Vorstudie Durchführbarkeit: Big Data und KI unterstütztes Social Distancing durch Bürger ÖPNV-Corona-Warn-Ampel und Untersuchung der Rolle des ÖPNVs in der Fallzahlentwicklung (Fahrbar)

Ressortforschung im Handlungsfeld „Digitalisierung“

Big Data und KI unterstütztes Social Distancing durch Bürger ÖPNV-Corona-Warn-Ampel und Untersuchung der Rolle des ÖPNVs in der Fallzahlentwicklung (Fahrbar)
Die „Fahrbar“ künstliche Intelligenz Belegungsvorhersage in Aktion.

Motivation

Die COVID-19-Pandemie hat die Bundesrepublik Deutschland vor viele gesamtgesellschaftliche Herausforderungen gestellt. So ist es zu Stoßzeiten in öffentlichen Verkehrsmitteln wie Bussen und Bahnen schwierig, die COVID-19-bedingten Abstandsregeln einzuhalten. Zudem verfügen COVID-19-Risikogruppen häufig über kein eigenes Transportmittel und sind daher mehrheitlich auf den Öffentlichen Personennahverkehr (ÖPNV) angewiesen.

Um den Nutzenden des ÖPNV in Deutschland Informationen zur möglichen Auslastung und somit einem potenziell erhöhten Infektionsrisiko zur Verfügung zu stellen, muss der ÖPNV in der Lage sein, erweiterte Belegungsanalysen und Vorhersagen durchführen zu können. Nur mithilfe von datengetriebenen Ansätzen ist es zukünftig möglich, ausreichend Platz für die Einhaltung von Abstandsregeln in den Fahrtmitteln anzubieten. Risikogruppen können so durch eine zuverlässige Belegungsvorhersage über ein hohes Aufkommen im ÖPNV vorzeitig informiert werden, um ihre Fahrten entsprechend zu planen.

Ziele und Vorgehen

Das Fahrbar-Vorhaben möchte eine Informations- und Analyseplattform entwickeln und bereitstellen, welche die Belegungsdaten des ÖPNV sammelt und auswertet. Im der Machbarkeitsstudie wird zuerst bestimmt ob und unter welchen Rahmenbedingungen Prognosen durchgeführt werden können. Im nächsten Schritt soll mithilfe von Methoden der künstlichen Intelligenz geprüft werden, inwiefern trotz ständig wechselnder Schwankungen die Belegungen zuverlässig vorhergesagt werden können. Anhand der Ergebnisse sollen generalisierbare Aussagen darüber gemacht werden können, ob zuverlässige Vorhersagen überhaupt möglich sind und welche Grundanforderungen an die Datenverfügbarkeit und Mechanismen der künstlichen Intelligenz bestehen.

Für die Belegungsvorhersage und -anzeige soll eine prototypische Progressive Web App entwickelt und getestet werden, die Bürgerinnen und Bürger potenziell zur Verfügung gestellt werden kann. Die Progressive Web App soll browserbasiert sein und muss somit nicht über einen App Store heruntergeladen werden.

Perspektiven für die Praxis

Über die zu entwickelnde Progressive Web App sollen Nutzende Informationen über die Auslastungen des ÖPNV erhalten, um Fahrzeiten so zu wählen, dass das eigene Infektionsrisiko möglichst verringert wird.

Weiterhin werden durch das Projekt Erkenntnisse über die Hürden und den Einsatz von künstlicher Intelligenz im ÖPNV gewonnen. Diese Einblicke sind zum einen organisatorischer Art und erlauben wichtige Rückschlüsse in Bezug auf die Verbesserung der Datenverfügbarkeit und Datenqualität. Zum anderen kann der Mehrwert von Methoden der künstlichen Intelligenz zu Belegungsvorhersagen in pandemischen Situationen bewertet werden.

Fakten zum Projekt

Projektleitung

Iunera GmbH & Co. KG
Dr.-Ing. Tim Frey
Altrottstr. 31
69190 Walldorf

Projektlaufzeit

01.12.2020 bis 31.12.2021

Ansprechperson

Dr. Mario Paterno
DLR Projektträger
projekttraeger-bmg(at)dlr.de

Stand: 25. Mai 2022

Hinweis
Sehr geehrte Damen und Herren, Sie nutzen leider eine Browser-Version, die nicht länger vom Bundesgesundheitsministerium unterstützt wird. Um das Angebot und alle Funktionen in vollem Umpfang nutzen zu können, aktualisieren Sie bitte ihren Browser auf die letzte Version von Chrome, Firefox, Safari oder Edge. Aus Sicherheitsgründen wird der Internet Explorer nicht unterstützt.