Wenn Data Analytics Busse und U-Bahn steuert

Per Digitalisierung zum kostenlosen ÖPNV?

19.11.2019
Von 
Bernhard Kirchmair ist Chief Digital Officer bei VINCI Energies Europe East.
Kostenlose Fahrten mit Bus oder U-Bahn, die dazu pünktlich unterwegs sind: Was wie eine Utopie klingt, wäre grundsätzlich heute schon möglich. Die Voraussetzung wäre eine grundlegende Digitalisierung, verbunden mit Datenanalysen.
Mit Datenanalysen wollen die Berliner und Münchner Vekehrsbetriebe ihren Betriebsablauf optimieren.
Mit Datenanalysen wollen die Berliner und Münchner Vekehrsbetriebe ihren Betriebsablauf optimieren.
Foto: MVV GmbH

Es regnet und die Fahrgäste drängeln sich unter das Dach der Haltestelle. Doch der schon zehn Minuten überfällige Bus ist nicht zu sehen. Immer mehr Passagiere kommen an und warten. Als das Fahrzeug endlich eintrifft, ist es schon voll. Trotzdem quetschen sich viele Passagiere hinein. Kurz danach erreicht der nächste Bus derselben Linie die Station - und ist fast leer. Er fährt nun hinter dem verspäteten Bus her und wird ebenfalls ausgebremst. Im Lauf des Tages verschiebt sich der Fahrplan so immer weiter nach hinten und die Passagiere sind verärgert - ein häufiges Szenario in deutschen Großstädten.

Damit Busse und Bahnen pünktlicher ihr Ziel erreichen, müssen Verkehrsbetriebe potenzielle Probleme frühzeitig erkennen. Dabei spielen viele Faktoren eine Rolle: Das Wetter zum Beispiel, denn bei Regen nutzen mehr Menschen den öffentlichen Personennahverkehr (ÖPNV) als bei Sonnenschein. Die Nachfrage schwankt außerdem je nach Wochentag oder Uhrzeit und sie verändert sich auch, wenn eine Großveranstaltung stattfindet oder Straßen gesperrt sind. All diese Faktoren müssen ÖPNV-Anbieter in ihrer Planung berücksichtigen - etwa, um mehr Fahrzeuge einzusetzen oder die Routenplanung zu optimieren.

Datenanalyse verschafft den nötigen Überblick

Zur Berechnung von benötigten Ressourcen können Anbieter auf Daten zurückgreifen, die ihnen schon zur Verfügung stehen. Sie wissen etwa, wie viele Busse, S-Bahnen und Straßenbahnen im Einsatz sind, wie oft sie fahren, wie viel Platz sie jeweils bieten und wie viele Passagiere unterwegs sind. Millionen von Daten werden mittels Fahrgastzählsystemen und Sensoren in den Fahrzeugen bereits erhoben. Die Aufbereitung, Auswertung und Verknüpfung der vielen Informationen sind für Verkehrsbetriebe aber eine enorme Herausforderung.

Noch komplexer wird ein solches Projekt, wenn externe Daten einfließen sollen, die das Fahrgastaufkommen beeinflussen, zum Beispiel zur Verkehrslage, zum Wetter und zu Veranstaltungen. Die umfassende Einbindung und Analyse dieser Daten übernehmen daher oftmals erfahrene Digitalexperten. Sie unterstützen ÖPNV-Anbieter dabei, ihren Betriebsablauf zu optimieren - wovon auch die Passagiere profitieren. So arbeiten bereits die Berliner und Münchner Verkehrsbetriebe BVG und MVG mit Axians zusammen, um Kunden effizienter von A nach B zu bringen.

Busse und Straßen in einer Virtual-Reality-Umgebung

Eine Virtual-Reality-Umgebung zeigt reale Nahverkehrsdaten an.
Eine Virtual-Reality-Umgebung zeigt reale Nahverkehrsdaten an.
Foto: Axians

So haben Experten zum Beispiel ein Modell entwickelt, das reale Nahverkehrsdaten in einer Virtual-Reality-Umgebung anzeigt: Darin bewegen sich virtuelle Busse in Echtzeit auf Straßen und stoppen an Haltestellen. Die Fahrzeuge sind grün, gelb oder rot eingefärbt, um ein (mögliches) Problem anzuzeigen. Eingeblendet sind die aktuellen Passagierzahlen im Bus oder an den Haltestellen. Das Modell zeigt außerdem an, wenn Busse durch vorherige Verspätungen kurz hintereinander unterwegs sind.

Durch die Visualisierung ist die aktuelle Lage auf einen Blick zu erkennen - und der Kontrollmitarbeiter kann einem Fahrer mitteilen, dass er kurz warten oder langsamer fahren soll. Mit Hilfe von Datenanalysen ermitteln die Experten auch, wie lange Fahrgäste zum Umsteigen in einer U-Bahn-Station brauchen - je nachdem müssen die Bahnen länger warten oder die Taktzeiten verkürzt werden.

Präzisere Verspätungsvorhersagen

Falls es eine Verspätung gibt, wollen Passagiere wissen, wie lange sie noch warten müssen. Doch die Informationen der Monitore an Bushaltestellen sind oft ungenau. Im Durchschnitt weichen sie um mindestens 80 Sekunden von der Zeit ab, bis der Bus tatsächlich eintrifft. Das liegt daran, dass herkömmliche Systeme einfach statistisch hochrechnen, wie sich eine Verspätung entwickelt.

Die Grenzen der Automatisierung – und wie man sie überschreitet

Die Datenanalysten können dagegen reale Echtzeitdaten einfließen lassen: Wochentag, Uhrzeit, Wetter, die aktuelle Verkehrslage oder vorausfahrende Busse mit Verspätungen. Auch wiederkehrende Hindernisse wie etwa ein Lieferwagen, der regelmäßig den Busfahrstreifen blockiert, werden berücksichtigt. Damit lässt sich die Verspätungsprognose deutlich verbessern, sodass sie häufig nur noch um rund 20 Sekunden von der tatsächlichen Ankunftszeit abweicht.

Interessant sind auch unerwartete Erkenntnisse, die sich aus Datenauswertungen ergeben: So nutzen Berliner offenbar eher den Bus als die Münchner, wenn es regnet. Das erkennen die Experten daran, dass die Türen der ÖPNV-Fahrzeuge in Berlin dann länger offenbleiben, also vermutlich mehr Menschen eingestiegen sind.