Problemstellung

Routing in ÖPNV-Netzen ist immer auch Fußgängerrouting (Zugang, Umstieg, Abgang). Übergangspunkte zum ÖPNV müssen präzise, also mast- bzw. steigscharf lokalisiert sein. Existierende Datenbanken wie ZHV, GTFS-Feeds, OpenStreetMap oder kommunale Haltestellenkataster enthalten in zu hohem Umfang ungenaue und widersprüchliche Ortsangaben. Welche Datenbank die zuverlässigeren Informationen liefert, ist für ÖPNV-Nutzende und Mobilitätsdienstleister im ÖPNV-Umfeld nicht ersichtlich und regional verschieden.

Projektziel

Durch KI-gestützte Auswertung von Luftbildern werden die Positionsangaben zu ÖPNV-Halten aus verschiedenen Datenbanken automatisiert verifiziert und korrigiert. Die Möglichkeiten zum Erfassen zentraler Haltestellenparameter (taktile Pflasterung, Überdachung) aus Luftbildern mittels KI werden untersucht. Die nutzerfreundliche und maschinenlesbare Veröffentlichung der Ergebnisse bietet ÖPNV-Nutzenden wichtige Informationen sowie einfache Datenkorrektur und Datenimport für Datenbankbetreiber.

Durchführung

Für das Training von KI-Modellen wird ein annotierter Datensatz aus Luftbildern von ÖPNV-Halten erstellt. Die Annotation erfolgt anhand des Abgleichs verschiedener Datenbanken untereinander, sodass aufwendiges manuelles Annotieren auf ein Minimum begrenzt wird. Die von den KI-Modellen generierten Haltinformationen werden als Webanwendung mit Visualisierung der Lageabweichungen in den verwendeten Datenbanken und der ermittelten Haltparameter (taktile Pflasterung, Überdachung) veröffentlicht.