Entwicklung eines KI-basierten Entscheidungsunterstützungssystems für planbare oder kurzfristige Störungen im ÖPNV-Betrieb

Hintergrund

Die Freiburger Verkehrsbetriebe (VAG) betreiben Straßenbahnen und
Busse in Freiburg und Umgebung. Der Betrieb dieser Verkehrsmittel ist in hohem Maße von äußeren Rahmenbedingungen im städtischen Verkehrsraum abhängig. Externe Einflüsse wie Verkehrsunfälle, Baustellen, kurzfristige Straßensperrungen oder größere Veranstaltungen können den regulären Betrieb beeinträchtigen und Einschränkungen im Liniennetz verursachen. Kurzfristige, unvorhergesehene Situationen wie Verkehrsunfälle, spontane Straßensperrungen oder erstmalige Veranstaltungen erfordern schnelle Reaktionen, um Einschränkungen im Liniennetz so gering wie möglich zu halten. Im Gegensatz dazu stehen die planbaren Ereignisse, insbesondere Baustellen. Diese sind meist langfristig angekündigt und erfordern eine frühzeitige Abstimmung sowie geeignete betriebliche Maßnahmen. In beiden Fällen müssen in der Betriebsleitstelle fundierte Entscheidungen getroffen werden, beispielsweise zur Umleitung von Linien, zur Einrichtung von Ersatzverkehren oder zur Anpassung der Taktfrequenzen, um die Auswirkungen auf den Fahrbetrieb und die Fahrgäste möglichst gering zu halten.

Ziel der Kooperation ist es, diese operativen Herausforderungen durch moderne Methoden der Künstlichen Intelligenz und des Maschinellen Lernens effizienter zu bewältigen. Die Analyse und Auswertung historischer Datenmengen bilden die Basis für lernende Verfahren. Diese kommen zum Einsatz, um schließlich ein KI-basiertes Assistenzsystem zu entwickeln, das Entscheidungsprozesse in der Leitstelle datenbasiert unterstützt, Handlungsempfehlungen bereitstellt und die Ressourcenplanung begleitet. Die Masterarbeit entsteht in Zusammenarbeit zwischen dem KIT, FZI Forschungszentrum Informatik und der VAG.

Ziele

• Analyse historischer Daten zu Störungen, Baustellen und durchgeführten Anpassungsmaßnahmen im Bus- und Straßenbahnverkehr der VAG

• Konzeption und simulationstechnische Untersuchung von Anpassungsstrategien für definierte planbare oder kurzfristige Störungsszenarien

• Bewertung der identifizierten Anpassungsstrategien

• Entwicklung eines KI-basierten Entscheidungsunterstützungssystems

• Anwendung und Bewertung des Modells anhand realer Szenarien

• Dokumentation der Arbeit und Vorstellung der Ergebnisse vor Ort

Voraussetzungen

• Interesse an Mobilität und ÖPNV Prozessen

• Grundkenntnisse in Datenanalyse, KI-Methoden und maschinellen Lernverfahren

• Erfahrung in Modellierung und Simulation

• Strukturierte Arbeitsweise

Benefits

Sammeln relevanter Praxiserfahrung, Möglichkeit zu regelmäßigen Reisen nach Freiburg, State-of-the-Art KI-Methoden und maschinelle Lernverfahren in der Anwendung