Mustererkennung im Kontext von Fahrplanabweichungen im ÖPNV der Berliner Verkehrsbetriebe Gesellschaft (BVG) zur Betriebsoptimierung

Kontext

Pünktlichkeit stellt ein wichtiges Qualitätskriterium im öffentlichen Personennahverkehr (ÖPNV) dar. Sie definiert sich als Übereinstimmung von den geplanten Ankunfts- und Abfahrtszeiten (siehe Fahrplan) mit den tatsächlich realisierten Ankunfts- und Abfahrtszeiten. Dabei wird zwischen Verfrühungen und Verspätungen unterschieden.

Die Grundlage für die ausgeschriebene Abschlussarbeit bilden Daten zur Pünktlichkeit aus Betriebs- und Kundensicht für die drei Betriebszweige U-Bahn, Straßenbahn und Omnibus der BVG sowie weitere relevante Verkehrs- und Infrastrukturdaten. Im Rahmen der Arbeit sollen diese Daten in einem ersten Schritt aufbereitet werden, d.h. es sollen Ausreißer identifiziert und ggf. fehlende Werte imputiert werden.

Im nächsten Schritt erfolgt eine fundierte Auswertung und Analyse der Daten, wobei unterschiedliche Machine-Learning-Ansätze zur Identifikation von Mustern und zur Bildung geeigneter Cluster eingesetzt werden. Anschließend werden auf Basis der gewonnenen Erkenntnisse aussagekräftige Ergebnisvisualisierungen erstellt, um die Ergebnisse prägnant darzustellen. Auf Basis der Erkenntnisse sind dann Strategien zu entwickeln, um den ÖPNV Betrieb in Berlin zu optimieren.

Die Masterarbeit wird von der FZI Außenstelle in Berlin und der BVG in Berlin ausgeschrieben, daher ist ein (vorübergehender) Aufenthalt in Berlin gewünscht.

Ziele

Verbesserung der Pünktlichkeit für die drei Betriebszweige (U-Bahn, Straßenbahn, Omnibus) der BVG:

• Konzept zur generellen Aufbereitung von Pünktlichkeitsdaten.
• Analysemodell für Betriebs- und Infrastrukturdaten inklusive der Integration weiterer relevanter Datenquellen, wie zum Beispiel Wetterdaten, Fahrgastaufkommen und Personalverfügbarkeit.
• Lernende Verfahren zur Mustererkennung im Kontext betrieblicher Unregelmäßigkeiten wie Verfrühungen und Verspätungen.
• Visualisierung und Dokumentation der gewonnenen Analyseergebnisse.
• Strategisches Leitbild für die nachhaltige Verbesserung des ÖPNV-Betriebs und der Pünktlichkeit der Verkehrsmittel.

Voraussetzungen 

• Du bist im Masterstudium in der Fachrichtung Elektrotechnik, Informatik oder einem verwandten Studiengang.
• Du hast eine Affinität zum ÖPNV.
• Du hast Erfahrung in Methoden der Datenanalyse und des Maschinellen Lernens.
• Du hast Kenntnisse im Programmieren (Python, R)
• Du besitzt ein überdurchschnittliches Maß an Eigeninitiative sowie eine sorgfältige, gewissenhafte und selbstständige Arbeitsweise.
• Du besitzt gute Deutsch- und/oder Englischkenntnisse in Wort und Schrift.