Optymalizacja kwantowa w transporcie publicznym: wnioski z berlińskiego hackathonu kwantowego

W dniu 5 marca 2026 r. w Change Hub w Berlinie odbył się wielki finał Quantum Hackathon, podczas którego zespoły zajmujące się obliczeniami kwantowymi z całej Europy spotkały się, aby stawić czoła rzeczywistym wyzwaniom przy użyciu najnowocześniejszego sprzętu i algorytmów kwantowych. Wydarzenie to pełniło funkcję zarówno konkursu technicznego, jak i prezentacji tego, w jaki sposób podejście kwantowe zaczyna wspierać rozwiązywanie bardzo złożonych problemów przemysłowych. Nagrody, w postaci kredytów na obliczenia kwantowe, wręczył niemiecki sekretarz stanu Severin Fischer, co podkreśliło rosnące znaczenie instytucjonalne berlińskiego ekosystemu kwantowego.

Nasz zespół, Beerantum, zajął trzecie miejsce w klasyfikacji generalnej i drugie w konkursie optymalizacji kwantowej. Projekt dotyczył jednego z najbardziej uporczywych wąskich gardeł w mobilności miejskiej: planowania systemu zmian kierowców na dużą skalę.

Problem: programowanie jako wyzwanie kombinatoryczne

BVG, operator transportu publicznego w Berlinie, zatrudnia ponad 16 000 pracowników i każdego dnia obsługuje kluczowe dla miasta trasy. Za tą niezawodnością kryje się niezwykle złożone wyzwanie programistyczne. Przy 150 kierowcach, wielu liniach autobusowych, czterotygodniowym harmonogramie i dziesiątkach tysięcy segmentów zmianowych liczba możliwych kombinacji wzrasta astronomicznie. Klasyczne podejścia dość dobrze radzą sobie z najbardziej rygorystycznymi ograniczeniami, ale zwykle nie biorą pod uwagę wymiaru ludzkiego – preferencje kierowców, wzorce zachowań i indywidualna dostępność są często pomijane w procesie optymalizacji.

Ignorowanie tego wymiaru ma realne konsekwencje. Wewnętrzne prognozy BVG sugerują, że ponad 4300 pracowników odejdzie z firmy do 2033 r. tylko z powodu przejścia na emeryturę, a rotacja spowodowana indywidualnymi decyzjami jeszcze bardziej pogorszy sytuację. A planowanie, które nie uwzględnia preferencji, tylko przyspieszy ten trend.

Podejście kwantowe

Zastosowaliśmy model kwadratowej optymalizacji binarnej bez ograniczeń (QUBO), w którym binarne zmienne kodują przypisania kierowców do segmentów, twarde ograniczenia operacyjne są oznaczone jako kary, a preferencje kierowców jako nagrody. Model QUBO zapewnił rozwiązanie przy użyciu algorytmu Kipu Quantum, Bias-Field DCQO, opracowanego w Kipu Quantum Hub.

Przepływ pracy wykracza daleko poza kwantowy rdzeń. Faza wstępnego przetwarzania pozwoliła przeanalizować segmenty rotacji, stworzyć wykresy konfliktów i wykorzystać metodę klastrowania DBSCAN na 16 zmiennych behawioralnych w celu zidentyfikowania archetypów kierowców, ograniczając przestrzeń preferencji i zmniejszając liczbę wywołań API o 80%. Adaptator niewiadomych, łączący detektor anomalii oparty na Isolation Forest z predyktorem popytu opartym na procesach Gaussowskich, dynamicznie określał, czy danego dnia jest wymagana nowa optymalizacja kwantowa, czy też można zastosować wstępnie obliczony archetyp. Przetwarzanie końcowe objęło korektę wykonalności i ocenę preferencji, zapewniając zastosowanie twardych ograniczeń w wyniku końcowym.

Rezultatem był klasyczno-kwantowo-klasyczny przepływ pracy: klasyczna inteligencja na początku i końcu oraz kwantowe wyszukiwanie pośrodku.

Implikacje dla innych obszarów

Jednym z najcenniejszych aspektów pracy nad takim problemem jest zrozumienie stopnia uogólnienia, na jaki pozwala dana architektura. Te same ramy QUBO można naturalnie zastosować do planowania systemów zmianowych w szpitalach, planowania załóg linii lotniczych, logistyki ostatniej mili oraz obsługi sieci energetycznych. Proces zarządzania niewiadomymi można przenosić między różnymi domenami poprzez proste zastąpienie źródła cech.

Z ekonomicznego punktu widzenia ostrożnie prognozowana poprawa wydajności planowania o 2% w skali BVG przekłada się na około 18 milionów euro rocznie. Planowanie dostosowane do preferencji, pomimo że pozwala zmniejszyć tylko część dobrowolnych rotacji, zapewnia dodatkowe oszczędności w skali roku wynoszące od 2 do 4 milionów euro. Nasz projekt wykazał realną ścieżkę od TRL 4 do pilotażowego projektu produkcyjnego na poziomie TRL 6 w ciągu 24 miesięcy, zgodnie z planem sprzętowym Kipu.

Patrząc w przyszłość

Berliński Quantum Hackathon potwierdził, że optymalizacja kwantowa ewoluuje od teorii do praktycznych zastosowań. Wyzwania są realne, dane są realne, a sprzęt – choć wciąż w fazie rozwoju – jest już w stanie obsługiwać znaczące hybrydowe przepływy pracy.

Doświadczenie to wzmocniło podstawową ideę: systemy kwantowe, które działają w praktyce, to te zaprojektowane z myślą zarówno o rygorze operacyjnym, jak i ludzkiej złożoności. To właśnie tej równowagi dotyczą najbardziej interesujące problemy inżynieryjne.

Pomost do trwających badań

Wyzwania optymalizacyjne badane podczas Hackathonu w naturalny sposób łączą się z pokrewnymi, trwającymi już projektami. W ramach projektu Q-Mind GMV prowadzi badania nad algorytmami kwantowymi stosowanymi w złożonych zadaniach dotyczących planowania, takich jak optymalizacja tras, programowanie robotów i koordynacja konstelacji satelitów, w celu zapewnienia rozwiązań w czasie rzeczywistym w obszarach, w których klasyczne podejścia mają pewne ograniczenia. Proces planowania zmian opracowany przez nas w Berlinie, z modelem QUBO, zarządzaniem niewiadomymi oraz hybrydową strukturą klasyczno-kwantową, jest w pełni zgodny z tą linią badań. Jest to ograniczony, ale namacalny przykład tego, w jakim kierunku zmierza optymalizacja kwantowa: od konkursów proof-of-concept do integracji z systemami planowania, od których faktycznie zależy kluczowa infrastruktura.