Maschinelles Lernen erkennt Betriebsstörungen im Nahverkehr automatisch
Die Fahrgastinformations-App INSA lieferte durch nicht erkannte Betriebsanomalien wie Verspätungen oder Ausfälle ungenaue Echtzeitdaten. Mit dem Mittelstand-Digital Zentrum Magdeburg entwickelte die NASA GmbH ein Modell des maschinellen Lernens, das kritische Anomalien im Betriebsleitsystem automatisch erkennt. Ergebnis war ein funktionsfähiger Softwareprototyp zur Qualitätssicherung der Fahrgastinformationen.
Vertiefung
DomänenexpertInnen wählten gemeinsam mit dem KI-Trainer interpretierbare Datenfelder (z.B. Ankunfts- und Abfahrtszeiten) aus und kategorisierten Datenpunkte in kritische und unkritische Anomalien. Auf dieser Basis entstand mit der kostenlosen Software scikit-learn ein strukturierter Datensatz mit 1.183 Einträgen und 294 identifizierten Anomalien, aus dem ein funktionierender Prototyp zur automatisierten Erkennung abgeleitet wurde. Umgesetzt wurde das Projekt in Kooperation zwischen NASA GmbH, der Otto-von-Guericke-Universität Magdeburg und dem Mittelstand-Digital Zentrum Magdeburg. Der Ansatz ist auf andere Verkehrsunternehmen mit Betriebsleitsystemen und historischen Echtzeitdaten übertragbar.