Verlässlichkeit in Smart und Big Data für den öffentlichen Personenverkehr (VSB-OEP)

Forschung an Fachhochschulen mit Unternehmen (FHprofUnt)

Im Fokus der Förderlinie „FHprofUnt“ steht die Förderung anwendungsbezogener Forschungs- und Entwicklungsprojekte, bei denen Fachhochschulen mit Unternehmen kooperieren. Der gegenseitige Wissens- und Technologietransfer soll so verbessert werden.

FHprofUnt 2016: Verlässlichkeit in Smart und Big Data für den öffentlichen Personenverkehr (VSB-OEP)

Im öffentlichen Personenverkehr (ÖPV) fallen viele unterschiedliche Daten aus verschiedensten Datenquellen an. Ziel dieses Vorhabens ist die Verbesserung der Datenqualität und der Verlässlichkeit dieser Daten. Die Verarbeitungskette der Daten, deren Herkunft und geschätzte Qualität soll in Metadaten erhalten werden. Smart und Big Data Technologien werden dann im Rahmen des Vorhabens für diese Daten erprobt und angewandt, um eine Grundlage für die Optimierung der Abläufe im ÖPV zu bieten. Eine höhere Datenqualität und darauf aufbauende Smart und Big Data sowie Optimierungsmethoden verbessern die Fehlersuche und können Fehlplanung verhindern. Durch die optimierte und fortschrittliche Nutzung von ÖPV-Daten und deren Auswertung mit Big Data und Smart Data Technologien wird den Verkehrsbetrieben ermöglicht, Ursachen für Fehlplanungen und Fehlfahrten zu finden und zu beseitigen, Ursachen für Störungen im Betriebsablauf und Ausnahmesituationen zu erkennen und darauf zu reagieren. Der Einsatz von ausgewählten Big Data Methoden kann die Auswertung der Daten in Echtzeit ermöglichen und die zielgerichtete Reaktion auf Ereignisse in Echtzeit unterstützen. Mit den Smart Data und Big Data Methoden wird daher eine zunehmend kurzzyklische Optimierung, weg von der langfristigen Planung und Systemgestaltung hin zu einer direkten Optimierung im Betrieb, ermöglicht. Die Verkehrsbetriebe können dann unter anderem die Fahrzeugumlaufplanung und -wartung anpassen und optimieren. Die Ergebnisse dieses Projekts ermöglichen daher Verkehrsbetrieben, den öffentlichen Personenverkehr für ihre Fahrgäste sicherer, pünktlicher, kostengünstiger und effizienter zu gestalten.

Big und Smart Data für die Mobilität

Mobilität gilt als ein Zukunftsthema national wie weltweit. Gerade der öffentliche Verkehr spielt durch die zunehmende Urbanisierung eine immer größere Rolle.

Im öffentlichen Personenverkehr werden große Datenmengen aus unterschiedlichsten Quellen gesammelt. Unter anderem werden Abfahrts- und Ankunftszeiten, Standzeiten, Position der einzelnen Fahrzeuge, Anzahl der Fahrgäste, Ausfälle und Störungen erhoben. Die erhobenen Daten werden anschließend ausgewertet und zur Planung und somit auch zur Verbesserung des öffentlichen Personenverkehrs genutzt. Die Qualität der gesammelten Daten schwankt jedoch stark.

Diese Schwankungen haben unterschiedliche Ursachen: So kann es zu Problemen bei der Datenübertragung kommen, oder Sensoren (z.B. Standortsensoren) liefern ungenaue Werte. Dies führt zu falschen oder unvollständigen Daten und letztlich dazu, dass Informationen verworfen und bei der Planung nicht berücksichtigt werden. Dies wird dadurch verschärft, dass die gesammelten Daten aus vielen verschiedenen Quellen stammen und eine Überprüfung auf Vollständigkeit erschweren. Die manuelle Fehlersuche bei auftretenden Problemen ist meist sehr schwierig und zeitaufwendig. Bei einer großen Anzahl von Fahrzeugen und großen Liniennetzen wird der Aufwand zu groß und damit eine Bearbeitung unmöglich.

Modellierung von Verlässlichkeit und Provenance für ÖPV Daten

Das vorliegende Vorhaben befasst sich mit der Modellierung und Verbesserung der Verlässlichkeit und Datenqualität dieser Daten, um darauf aufbauend die Auswertung der Daten mit Smart und Big Data Technologien und damit die Qualität des ÖPV nachhaltig zu verbessern. Die Herkunft und Verarbeitungskette der Daten sollen in einem semantisch reichhaltigen Modell erfasst und den Daten als Metadaten mitgegeben werden, so dass auf dieser Grundlage Fehler erkannt und auch behoben werden können. Eine automatische Behebung von Fehlern oder eine entsprechende Kennzeichnung möglicherwiese falscher oder unvollständiger Daten sollen dann in der Planung und Optimierung mit einbezogen werden. Kennzeichnungen könnten auch bereits bei der Analyse miteinbezogen werden. Darauf aufbauend werden dann intelligente, automatische Analysemethoden, Big Data und Smart Data Ansätze auf diesen Daten eingesetzt und die Planungsansätze optimiert. Die erforschten Methoden sollen im Projekt auch auf ihre Einsatzfähigkeit in Echtzeit und auf Echtzeitdaten erprobt werden. Insgesamt können mit diesen Ansätzen bessere Planungsergebnisse für den öffentlichen Personenverkehr erreicht werden.

Der nichtgeförderten industriellen Drittmittelgeber INIT GmbH beteiligt sich finanziell und bringt Wissen aus über 15 Jahren mit in das Projekt ein. Die INIT arbeitet unter anderem an elektronischen und informationstechnischen Systemen für den öffentlichen Personenverkehr und ermöglicht im Projekt die Analyse und Umsetzung der Ansätze im realen ÖPV Umfeld durch Bereitstellung der Datenmodelle und einem Umfeld für die prototypische Integration und Evaluation der erforschten Methoden in den Systemen der INIT GmbH.

Die assoziierten Partner Karlsruher Verkehrsverbund und Verkehrsbetriebe Karlsruhe GmbH können Anforderungen und Realweltdaten direkt aus dem ÖPNV-Betrieb beisteuern und dabei sowohl Analyse als auch Evaluation im Projekt unterstützen.

Seitens der Hochschule Karlsruhe ist das Institut für Ubiquitäre Mobilitätssysteme als Forschungspartner an der Entwicklung der Datenmodelle sowie der Big Data und Smart Data Methoden beteiligt. Prof. Dr. rer. pol. habil. Sven Müller beteiligt sich an der Erforschung der datenbasierten Analyse und Optimierungsmethoden.