Prognose und Visualisierung von Belegungsdaten auf Basis KI-gestützter Analyse und Echtzeitdaten im ÖPNV – NV-ProVi

Die Attraktivitätssteigerung des ÖPNV und die Reduktion von CO2-Emissionen in der Bekämpfung des Klimawandels werden von Politik und Wissenschaft als wesentliche Erfolgsfaktoren für eine nachhaltige Veränderung der Mobilität gesehen. Innovative Lösungen und schnell verfügbare Informationen zur Belegung und aktuellen Verspätungszeiten sind für Kunden des ÖPNV nur selten verfügbar – sei es, um zu erfahren, ob genügend Sitzplätze auf der gewünschten Strecke verfügbar sind, das Fahrrad noch mittransportiert oder eine Anschlussverbindung aufgrund eines verspäteten Fahrzeugs erreicht werden kann. An dieser Stelle muss eine Lösung geschaffen werden, welche den Komfort des Individualverkehrs erhält und diesen mit den Vorteilen des öffentlichen Personennahverkehrs verbindet.

Quelle: NV-ProVi_Logo.png

Ziel des Vorhabens ist es, ein lernendes System zu entwickeln, welches ÖPNV-Nutzern zu jeder Zeit eine möglichst genaue Prognose über Belegung und Pünktlichkeit der Busse und Bahnen auf ihrer geplanten Route zur Verfügung stellt. Diese Informationen sollen in ansprechender, intuitiver Form über eine Live-Map des Rhein-Main-Verkehrsverbundes visualisiert werden. Such- und Filterfunktionen sowie Routenkriterien sollen Fahrgästen ermöglichen, ihre individuelle Route möglichst nah an den eigenen Anforderungen zu planen und die Nutzung des Nahverkehrsangebots somit attraktiver zu machen.

Die Fahrzeugsysteme der ÖPNV-Verkehrsmittel liefern beständig Daten zur aktuellen Position (GPS), Belegung (Ein- und Ausstiege) und zeitlichen Abweichung vom Soll-Fahrplan. Diese Daten werden um Echtzeitinformationen angereichert und Daten aus weiteren Quellen wie lokalen Großveranstaltungen, Ferienzeiten oder Wetterinformationen in einen sog. Data-Lake mit aufgenommen. Mithilfe Künstlicher Intelligenz und Big Data-Technologien werden auf dieser Datenbasis Echtzeit-Prognosen zu Kapazitätsauslastung und zeitlichen Verzögerungen im Vergleich zum Soll-Fahrplan erstellt. Die so entstehende dynamische Echtzeit-Prognose wird mithilfe einer leistungsfähigen und flexibel erweiterbaren Schnittstelle über eine Live-Map visualisiert und den ÖPNV-Endkunden verfügbar gemacht.