Der Einsatz von Künstlicher Intelligenz eröffnet Bus- und Bahnbetreibern vielfältige Möglichkeiten, ihr Mobilitätsangebot zu verbessern. Ein wichtiger Aspekt ist die Optimierung der Fahrpläne und der Routenplanung.
Intelligente Algorithmen, die in die Leitsysteme integriert sind, analysieren große Datenmengen wie Verkehrsdaten, Fahrgastströme oder historische Fahrplandaten, um optimale Umläufe und Fahrpläne zu erstellen. So können die vorhandenen Fahrzeuge optimal eingesetzt und Wartezeiten sowie Verspätungen reduziert werden. Die Disponenten werden in ihrer Arbeit wesentlich unterstützt und erhalten mehr Spielraum für die strategische Steuerung der Prozesse.
Darüber hinaus ergänzen viele Betreiber ihre Systeme um KI-Komponenten, um ihre Fahrzeugflotten noch effizienter und wirtschaftlicher prüfen und warten zu können. Dazu sammeln Sensoren in den Fahrzeugen kontinuierlich Daten, die von intelligenten Algorithmen ausgewertet werden. So können mögliche Störungen oder Wartungsbedarf frühzeitig erkannt und schnell darauf reagiert werden. Das Ergebnis: eine höhere Verfügbarkeit der Fahrzeuge und weniger Störungen im Betrieb.
Verkehrsunternehmen nutzen zunehmend Daten über die Auslastung ihrer Fahrzeuge. Entsprechende KI-gestützte Systeme sammeln und analysieren kontinuierlich die zahlreichen Informationen und ermitteln optimierte Wege zur Steuerung von Fahrgastströmen oder zum Einsatz von Fahrzeugen in auslastungsstarken und -schwachen Zeiten.
Daten: Voraussetzung für den Einsatz von KI
Aus allen Szenarien lässt sich ableiten, dass den Daten eine große Bedeutung zukommt. Ihre Verfügbarkeit ist die Grundlage für den Einsatz Künstlicher Intelligenz. Glücklicherweise sind sie bereits in großer Menge vorhanden, z. B. in Form von Sensordaten und Kennwerten aus der Fahrzeugsteuerung, in Form von Standort- und Pünktlichkeitsdaten aus RBL- und Fahrgastinformationssystemen oder aus Fahrassistenz- und Überwachungssystemen.
Die Aufgabe besteht darin, diese Daten zu sammeln, zu analysieren und intelligent aufzubereiten, so dass Veränderungen und Trends präzise und in kürzester Zeit erkennbar sind. Dies bildet die Grundlage, um Fahrtausfälle zu vermeiden und bei Störungen schnell reagieren zu können. Damit wird das ÖPNV-Angebot attraktiver, ohne dabei die Kosten in die Höhe zu treiben.
![KI-Algorithmen sorgen für optimale Ladestrategien. KI-Algorithmen sorgen für optimale Ladestrategien.](/fileadmin/_processed_/a/3/csm_20201103_114222_06eaa79f44.jpg)
Offen bleibt zurzeit noch die Frage nach den Verfügungs-, Schutz- und Nutzungsrechten an Fahrzeugdaten. Die Europäische Union hat dazu bereits den EU Data Act verfasst, der sich diesem Thema widmet.
Was bringt Künstliche Intelligenz den Fahrgästen?
Auch für Fahrgäste bietet der Einsatz von KI zahlreiche Vorteile:
- Ausgefeilte, in Apps integrierte Algorithmen sorgen z. B. dafür, dass Fahrgäste flexibel mit Bus und Bahn fahren können und ihre Anschlüsse erreichen.
- Echtzeitinformationen zur Pünktlichkeit, aber auch zur Auslastung von Bussen und Bahnen.
- Dynamische Echtzeitfahrpläne berücksichtigen nicht nur Störungen im Betriebsablauf, sondern auch Wetterdaten.
- Ein weiterer Nutzen für die Fahrgäste besteht in der Personalisierung von Dienstleistungen. Künstliche Intelligenz kann Informationen über individuelle Präferenzen und Reisegewohnheiten sammeln und personalisierte Empfehlungen für Fahrpläne, Verbindungen oder zusätzliche Services geben.
Alles in allem lässt sich der ÖPNV für die Fahrgäste mit KI deutlich komfortabler und attraktiver gestalten.
Künstliche Intelligenz ist ein Kernthema der PSI
Wir setzen uns seit vielen Jahren damit auseinander, wie wir PSI-Software durch den Einsatz von KI für unsere Kunden noch besser machen können. Viele unserer Systeme verfügen bereits über eine oder mehrere KI-Komponenten, einschließlich des Depot- (DMS) und Lademanagements (LMS).
Depot- und Lademanagement-System für E-Bus-Flotten
Basis unserer KI ist eine eigens entwickelte, qualifizierte Entscheidungsunterstützung zur Optimierung von Geschäftsprozessen (PSI Qualicision). Schon seit Jahren ist dieses Zusammenspiel bei unseren Kunden nachweislich erfolgreich im Einsatz und unterstützt sie dabei, sich von ihren Wettbewerbern abzuheben. PSI Qualicision ist im Vergleich zu anderen Algorithmen deutlich leistungsfähiger und lässt sich flexibel erweitern. Der erste Aspekt ist von maßgeblicher Bedeutung, um kontinuierlich neue Lösungen für die betrieblichen Anforderungen und sich ständig ändernden Abläufe zu finden. Der zweite Aspekt bildet das Fundament für weiteres Wachstum und Anpassungsfähigkeit.
Das DMS/LMS bietet unseren Kunden nicht nur eine breite Funktionsvielfalt, sondern ermöglicht es auch, einzelne Module zur Laufzeit individuell zu aktivieren oder deaktivieren und für jeden Betriebshof tages- und zeitabhängig zu konfigurieren. Selbst, wenn Fahrzeugengpässe nicht vermeidbar sind, erkennt die Optimierungskomponente diese selbständig und passt die Zuteilung derart an, dass nicht lösbare offene Umläufe weit in der Zukunft liegen. Hierdurch entsteht ausreichend Zeit, um gegenzusteuern, z. B. durch das vorzeitige Bereitstellen von Fahrzeugen durch die Werkstatt.
Neue Herausforderungen durch Elektromobilität
Mit der Einführung von Elektrobussen müssen zukünftig neue Einflussfaktoren beachtet werden, um einen zuverlässigen ÖPNV-Betrieb zu gewährleisten.
Dazu gehören unter anderem:
- die begrenzte Batteriereichweite,
- die Verfügbarkeit von Ladeinfrastruktur auf der Strecke oder im Betriebshof sowie
- die Außentemperatur und die Anschlussleistung.
All diese Faktoren und Abhängigkeiten berücksichtigt das integrierte DMS/LMS und sorgt dafür, dass die Fahrzeuge fertig versorgt auf ihre geplanten Fahrten gehen können. Dabei ermittelt das System KI-basiert eine optimierte Ladestrategie für jedes Fahrzeug. Es kombiniert Daten aus der Vorplanung (betriebliche Plandaten, Fahrzeug- und ITCS-Daten sowie Wettervorhersagen) mit den Daten der elektrischen Systeme (Einspeisepunkte, Trafos, Ladesäulen) und berücksichtigt dabei auch die vertraglichen Randbedingungen der Energieversorgung.
Ladevorgänge erhalten nur so viel Leistung, wie tatsächlich nötig. Bei drohender Überlast oder Einschränkungen im Energiebezug wird die Leistung so umverteilt, dass der Netzzustand wieder stabilisiert wird. Dies spart nicht zuletzt Kosten beim Strombezug und Netzanschluss.
Besonders vorteilhaft für Unternehmen ist, dass sie während des Umstellungsprozesses sowohl eine Optimierung des Tankvorgangs für konventionelle Antriebe als auch parallel eine Optimierung des Ladevorgangs für E-Fahrzeuge durchführen können. Das System bringt sämtliche damit verbundenen Anforderungen in Einklang mit den nächsten anstehenden Aufgaben.
Fazit: KI verbessert die Effizienz des ÖPNV in Zeiten des Wandels
Verkehrsunternehmen sind mehr denn je gefordert, ihre Infrastrukturen anzupassen und ihre Abläufe zu digitalisieren und zu automatisieren − möglicherweise auch schrittweise. Maschinelles Lernen und Künstliche Intelligenz sind dabei wichtige Hilfsmittel und werden die Effizienz von Mobilitätslösungen maßgeblich vorantreiben.
Hinweis in eigener Sache: Das Titelbild des Beitrags wurde mit Hilfe von KI erstellt.