Projektbeschreibung

Die Nachfrage im öffentlichen Personennahverkehr unterliegt starken Schwankungen – nicht erst seit der Covid-19-Pandemie.
Großevents können die Auslastung kurzfristig lokal erhöhen. Die Ansiedlung neuer Arbeitgeber, die Entstehung neuer Stadtviertel und der allgemeine Trend zur Urbanisierung stellen Planer hingegen langfristig vor Herausforderungen bei der Kalkulation.

Vor diesem Hintergrund war das Ziel von AIPaC, eine hochpräzise Fahrgastzähl-, und Prognosesoftware zu entwickeln, die die Aufnahmen der vorhandenen Sicherheitskameras auswertet – in Echtzeit und datenschutzkonform auf lokalen Servern. Im Zuge der Software-Entwicklung wurde ein Ansatz verfolgt und getestet, der auf künstlicher Intelligenz basiert.

Ergebnisse und Wirkungen

Im Rahmen des Projekts wurde eine Fahrgastzählsoftware entwickelt und getestet. Sie wurde auf die Bedürfnisse des ÖPNV zugeschnitten und nutzt künstliche Intelligenz. Über die Zählung hinaus wurde ein lernendes System entwickelt, mit dessen Hilfe sich Prognosen über die zukünftige Nachfrage ableiten lassen. Dadurch wurde das ÖPNV-Angebot besser, flexibler und effizienter.

Durch passgenaue Fahrpläne und verbesserte Bedingungen an Bahnhöfen und in Zügen profitieren künftig sowohl Betreiber als auch Fahrgäste. Im Hinblick auf die Corona-Pandemie können die Daten dazu beitragen, den ÖPNV sicherer zu gestalten und Fahrgäste zurückzugewinnen.
In Genauigkeitstests der Analysesoftware erwies sich der gewählte Umsetzungsansatz als sehr präzise.

Ergebnisse aus dem Projekt sind als Open-Source auf GitHub verfügbar und erleichtern anderen Entwicklern und Projekten die Umsetzung und Skalierung ähnlicher Vorhaben. Dazu zählen z.B. Projekte aus dem Bereich der Medizintechnik oder des autonomen Fahrens, Denn sie bedienen sich ebenfalls einer Bildverarbeitung, die künstliche Intelligenz einsetzt. In der Open-Source Community fand die Veröffentlichung bereits regen Anklang.