Projekt KI4autoBUS: ÖPNV-Effizienz lässt sich mit KI deutlich steigern
Ein Konsortium rund um DB Regio Bus und ein Fraunhofer-Institut verweist auf Fortschritte beim Entwickeln einer KI-Lösung zur Steuerung des Nahverkehrsangebots.
(Bild: Blue Planet Studio / Shutterstock.com)
Mitglieder des Projektteams KI4autoBUS haben nach zweijähriger Forschungszeit erste Ergebnisse der Initiative zur Entwicklung eines auf Künstlicher Intelligenz (KI) basierten Lösung zur Planung und Steuerung des künftigen Angebots im Bereich des öffentlichen Personennahverkehrs vorgestellt. Die von den Konsortialpartnern Q_Perior und Qdive entwickelte KI-Lösung könne die Effizienz des ÖPNVs "für Nutzer und Anbieter merklich steigern", gibt sich Alexander Kern, wissenschaftlicher Mitarbeiter am beteiligten Institut für Informationssysteme (Iisys) der Hochschule Hof, anhand der bisherigen Arbeiten überzeugt. Das Projekt zeige, dass das entwickelte System Buchungsanfragen antizipiere ("Predictive Demand") und etwa autonome Shuttles vorzeitig an geeigneten Haltestellen platziere.
Mit KI4autoBUS soll unter der Leitung der DB Regio Bus und des Fraunhofer-Instituts für Materialfluss und Logistik (IML) in erster Linie die Mobilität durch Roboterautos verbessert werden. Das vom bayerischen Wirtschaftsministerium geförderte Projekt startete im Oktober 2021 und läuft noch bis Ende des Jahres. Es baut auf der bestehenden Infrastruktur in Bad Birnbach im Kreis Rottal-Inn auf, wo die DB hierzulande ihre ersten autonomen Busse 2017 in den öffentlichen Nahverkehr schickte.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externes Video (Kaltura Inc.) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Kaltura Inc.) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
Reduzierten Wartezeiten und gleichzeitige Bedienung
Zum Konzept des Vorhabens gehört es, alle Fahrtwünsche in Bad Birnbach zu berücksichtigen und Personen mit besonderen Mobilitätsanforderungen wie Rollstuhlfahrer bei mehreren Buchungsanfragen bevorzugt zu bedienen. Leerfahrten sowie lange Wartezeiten sollen möglichst werden vermieden. Dazu setzen die Forscher auf "Reinforcement Learning" (RL). Diese "bestärkende" Methode ahmt den Lernprozess nach, mit dem Menschen durch Versuch und Irrtum Ziele erreichen. Konkret soll hier ein Agent wie ein Shuttle durch Interaktion mit seiner Umgebung selbstständig eine bestimmte Aufgabe lösen können. Die Belohnung wird dafür maximiert, was bei KI4autoBUS den Mitstreitern zufolge in Tests bereits zu reduzierten Wartezeiten der Passagiere und gleichzeitiger Bedienung aller Fahrtanfragen führt.
Im nächsten Schritt soll der Agent nun im Realbetrieb eingesetzt werden und unter Beweis stellen, welche Fähigkeiten er im Training in der Simulationsumgebung gelernt hat. Dazu erhält das System über eine Schnittstelle aus dem Dispositionssystem Echtzeitdaten zu den Fahrtanfragen und den Positionen der für das Projekt modifizierten Shuttles. Es soll damit eine Entscheidung treffen, welches Roboter-Fahrzeug zu welcher Haltestelle delegiert wird.
Die Frage der Akzeptanz
Nicole Wagner-Hanl, Digitalisierungsexpertin am IML, hebt hervor, dass mit der Lösung die knappe Ressource an Fahrzeugen im ÖPNV durch eine automatisierte Einsatzplanung "ideal zum Einsatz gebracht werden" könne. Dabei sei es auch möglich, Anforderungen rund um eine höhere Barrierefreiheit gerecht zu werden. Die Flottengröße lasse sich optimieren, Betriebskosten könnten gesenkt werden.
Der Hofer Anteil besteht darin, mobilitätseingeschränkten Personen den Zugang zum ÖPNV zu erleichtern. Das Iisys hat dazu einen Audio-Guide entwickelt, der durch akustische Signale die Nutzung der Shuttles für die entsprechende Zielgruppe vereinfacht: Mit dem Prototyp werde aktuell auch getestet, wie akustische Signale "angenommen werden und zu welchem Grad sie den Probanden helfen", erläutert Kern. Die Frage der Akzeptanz spiele bei den autonom fahrenden Shuttles eine wichtige Rolle: Die Passagiere müssten sich mithilfe ausreichender Informationen durch das System "abgeholt" fühlen. Auch die derzeit programmierte Ansage zusätzlicher Reise- und Umgebungsinformationen sei hier hilfreich.
(bme)
