cleverpendeln – Individuelle Reiseempfehlung für optimierte Auslastung & Verkehrssteuerung
Steigende Pendlerströme im Bahnverkehr bedürfen optimaler Steuerung der Passagierflüsse. In diesem Projekt wurde ein System erarbeitet, welches wagengenaue Information über die Zugsauslastungen liefert.
Seit dem Jahr 2000 sind die Pendlerströme um 30% gestiegen, bis 2040 wird ein weiterer Anstieg von 25% prognostiziert (Quelle: ARE, BFS). Dies stellt die Betreiber der öffentlichen Verkehrsinfrastrukturen vor grosse Herausforderungen. Viele Reisende während der Hauptverkehrszeiten morgens und abends beklagen sich, sie fänden keine Sitzplätze mehr und führen ihr negatives Reise-Erlebnis auf den Zuwachs der Nachfrage zurück.
Aus Sicht der Betreiber gibt es jedoch oftmals noch freie Sitzplätze, z.B. am Anfang und Ende der Züge. Für Pendler ergibt sich das Problem, dass sie zeitlich oftmals nur knapp ihren Zug erreichen und daher in den nächstmöglichen Waggon einsteigen. Sie haben keine Zeit, einen Waggon mit freien Sitzplätzen zu suchen.
Bei steigender Nachfrage sehen sich die Betreiber von öffentlichen oder privaten Verkehrsinfrastrukturen gezwungen, kurzfristige Kapazitätsverbesserungen zu erreichen. Die Kapazität der Infrastruktur ist jedoch beschränkt (Zugsdichte) und die Investitionen in Rollmaterial wirken aufgrund langer Beschaffungszyklen erst mittel- und langfristig. Fazit: Die Auslastung der bestehenden Infrastruktur muss optimiert werden.
Die Optimierung der Infrastruktur kann einerseits den optimierten Einsatz vorhandener Kapazitäten umfassen, andererseits kann über die verbesserte Steuerung der Passagierflüsse mittels besserer Kundeninformation in Echtzeit die Effizienz des vorhandenen Rollmaterials verbessert werden. Die bessere Verteilung der Passagiere innerhalb eines Zuges führt dazu, dass die Waggons effizienter eingesetzt werden und unter gewissen Bedingungen eingespart werden. Die Einsparung von Rollmaterial verbessert die ökologische Nachhaltigkeit.
Im Forschungsprojekt cleverpendeln (KTI/InnoSuisse 2015-2017) hat sich das Institut für Datenanalyse und Prozessdesign (IDP) zusammen mit dem Initiator des beschriebenen Ansatzes bzw. Projektpartner one2seven GmbH zum Ziel gesetzt, eine Methodik auszuarbeiten, welche wagengenaue Vorhersagen der Zugauslastungen liefert. Es sollen Modelle gestützt auf Data Science und Machine Learning entwickelt werden.
In diesem Projekt ist es uns gelungen, das zentrale Ziel der wagengenauen Auslastungsprognosen von Zügen mit hoher Genauigkeit zu erreichen. Die entwickelten Prognosemodelle nutzen dazu aktuelle und historische Auslastungs-Daten sowie Mitarbeiter-Feedbacks und kombiniert diese Informationen. Sie dienen einerseits dazu, den Pendlern Informationen über das Platzangebot zur Verfügung zu stellen und damit deren Reisekomfort zu steigern. Andererseits ist dies hilfreich für die bessere Verteilung der Passagiere auf dem Zug und damit eine gleichmässigere Auslastung der einzelnen Waggons.
Im Gegensatz zu den bekannten nicht-wagengenauen Auslastungsanzeigen einzelner Zugsverbindungen setzen wir für die Prognosen statistische Machine Learning-Modelle ein, welche die genannten Daten nutzen und eine sehr hohe Prognose-Qualität und Automatisierbarkeit ermöglichen. Weitere Daten (vom Verkehrsbetreiber oder von Dritten) können ohne weiteres integriert werden.
Das Modell lässt sich in Zukunft auch auf verschiedene andere Bereiche ausweiten wo die Auslastung bestehender Kapazität optimiert werden muss und mit im Prinzip nicht steuerbarer Nachfrage abgestimmt werden muss (z.B. beim Betrieb von Bahnen, Strassen, Flughäfen oder auch Parkplätzen).