Ziel/Beschreibung

Das Projekt VGI newMIND strebt mittels des Einsatzes Künstlicher Intelligenz eine Analyse und Optimierung des ÖPNV Netzes und des ÖPNV-Dienstleistungsangebots in der Region Ingolstadt an.

Hierzu werden in fünf verschiedenen KI-Projekten detaillierte und zukunftsweisende Ansätze zur Verbesserung des ÖPNV, seines Angebotsumfangs und seiner Dienstleistungsqualität geprüft und umgesetzt.

Datenbasierte Analyse und Optimierung des ÖPNV-Netz

Für die Beurteilung des aktuellen Zustands eines ÖPNV-Netzes und möglicher Optimierungsansätze ist das Wissen über den Mobilitätsbedarf potentieller Nutzergruppen (insbesondere Berufspendler und Schülerinnen und Schüler) sowie die Ausrichtung des Netzes an diesem Bedarf von entscheidender Bedeutung. Im Projekt „Datenbasierte Analyse und Optimierung des ÖPNV-Netzes“ soll erforscht werden, wie Daten zu Wohn- und Arbeits- bzw. Schulorten dieser Nutzergruppen sowie die Kenntnis über deren relevante Quell-Ziel-Beziehungen sowie – im Idealfall – von Mustern und Zusammenhängen als Basis für KI-Lösungen dienen können.

Durch die Analyse soll für ÖPNV Planer sichtbar werden, welche (zusätzlichen) Touchpoints ein hohes Nachfragepotential hätten und an welchen Touchpoints sich zu welchen Zeiten und in welchem Bedarfsumfang Bedarfs-Mobilitätsströme kreuzen. Ein Abgleich des bestehenden ÖPNV-Netzes mit dem Ergebnis dieser Bedarfsanalyse ermöglicht die konkrete Darstellung von Bedarfs-Angebots-Lücken sowie die Identifikation von Schwachstellen und ungenutzten Potenzialen. Zudem werden Hinweise darauf geliefert, welches zusätzliche ÖPNV-Nutzungspotential durch Taktverkürzungen, Schnellbuslinien, Tangential-Linien oder Busanbindungen gehoben werden könnten.

Intelligente Fahrgastinformation

Die Attraktivität des ÖPNV hängt im Wesentlichen von seiner Pünktlichkeit und Zuverlässigkeit ab. Einer verlässlichen informativen Fahrgastinformation kommt dabei eine wichtige Rolle zu. Heutzutage eingesetzte Fahrgastinformationssysteme informieren häufig lediglich statisch über Ankunftszeiten der Busse. Sie berücksichtigen keine Änderungen in der wahrscheinlichen Busankunftszeit. Für Fahrgäste wäre eine dynamische Echtzeit-Schätzung, ggf. mit einer Intervallangabe, jedoch nützlich („Busankunft zwischen 15:02 und 15:06 mit 95% Sicherheit“).

Im Forschungsprojekt „Intelligente Fahrgastinformation“ soll erforscht werden, inwieweit eine Ankunftszeitschätzung der Busankunftszeit in Kombination mit einer Unsicherheitsschätzung der Ankunftszeit basierend auf GPS Daten der Busse und verschiedenen KI-Algorithmen realisiert werden kann.

Hierzu wird zu einen ein Prädiktionsmodell für die Busankunftszeiten entwickelt, das Ankunftszeiten mit Hilfe eines Deep Learning Verfahrens wie einem neuronalen Netz vorhergesagt, das, je nach Datenlage, sogar verschiedene Vorhersagevariablen wie den Wochentag, die Tageszeit, das Wetter, Baustellen etc. einfließen lassen kann.

Zum anderen wird ein KI-Modell zur Schätzung der Unsicherheiten der Busankunftszeit-Vorhersage erforscht, um gewisse Abweichungen bzw. Unsicherheiten zur tatsächlichen Ankunftszeit in Abhängigkeit von unterschiedlichen Zeiten bzw. Situation (Varianzheterogenität) in Abhängigkeit von Kontextfaktoren (Tageszeit, Wetter etc.) besser vorhersagen zu können.

Intelligente Busbeschleunigung

Die ÖPNV-Beschleunigung an Lichtsignalanlagen ist ein wichtiges Instrument zur Erhöhung der Zuverlässigkeit und der Reduktion Reisezeiten des ÖPNV. Im Wettbewerb mit dem MIV sind beides wichtige Faktoren für die Attraktivität des ÖPNV. Die aktuelle Busbeschleunigung an LSAs in Ingolstadt ist statisch und kann nicht auf aktuelle Verkehrslagen, Busverspätungen und Belegungszahlen reagieren. Dadurch entstehen sowohl Nachteile für Busse als auch den Individualverkehr. Dieser Zielkonflikte können durch eine intelligente Busbeschleunigung ausbalanciert werden, bei der mit Hilfe von KI-Verfahren schon im Vorfeld vorhergesagt werden kann, wann eine Priorisierung erfolgen soll. Dies erfordert die Verbindung von Daten und Erfahrungen aus der Praxis mit der Forschung für die Entwicklung und Evaluation verschiedener KI-Algorithmen. Im Forschungsprojekt „Intelligente Busbeschleunigung“ soll deshalb eine solche intelligente Busbeschleunigung erforscht werden. Durch die Erhebung von Verkehrslagedaten sowie Daten der Busse (Belegung, Position und Geschwindigkeit, Anmeldestatus, Verspätung) und Lichtsignalanlagendaten wird dabei mit Hilfe von Methoden der künstlichen Intelligenz ein Algorithmus für eine intelligente Busbeschleunigung entwickelt und simulativ evaluiert. Damit wird ein höherer Verkehrsfluss für Busse bei gleichzeitiger Balance mit dem Individualverkehr, weniger CO2-Verbrauch und eine höhere Pünktlichkeit der Busse angestrebt. Darüber hinaus werden gemeinsam mit allen Beteiligten Handlungsanweisungen für eine zukünftige C-IST basierte Priorisierung der Busse und damit verbundener Kommunikation von Bussen und Lichtsignalanlagen als Grundlage für eine spätere Umsetzung in der Praxis erarbeitet. Auf Basis der Ergebnisse kann die VGI, je nach technischen Konsequenzen, sowohl innerhalb der Projektlaufzeit als auch in den Folgejahren entsprechende Maßnahmen an Haltestellen und Kreuzungen im VGI-Gebiet umsetzen, die den Verkehrsfluss möglichst nicht stören und die Busreisezeit optimieren.

Digitalisierung Kundenschnittstelle

Das Projekt “Digitalisierung der Kundenschnittstellen” erforscht Methoden und Techniken, die eine automatisierte Aufbereitung von Informationen aus dem ÖPNV für die Nutzung an digitalisierten Kundenschnittstellen ermöglichen. Hierbei spielen insbesondere kooperative Mensch-Maschine Interaktionen mit natürlicher Sprache eine entscheidende Rolle. Das Forschungsprojekt trägt dazu bei, dass Fahrgäste jederzeit auf zielgerichtete Informationen des ÖPNV zugreifen können und diese nutzen können. Die Forschungsergebnisse können dann auch in die Entwicklung zukünftiger Ticketautomaten, Auskunftssysteme und persönlicher Geräte der (zukünftigen) Fahrgäste fließen. Dadurch wird die Reichweite des ÖPNV erweitert und seine Akzeptanz verbessert. Dies trägt in letzter Linie auch zur Steigerung der Nutzung des ÖPNV bei.

Hierbei werden Anforderungen an die “Digitalisierung Kundenschnittstelle” erhoben (insbesondere Daten der Interaktion zwischen Mensch und Automat), wobei zwischen Text- und Audio-Daten unterschieden wird. Fahrpläne, Wörterverzeichnisse und Formulierungen werden semi-automatisch strukturiert. Gängige Sprachäußerungen werden aufgezeichnet und für die weitere Verarbeitung aufbereitet. Diese Daten werden dienen dem Aufbau eines Grundsystems, bestehend aus einer Komponente für das Sprachverstehen und einer für das Textverstehen, welche wiederum aus einzelnen Modulen bestehen. Ein Modul dient beispielsweise für die Text-Vorverarbeitung, ein anderes der automatischen Spracherkennung. Aufbauend auf dem Grundsystem werden anschließend die Interaktionsmodelle realisiert, wobei einmal die Dialogführung und einmal die Verständlichkeit, also die Qualität und Zuverlässigkeit einer Sprachinteraktion, untersucht wird. Abschließend wird die multimodale Interaktion zwischen Mensch und Automat nach den Konzepten des “Human-centered Design” evaluiert.

Wissenschaftliche Begleitung der Bedarfsverkehre

Im Projekt „Wissenschaftliche Begleitung der Bedarfsverkehre“ sollen einerseits die geplanten Entscheidungen zu Bedarfsverkehren aus ökonomischer und aus Kundensicht bewertet werden, andererseits Empfehlungen für den weiteren Ausbau der Bedarfsverkehre getroffen werden. Um diese Bedarfsverkehre zu planen, sollen die Fragestellungen mit den Methoden des Operations Research in Abstimmung mathematisch modelliert werden. Die zugrundeliegende Struktur ist dabei ein sogenanntes Tourenplanungsproblem.

Projektpartner