Die Deutsche Bahn wird zukünftig Data-Analytics-Services von T-Systems nutzen, um die bestehenden Echtzeit-Prognosen zu An- und Abfahrtszeiten im Bahnverkehr zu optimieren. Im Minutentakt sollen dabei die Fahrplandaten für mehr als zwei Millionen Halte pro Tag im Wesentlichen für den gesamten fahrplangebundenen Personenverkehr mit der aktuellen Verkehrslage abgeglichen werden. Daraus soll sich eine Echtzeit-Prognose über die voraussichtliche Ankunftszeit und gleichzeitig deren Auswirkung auf mögliche Anschlussverbindungen ergeben.
Während der Berechnungen werden die Positionsmeldungen aller fahrenden Züge innerhalb von Sekunden in Rechenzentren von T-Systems analysiert und in Echtzeit jeweils eine Prognose für den restlichen Zuglauf erstellt. Der dabei verwendete Algorithmus nutze unter anderem Verfahren des maschinellen Lernens (Künstliche Intelligenz). Dazu bediene er sich verschiedener Prognosemodelle, die je nach Verkehrslage dynamisch ausgewählt werden.
Prognosegenauigkeit soll kontinuierlich besser werden
Im 24-Stunden-Rhythmus werden die Modelle nachts auf historischen Daten trainiert. So verbessere sich die Prognosegenauigkeit kontinuierlich und passe sich an die aktuellen Verkehrsgegebenheiten an. Die Prognoselösung basiert auf einer Eigenentwicklung von T-Systems und deren Tochterunternehmen T-Systems Multimedia Solutions und wird in einem gemeinsamen Projekt mit der Deutschen Bahn weiterentwickelt und eingeführt.
Die Lösung soll bereits ab dem zweiten Quartal 2017 die Information der Reisenden bei Verspätungen von Fernverkehrs- und Nahverkehrszügen spürbar verbessern und wird dann durch weitere Daten kontinuierlich weiterentwickelt – „ganz im Sinne von Smart Data“. Per Smartphone und App, aber auch an den Bahnhöfen, sollen sich Kunden der Deutschen Bahn damit bis zu 90 Minuten im Voraus über Abfahrtszeiten in Echtzeit informieren können. Dieser Service erhöhe die Planungssicherheit und Zeitsouveränität der Reisenden, so T-Systems.