TERATRACE ermöglicht öffentlichen Mobilitätsdienstleistern Fahrgastströme in Echtzeit zu messen und die Auslastung ihrer Netze vorherzusagen.
Herausforderungen:
Der Trend Urbanisierung und der Wunsch nach nachhaltigen Mobilitätslösungen führen zunehmend zu Überlastungssituationen in öffentlichen Verkehrsnetzen. Diese verursachen in großen Städten jährliche Kosten im 2-stelligen Millionenbereich. Außerdem leidet die Kundenzufriedenheit unter mangelndem Komfort, unzureichender Zuverlässigkeit und auch erhöhten Sicherheitsrisiken. Die kontinuierliche Verbesserung der Servicequalität von u. a. U-Bahnen, Bussen oder Straßenbahnen stellt für öffentliche Verkehrsunternehmen daher eine große und drängende Herausforderung dar.
Um die Auslastung zu optimieren und das Verkehrsnetz effizient und kundenorientiert zu betreiben, ist es unabdingbar, die Dynamik von Fahrgastströmen im öffentlichen Raum zu verstehen. Bisher wird hierfür auf manuelle Personenzählungen, persönliche Interviews und historische Daten zu Verkehrsflüssen zurückgegriffen. Das ist arbeitsintensiv, ineffizient, erlaubt kein Handeln in Echtzeit und nutzt nicht das Innovationspotential digitaler Technologien.
Künstliche Intelligenz für zuverlässige, sichere und nachhaltige urbane Mobilität:
TERATRACE wertet mithilfe von künstlicher Intelligenz Informationen aus unterschiedlichen Datenquellen aus, um eine genaue Echtzeit-Messung der Fahrgastströme zu ermöglichen. Dazu werden Sensordaten, etwa von WLAN-Zugangspunkten und Infrarot-Scannern gesammelt und mit externen Datenquellen wie dem Wetterdienst oder dem städtischen Veranstaltungskalender kombiniert. So kann nicht nur die aktuelle Nutzung des Mobilitätsangebots beobachtet, sondern auch rechtzeitig Engpässe im Netzwerk vorhergesagt werden.
Kundennutzen:
• Deutliche Reduktion der Überlastungssituationen durch eine bessere Verteilung der Fahrgäste, optimierte Fahrpläne und Fahrgaststeuerung in Echtzeit.
• Verbesserte Fahrgastzufriedenheit durch zuverlässige Fahrgastkommunikation und Routenplanung.
• Bis zu 8-stellige Einsparungen jährlich durch Reduktion manueller Fahrgastbefragungen, durch optimierte daten-basierten Investitionsentscheidungen (z. B. Modernisierung, Fahrzeuge) sowie durch Minimierung der laufenden Betriebskosten.
