VGI newMIND

Ziel/Beschreibung

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

Hierzu werden in fünf verschiedenen KI-Projekten detaillierte und zukunftsweisende Ans?tze zur Verbesserung des ?PNV, seines Angebotsumfangs und seiner Dienstleistungsqualit?t geprüft und umgesetzt.

Datenbasierte Analyse und Optimierung des ?PNV-Netz

Für die Beurteilung des aktuellen Zustands eines ?PNV-Netzes und m?glicher Optimierungsans?tze ist das Wissen über den Mobilit?tsbedarf 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 ?PNV-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 Zusammenh?ngen als Basis für KI-L?sungen dienen k?nnen.

Durch die Analyse soll für ?PNV Planer sichtbar werden, welche (zus?tzlichen) Touchpoints ein hohes Nachfragepotential h?tten und an welchen Touchpoints sich zu welchen Zeiten und in welchem Bedarfsumfang Bedarfs-Mobilit?tsstr?me kreuzen. Ein Abgleich des bestehenden ?PNV-Netzes mit dem Ergebnis dieser Bedarfsanalyse erm?glicht die konkrete Darstellung von Bedarfs-Angebots-Lücken sowie die Identifikation von Schwachstellen und ungenutzten Potenzialen. Zudem werden Hinweise darauf geliefert, welches zus?tzliche ?PNV-Nutzungspotential durch Taktverkürzungen, Schnellbuslinien, Tangential-Linien oder Busanbindungen gehoben werden k?nnten.

Intelligente Fahrgastinformation

Die Attraktivit?t des ?PNV h?ngt im Wesentlichen von seiner Pünktlichkeit und Zuverl?ssigkeit ab. Einer verl?sslichen informativen Fahrgastinformation kommt dabei eine wichtige Rolle zu. Heutzutage eingesetzte Fahrgastinformationssysteme informieren h?ufig lediglich statisch über Ankunftszeiten der Busse. Sie berücksichtigen keine ?nderungen in der wahrscheinlichen Busankunftszeit. Für Fahrg?ste w?re eine dynamische Echtzeit-Sch?tzung, 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 Ankunftszeitsch?tzung der Busankunftszeit in Kombination mit einer Unsicherheitssch?tzung der Ankunftszeit basierend auf GPS Daten der Busse und verschiedenen KI-Algorithmen realisiert werden kann.

Hierzu wird zu einen ein Pr?diktionsmodell 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. einflie?en lassen kann.

Zum anderen wird ein KI-Modell zur Sch?tzung der Unsicherheiten der Busankunftszeit-Vorhersage erforscht, um gewisse Abweichungen bzw. Unsicherheiten zur tats?chlichen Ankunftszeit in Abh?ngigkeit von unterschiedlichen Zeiten bzw. Situation (Varianzheterogenit?t) in Abh?ngigkeit von Kontextfaktoren (Tageszeit, Wetter etc.) besser vorhersagen zu k?nnen.

Intelligente Busbeschleunigung

Die ?PNV-Beschleunigung an Lichtsignalanlagen ist ein wichtiges Instrument zur Erh?hung der Zuverl?ssigkeit und der Reduktion Reisezeiten des ?PNV. Im Wettbewerb mit dem MIV sind beides wichtige Faktoren für die Attraktivit?t des ?PNV. Die aktuelle Busbeschleunigung an LSAs in Ingolstadt ist statisch und kann nicht auf aktuelle Verkehrslagen, Busversp?tungen und Belegungszahlen reagieren. Dadurch entstehen sowohl Nachteile für Busse als auch den Individualverkehr. Dieser Zielkonflikte k?nnen 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, Versp?tung) und Lichtsignalanlagendaten wird dabei mit Hilfe von Methoden der künstlichen Intelligenz ein Algorithmus für eine intelligente Busbeschleunigung entwickelt und simulativ evaluiert. Damit wird ein h?herer Verkehrsfluss für Busse bei gleichzeitiger Balance mit dem Individualverkehr, weniger CO2-Verbrauch und eine h?here 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 sp?tere 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 Ma?nahmen an Haltestellen und Kreuzungen im VGI-Gebiet umsetzen, die den Verkehrsfluss m?glichst nicht st?ren und die Busreisezeit optimieren.

Digitalisierung Kundenschnittstelle

Das Projekt “Digitalisierung der Kundenschnittstellen” erforscht Methoden und Techniken, die eine automatisierte Aufbereitung von Informationen aus dem ?PNV für die Nutzung an digitalisierten Kundenschnittstellen erm?glichen. Hierbei spielen insbesondere kooperative Mensch-Maschine Interaktionen mit natürlicher Sprache eine entscheidende Rolle. Das Forschungsprojekt tr?gt dazu bei, dass Fahrg?ste jederzeit auf zielgerichtete Informationen des ?PNV zugreifen k?nnen und diese nutzen k?nnen. Die Forschungsergebnisse k?nnen dann auch in die Entwicklung zukünftiger Ticketautomaten, Auskunftssysteme und pers?nlicher Ger?te der (zukünftigen) Fahrg?ste flie?en. Dadurch wird die Reichweite des ?PNV erweitert und seine Akzeptanz verbessert. Dies tr?gt in letzter Linie auch zur Steigerung der Nutzung des ?PNV 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. Fahrpl?ne, W?rterverzeichnisse und Formulierungen werden semi-automatisch strukturiert. G?ngige Sprach?u?erungen 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 anschlie?end die Interaktionsmodelle realisiert, wobei einmal die Dialogführung und einmal die Verst?ndlichkeit, also die Qualit?t und Zuverl?ssigkeit einer Sprachinteraktion, untersucht wird. Abschlie?end 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 ?konomischer 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.