In AP1 wird eine Anforderungskonkretisierung erfolgen. Es werden Kriterien an den Kernalgorithmus sowie an die externen Diensten, die in den Planungsassistenten zu integrieren sind, festgelegt.

Es soll ein allgemeines mathematisches Modell für die Problemstellung hergeleitet werden. Dieses soll anschließen in ein Optimierungsmodell überführt werden. In diesem Schritt sollen die Kriterien zur Optimierung des Mobilitätsbedarfs nach den Nutzerpräferenzen definiert werden. Dafür werden Umfragen sowie Experteninterviews durchgeführt. Anschließend soll der Algorithmus (siehe AP5) entwickelt werden, der basierend auf soziodemographischen Faktoren, eigenen Nutzereingaben zu Mobilitätspräferenzen und Gesundheitszielen, die Wichtigkeit von einzelnen Optimierungskriterien nutzerspezifisch abschätzt.

Jeder neue Terminantrag wird in der Neuberechnung des Mobilitätsbedarfs resultieren. Es werden Routen zwischen einander folgenden Aktivitäten berechnet. Dabei werden mehrere Anfragen an unterschiedliche Routingdienste gestellt. Nebst unterschiedlichen Modalen, wird bei manchen Routingdiensten zwischen unterschiedlichen Strategien differenziert. Eine Strategie stellt dabei die Kombination von unterschiedlichen Verkehrsmodalen dar. Wenn man zusätzlich zu unterschiedlichen Modalen und Strategien noch Wartezeiten berücksichtigen muss, wird die Anzahl der Anfragen schnell wachsen. Dies wiederum kann zu erheblichen Performance Problemen führen. Das Berücksichtigen der Wartezeiten ist wichtig, wenn man Anfragen an Routingdienste stellt, die keine Wartezeiten erlauben und immer nur die schnellste Route ab dem exakten Startzeitpunkt suchen. Dabei existiert möglicherweise eine Route mit späterem Zeitpunkt und eventuell anderem Verkehrsmodal, die schneller ist (z. B. man kann sofort mit dem Auto losfahren oder 10 Minuten später mit ICE). Um die Anzahl der gestellten Anfragen zu reduzieren soll eine Routenauswahlstrategie entwickelt werden. Dazu können soziodemographische Faktoren und eigene Eingaben der Nutzer sowie offene Mobilitätsdaten (mfund, MiD) einbezogen werden.

Das Lösen des Problems der Aktivitätenanordnung mit Routenbestimmung ist Äquivalent zu der Lösung des GATSP. Es wurden bereits Vorarbeiten in unterschiedlichen Forschungsbereichen wie Tourismus, Gesundheitswesen und Personaleinsatzplanung geleistet. Die existierenden Lösungsansätze sollen auf Erweiterbarkeit geprüft werden. Der Ansatz soll derart für den Anwendungsfall adaptiert werden, dass gleichzeitig mehrere Nutzerpräferenzkriterien bei der Routenbestimmung berücksichtigt werden können.

Im diesen Schritt soll die Architekturmuster entworfen und der Umsetzungsplan der einzelnen Komponenten des Planungsassistenten konkretisiert werden.

Die ausgewählten Algorithmen für das Lösen des GATSP Problem werden implementiert und gegeneinander verglichen. Die Hauptkriterien bei dem Vergleich werden die Performance und die Qualität der Ergebnisse darstellen. Die Qualität wird mit Hilfe der in AP2 definierten Funktion bewertet. Der beste Algorithmus wird in den Planungsassistenten integriert.

Abschließend soll die im Rahmen dieses Forschungsprojektes entwickelte Lösung evaluiert werden. Dafür sollen Nutzerumfragen durchgeführt werden, um festzustellen, ob der berechnete Tagesplan sowie Routenvorschläge den Erwartungen und Wünschen von Nutzer entspricht. Ferner soll untersucht werden, ob ein Reduktion im Verkehrsaufkommen und dementsprechend eine CO2 Einsparung zu erwarten ist.