Öffentlicher Nahverkehr: KI bewertet, wie gut Fahrpläne Störungen verkraften können
Ein kurzer Stau, eine klemmende Tür oder viele Umstiege an einer
Haltestelle: Bereits kleine Verzögerungen im Fahrplan von Bahn und Bus
können zu großen Problemen führen. Eine neue Künstliche Intelligenz (KI)
soll künftig dabei helfen, die Pläne so zu gestalten, dass sie weniger
anfällig sind. Entwickelt wurde sie von einem Team der Martin-Luther-
Universität Halle-Wittenberg (MLU), des Fraunhofer-Instituts für Techno-
und Wirtschaftsmathematik ITWM und der Universität Kaiserslautern. Die
Studie erschien im "Transportation Research Part C: Emerging
Technologies".
Das Team suchte nach einem effizienten Weg, Fahrpläne darauf zu
überprüfen, wie gut sie kleinere unvermeidliche Störungen und Verspätungen
ausgleichen können. In der Fachsprache wird das die Robustheit von
Fahrplänen genannt. Bislang waren für solche Fahrplanoptimierungen
aufwendige Computersimulationen nötig, die die Reiserouten für eine
Vielzahl von Fahrgästen unter verschiedenen Szenarien errechneten. Eine
einzige Simulation kann dabei schnell mehrere Minuten Rechendauer
benötigen. Für eine Fahrplanoptimierung sind jedoch viele Tausend solcher
Simulationen nötig. "Mit unserem neuen Verfahren ist es möglich, die
Robustheit eines Fahrplans innerhalb von Millisekunden sehr genau zu
schätzen", sagt Prof. Dr. Matthias Müller-Hannemann vom Institut für
Informatik der MLU. Die Forschenden aus Halle und Kaiserslautern
trainierten ihre Künstliche Intelligenz mit zahlreichen Beispielen zur
Bewertung von Fahrplänen. Anhand von Fahrplänen für Göttingen und einen
Teil des südlichen Niedersachsens überprüfte das Team die neue KI und
erzielte dabei sehr gute Ergebnisse.
"Verspätungen sind unvermeidlich. Sie können zum Beispiel dann auftreten,
wenn es während der Rushhour zum Stau kommt, wenn eine Tür der Bahn klemmt
oder auch wenn an einer Haltestelle besonders viele Fahrgäste ein- oder
aussteigen", so Müller-Hannemann weiter. Bei knappen Umstiegszeiten können
selbst wenige Minuten Verspätung bedeuten, dass Reisende ihre Anschlüsse
verpassen. "Im ungünstigsten Fall handelt es sich dabei um die letzte
Verbindung eines Tages", ergänzt Mitautor Ralf Rückert. Eine weitere Folge
könnte auch sein, dass Fahrzeugumläufe gestört werden, sodass Folgefahrten
erst mit Verzögerung beginnen können und sich das Problem fortsetzt.
Die Möglichkeiten, um solchen Verzögerungen im Vorfeld entgegenzuwirken,
sind begrenzt: Die Fahrtzeiten zwischen und die Wartezeiten an
Haltestellen könnten großzügiger gestaltet sowie größere Zeitpuffer an
Endhaltestellen und zwischen aufeinanderfolgenden Fahrten eingeplant
werden. Das alles geht jedoch auf Kosten der Wirtschaftlichkeit. Das neue
Verfahren könnte nun dabei helfen, Fahrpläne so zu optimieren, dass sie
einen sehr guten Kompromiss zwischen den Wünschen der Fahrgäste, wie
schnelle Verbindungen und wenige Umstiege, der Robustheit der Fahrpläne
gegenüber Störungen und den äußeren wirtschaftlichen Rahmenbedingungen der
Verkehrsbetriebe darstellen.
Die Studie wurde von der Deutschen Forschungsgemeinschaft im Rahmen der
Forschungsgruppe "Integrierte Planung im öffentlichen Verkehr"
unterstützt.
Originalpublikation:
Studie: Müller-Hannemann M., Rückert R., Schiewe A., Schöbel A. Estimating
the robustness of public transport schedules using machine learning.
Transportation Research Part C: Emerging Technologies (2022). doi:
10.1016/j.trc.2022.103566
https://doi.org/10.1016/j.trc.
