Mit Big Data Verspätungen voraussehen.
Der Mathematiker Wilhelm Landerholm von Queue AB und der Stockholmer S-Bahn-Betreiber Stockholmståg haben einen Algorithmus entwickelt, der verwendet werden kann, um mögliche Verzögerungen zu prognostizieren. Dieser hilft, Entscheidungen mit minimalen Auswirkungen zu treffen und Wellen-Effekte zu verhindert, bevor sie eintreten.
Echtzeit-Feeds aus dem gesamten Netzwerk werden angezapft, um Daten über die tatsächlichen Ankunfts- und Abfahrtszeit eines jeden Stockholmståg-Zugs über einen langen Zeitraum zu sammeln. Diese Daten werden dann verwendet, um Auswirkungen von Störungen auf den zukünftigen Betriebsablauf vorherzusagen.
“Wir haben ein Vorhersagemodell mit Big Data geschaffen, das es uns ermöglicht, unser gesamtes S-Bahn-System 2 Stunden in der Zukunft abzubilden. Wir können jetzt Störungen in unserem Service vorhersehen, und unsere Verkehrszentrale kann die Wellen-Effekte verhindern, die tatsächlich die meisten Verzögerungen erzeugen.”
Ny algoritm ska ge färre förseningar. Pendeltågsnätet är ett stort och komplicerat nätverk där allt måste klaffa för att trafiken ska flyta friktionsfritt. Om ett tåg blir försenat påverkas inte bara resenärerna på just det tåget. Det blir lätt en dominoeffekt där störningen sprids som ringar på vattnet och förseningen av ett tåg påverkar punktligheten för flera andra tåg.
Wenn eine Verzögerung auftritt, kann das mathematische Modell von Commuter Prognosis verwendet werden, um dynamisch die Auswirkungen auf jedem Zug zu simulieren, zu welcher Zeit dieser an jeder einzelnen Station ankommt und welche Auswirkungen für die Gesamtleistung folgen. Das Ganze bis zu 2 Stunden im voraus. Die Verkehrsleitung kann im Gegenzug verschiedene Optionen als Reaktion auf die Verzögerung simulieren, was die Entscheidungsfindung unterstützt.
“Heute analysiert die Verkehrsleitung Verzögerungen manuell, um zukünftige Verzögerungen zu vermeiden. Durch die Automatisierung der Prognosen können wir unser Service Level deutlich erhöhen. Die ‘Commuter Prognosis’ wird das erste automatische Prognose-Modell seiner Art sein. Auf lange Sicht wird es weltweit die Weise verändern, wie Verkehrskontrollzentren arbeiten.”
Das Modell kann auch für Fahrgastinformationen verwendet werden. Mit einer Smartphone-App, die in diesem Jahr ins Leben gerufen wurde, bekommen Reisende Vorwarnung und Informationen zu wahrscheinlichen Verzögerungen.
In einer ersten Testphase, die vom 23. August bis zum 12. Oktober lief, wurde die Zuverlässigkeit einer Vorhersage des Algorithmus gegenüber der heutigen Verkehrssteuerung getestet. Für beste Annahme jeder Einzelentscheidung wurde 1 Punkt vergeben. Am Ende hatten die bisherigen Verkehrsinformationen 3158 Punkte, der Vorhersage-Algorithmus 59.589 Punkte.
DURCHSUCHE COVERSTORIES:
