Literatur-Kandidaten (Stand 2026-07-22)

Ergebnis der ersten (adversarial verifizierten) Recherche entlang der Themen-Map (forschungsdesign). Kandidaten, noch nicht gelesen/beschafft. Verifizierte Quellen werden nach Prüfung in die zentrale Bibliothek index mit finalem BibKey übernommen. BibKeys hier provisorisch (geralpha, bei Beschaffung final).

Status-Legende: ☐ offen · ⏳ beschafft · ✅ gelesen+Karte

Muss-lesen (priorisierte Startliste)

#BibKey*QuelleFeldStatus
1CKZ+25Cao et al. (2025): Robust Management of Airport Security Queues Considering Passenger Non-compliance with Chance-Constrained Optimization. arXiv:2505.057171,2,6
2AMM+18Acemoglu, Makhdoumi, Malekian, Ozdaglar (2018): Informational Braess Paradox. Operations Research 66(4):893–917. DOI 10.1287/opre.2017.1712 (arXiv:1601.02039)3,6
3War52Wardrop (1952): Some theoretical aspects of road traffic research. Proc. ICE (Primärquelle UE/SO)3
4She85Sheffi (1985): Urban Transportation Networks. Prentice-Hall (Standardwerk Traffic Assignment)3
5BLU25Boyles, Lownes, Unnikrishnan (2025): Transportation Network Analysis, Vol. I: Static and Dynamic Traffic Assignment. arXiv:2502.051823
6Mor23Morandi (2023): Bridging user equilibrium and system optimum in static traffic assignment: a review. 4OR 21. DOI 10.1007/s10288-023-00540-w3,8
7CFR18Chiti, Fantacci, Rizzo (2018): An integrated software platform for airport queues prediction. J. Air Transport Mgmt. 67:11–182
8LYL+26Lee et al. (2026): Airport Terminal Passenger Queue Forecasting … arXiv:2606.07622 (angenommen DASC 2026)5,2,1
9RT02Roughgarden, Tardos (2002): How Bad Is Selfish Routing? JACM 49(2). DOI 10.1145/506147.506153 (theoretische Grenze zentral vs. dezentral, PoA 4/3)3,4
10DK+23Dudin, Klimenok et al. (2023): Optimal Hysteresis Control … Two Servers. Mathematics 11(21):4515 (Zwei-Schwellen-Hysterese = dein FSM-Mechanismus)7
11PEP+12Piaggio et al. (2012): Noninferiority/Equivalence RCTs — CONSORT-Erweiterung. JAMA 308(24). DOI 10.1001/jama.2012.87802 (Non-Inferioritäts-Marge Δ = dein Erfolgskriterium)9

Weitere verifizierte Kandidaten

BibKey*QuelleFeldStatus
MLL+25Ma, Liao, Lin, Li (2025): Machine Learning-Based Prediction of Passenger Waiting Time During Check-in. J. Systems Science & Systems Eng. 34(6). DOI 10.1007/s11518-025-5665-95,2
FSM+21Félix Patrón, Scala, Mujica Mota, Murrieta Mendoza (2021): Airport passenger flow prediction using simulation data farming and machine learning. EMSS 2021, 165–172. DOI 10.46354/i3m.2021.emss.0231,5
TBD-JATM25(Autoren TBD) (2025): Schedule optimization and staff allocation for airport security checkpoints using guided simulated annealing and ILP. J. Air Transport Mgmt. 124, Art. 1027464

Ergänzende Primärquellen (aus der Review referenziert, noch zu verifizieren)

  • Jahn, Möhring et al.: Minimizing total travel time with limited unfairness. Computers & OR (Fairness/Constrained SO) — Feld 8.
  • arXiv:2104.00098 (AAMAS 2023, DOI 10.1007/s10458-023-09616-7) — Fairness in routing/assignment — Feld 8.

Felder 4 / 6 / 7 / 9 (Recherche Lauf 2, verifiziert)

Feld 4 — Online-Load-Balancing / Zuweisung (sehr solide, alle 3-0)

BibKey*QuelleStatus
ANR95Azar, Naor, Rom (1995): The Competitiveness of On-Line Assignments. J. Algorithms 18(2):221–237. DOI 10.1006/jagm.1995.1008
KVV90Karp, Vazirani, Vazirani (1990): An Optimal Algorithm for On-line Bipartite Matching. STOC ‘90, 352–358. DOI 10.1145/100216.100262 (RANKING, 1−1/e)
Meh13Mehta (2013): Online Matching and Ad Allocation. Found. & Trends TCS 8(4):265–368. DOI 10.1561/0400000057 (Überblick)
RT02Roughgarden, Tardos (2002): How Bad Is Selfish Routing? JACM 49(2):236–259. DOI 10.1145/506147.506153 (PoA = 4/3 bei affiner Latenz)
NRT+07Nisan, Roughgarden, Tardos, Vazirani (Hrsg., 2007): Algorithmic Game Theory. Cambridge UP. ISBN 978-0-521-87282-9 (Kap. 20 „Selfish Load Balancing”, Kap. 18 „Routing Games”)
TvR98Talluri, van Ryzin (1998): An Analysis of Bid-Price Controls for Network Revenue Management. Management Science 44(11):1577–1593. DOI 10.1287/mnsc.44.11.1577

Feld 6 — Information / Compliance / Nudging (empirisch breit, heterogen; nur Straßenverkehr)

BibKey*QuelleStatus
Bon92Bonsall (1992): The influence of route guidance advice on route choice in urban networks. Transportation 19(1):1–23. DOI 10.1007/BF01130771 (Compliance ↓ mit Vertrautheit)
AJP15Ardeshiri, Jeihani, Peeta (2015): …compliance behaviour with dynamic message sign route guidance. IET Intell. Transp. Syst. 9(7):765–772. DOI 10.1049/iet-its.2014.0164 (Determinanten; Inertia/Anchoring)
ZZM+12Zhong, Zhou, Ma, Jia (2012): …drivers’ guidance compliance behaviors under VMS. Transp. Res. A 46(9):1490–1505. DOI 10.1016/j.tra.2012.05.022 (prognosebasiert M2 > gewöhnlich M1 — stützt Arbeitsprämisse)
DHV+14Djavadian, Hoogendoorn, Van Arem, Chow (2014): …Route Choice Responses to Social Navigation. TRR 2423. DOI 10.3141/2423-07 (Compliance konditional auf Info und Anreiz; UE-vs-SO)
BCW+25Bang, Cho, Wu, Malikopoulos (2025): Route Recommendations under Learned Partial Driver Compliance. arXiv:2504.02993 (RF ~86 % Compliance-Prognose; Preprint)

Feld 7 — Hysterese / zustandsbasierte Steuerung

BibKey*QuelleStatus
DK+23Dudin, Klimenok et al. (2023): Optimal Hysteresis Control via a Queuing System with Two Heterogeneous Energy-Consuming Servers. Mathematics 11(21):4515 (Zwei-Schwellen-Hysterese — exakt dein FSM-Mechanismus)
Lib03 (zu verifizieren)Liberzon (2003): Switching in Systems and Control. Birkhäuser. ISBN 9780817642976 (Standardlehrbuch geschaltete Systeme; im Lauf nicht verifiziert)

Feld 9 — Non-Inferioritäts-/Evaluationsmethodik

BibKey*QuelleStatus
PEP+12Piaggio, Elbourne, Pocock, Evans, Altman (2012): Reporting of Noninferiority and Equivalence RCTs — Extension of CONSORT 2010. JAMA 308(24):2594–2604. DOI 10.1001/jama.2012.87802 (Definition der Marge Δ)
Bot13 (zu verifizieren)Bottou et al. (2013): Counterfactual Reasoning and Learning Systems. JMLR 14 (Off-Policy-/kontrafaktische Evaluation)
KTX20 (zu verifizieren)Kohavi, Tang, Xu (2020): Trustworthy Online Controlled Experiments. Cambridge UP (A/B-Testing von Entscheidungssystemen)

Verbleibende echte Lücken (offene Fragen aus Lauf 2)

  • Feld 6: keine feldgemessenen Compliance-Raten für Flughafen-/Terminal-Anzeigen — nur aus dem Straßenverkehr übertragene Analogien. Übertragung ausdrücklich begründen.
  • Feld 7: Stabilitäts-/Chattering-/Filippov-Theorie der Umschaltsteuerung fehlt (Dudin deckt nur den Mechanismus) → Liberzon verifizieren.
  • Feld 9: Transfer der Marge Δ auf operative Wartezeit-Metriken außerhalb der Medizin nicht formal belegt → Bottou/Kohavi + EMA-Guideline prüfen.

Ausgeschlossen (im Verifikationslauf widerlegt — NICHT zitieren)

  • IEOM Singapore 2025, 228.pdf — Feedforward-NN „88% accuracy” (Vote 0-3).
  • Ariadne-Vendor-Blog — „Wartezeit = Spurdurchsatz, nicht Länge” (Vote 1-2); nur als Motivation, nicht als Beleg.
  • Quantitative Compliance-Zahlen aus PMC7309111 (~10 Prozentpunkte; „10 von 20 Teilnehmern”) — Vote 1-2, nicht zitieren (Effektwerte nicht belastbar).
  • Fehlinterpretation der PoA-4/3-Schranke als „nicht katastrophal” (Vote 0-3) — die Schranke selbst (RT02) ist korrekt, nur diese Wertung nicht.

Caveats (vor Zitation prüfen)

  • Preprints CKZ+25 (2505.05717) & LYL+26 (2606.07622): Peer-Review-/Publikationsstatus und Metadaten final prüfen.
  • Autorenliste CKZ+25 aus der Recherche evtl. fehlerhaft geparst („Robuste”) — Original prüfen.
  • Für UE/SO Primärquellen (War52, She85) zitieren, nicht nur die Review Mor23.
  • Domain-Fit CKZ+25: steuert temporal (Ankunftsslots), Thesis räumlich (Gebäude) — Übertragbarkeit begründen.
  • Zitations-Korrektur (Lauf 2): VMS-Compliance-Arbeit = Zhong, Zhou, Ma, Jia (2012), NICHT „Xu et al.”; korrekte DOI 10.1016/j.tra.2012.05.022.
  • Zitations-Korrektur (Lauf 2): Azar/Naor/Rom korrekte DOI 10.1006/jagm.1995.1008 (nicht der Algorithmica-DOI 10.1007/s004530010051).
  • Feld-6-Analogie: alle Feld-6-Quellen betreffen Straßenverkehr, nicht Flughafen-Passagierströme — Übertragung ist Framing der Arbeit, nicht Aussage der Studien.
  • Feld 6 heterogen: AJP15/DHV+14 sind Simulator-/Labor-Pilotstudien (Determinanten, keine Feld-Raten); BCW+25 ist Preprint (86 % = Modellgüte, nicht reale Compliance-Rate).