Unser Wissens- und Technologietransferbeauftragter hat mich zum Beispiel auf "Mobility" aufmerksam gemacht, ein Schweizer Unternehmen, das Carsharing anbietet. Das könnte eine potenzielle Kooperationsmöglichkeit sein, die wir vertiefen können.

Treffen Sie Pengbo als Teil der #NCCRWomen Kampagne hier.

Erfahren Sie mehr über Pengbo hier.