Für die Beurteilung des aktuellen Zustands eines ÖPNV-Netzes und möglicher Optimierungsansätze ist das Wissen über den Mobilitätsbedarf potentieller Nutzergruppen (insbesondere Berufspendler und Schülerinnen und Schüler) sowie die Ausrichtung des Netzes an diesem Bedarf von entscheidender Bedeutung. Im Projekt „Datenbasierte Analyse und Optimierung des ÖPNV-Netzes“ soll erforscht werden, welche Quelle-Ziel-Beziehungen in diesen Nutzergruppen vorhanden sind und wie mit Hilfe von KI und Datenanalysemethoden Muster in den Pendlerströmen identifiziert werden können.
Durch die Analyse soll für ÖPNV Planer sichtbar werden, an welchen Touchpoints ein hohes Nachfragepotential vorhanden ist und an welchen Touchpoints sich zu welchen Zeiten und in welchem Bedarfsumfang Bedarfs-Mobilitätsströme kreuzen. Ein Abgleich des bestehenden ÖPNV-Netzes mit dem Ergebnis dieser Bedarfsanalyse ermöglicht die Identifikation von Bedarfs-Angebots-Lücken und ungenutzten Potentialen

Die Attraktivität des ÖPNV hängt im Wesentlichen von seiner Pünktlichkeit und Zuverlässigkeit ab. Einer verlässlichen informativen Fahrgastinformation kommt dabei eine wichtige Rolle zu. Heutzutage eingesetzte Fahrgastinformationssysteme informieren häufig lediglich statisch über Ankunftszeiten der Busse. Sie berücksichtigen keine Änderungen in der wahrscheinlichen Busankunftszeit. Für Fahrgäste wäre eine dynamische Echtzeit-Schätzung, ggf. mit einer Intervallangabe, jedoch nützlich („Busankunft zwischen 15:02 und 15:06 mit 95% Sicherheit“).

Im Forschungsprojekt „Intelligente Fahrgastinformation“ soll erforscht werden, inwieweit eine KI-basierte Ankunftszeitschätzung der Busankunftszeit in Kombination mit einer Unsicherheitsschätzung der Ankunftszeit basierend auf GPS Daten der Busse realisiert werden kann.

Die ÖPNV-Beschleunigung an Lichtsignalanlagen ist ein wichtiges Instrument zur Erhöhung der Zuverlässigkeit und der Reduktion Reisezeiten des ÖPNV. Im Wettbewerb mit dem MIV sind beides wichtige Faktoren für die Attraktivität des ÖPNV. Die aktuelle Busbeschleunigung an LSAs in Ingolstadt ist statisch und kann nicht auf aktuelle Verkehrslagen, Busverspätungen und Belegungszahlen reagieren. Dadurch entstehen sowohl Nachteile für Busse als auch den Individualverkehr. Dieser Zielkonflikte können durch eine intelligente Busbeschleunigung ausbalanciert werden, bei der mit Hilfe von KI-Verfahren schon im Vorfeld vorhergesagt werden kann, wann eine Priorisierung erfolgen soll. Dies erfordert die Verbindung von Daten und Erfahrungen aus der Praxis mit der Forschung für die Entwicklung und Evaluation verschiedener KI-Algorithmen. Im Forschungsprojekt „Intelligente Busbeschleunigung“ soll deshalb eine solche intelligente Busbeschleunigung erforscht werden. Durch die Erhebung von Verkehrslagedaten sowie Daten der Busse (Belegung, Position und Geschwindigkeit, Anmeldestatus, Verspätung) und Lichtsignalanlagendaten wird dabei mit Hilfe von Methoden der künstlichen Intelligenz ein Algorithmus für eine intelligente Busbeschleunigung entwickelt und simulativ evaluiert. Damit wird ein höherer Verkehrsfluss für Busse bei gleichzeitiger Balance mit dem Individualverkehr, weniger CO2-Verbrauch und eine höhere Pünktlichkeit der Busse angestrebt.

Das Projekt “Digitalisierung der Kundenschnittstellen” erforscht Methoden und Techniken, die eine automatisierte Aufbereitung von Informationen aus dem ÖPNV für die Nutzung an digitalisierten Kundenschnittstellen ermöglichen. Hierbei spielen insbesondere kooperative Mensch-Maschine Interaktionen mit natürlicher Sprache eine entscheidende Rolle.

Das Forschungsprojekt trägt dazu bei, dass Fahrgäste jederzeit auf zielgerichtete Informationen des ÖPNV zugreifen können und diese nutzen können. Die Forschungsergebnisse können dann auch in die Entwicklung zukünftiger Ticketautomaten, Auskunftssysteme und persönlicher Geräte der (zukünftigen) Fahrgäste fließen. Dadurch wird die Reichweite des ÖPNV erweitert und seine Akzeptanz verbessert. Dies trägt in letzter Linie auch zur Steigerung der Nutzung des ÖPNV bei.

Im Rahmen des Projekts newMIND führt der Verkehrsverbund Ingolstadt Bedarfsverkehre in Form von Rufbussen ein, um die Mobilität in ländlichen Regionen zu verbessern. Die Juniorprofessur Operations Management der KU Eichstätt-Ingolstadt unterstützt den Verkehrsverbund wissenschaftlich dabei die unterschiedlichen Pilotprojekte datenanalytisch zu bewerten und Handlungsempfehlungen daraus abzuleiten.

Durch den Einsatz von Operations Research Methoden sollen die Pilotprojekte bewertet und Algorithmen zur Handlungsempfehlung entwickelt werden, um die Auslastung der Bedarfsverkehre zu erhöhen oder eingesetzte Ressourcen effizienter zu nutzen. Dabei fließen neben ökonomischen und ökologischen Aspekten auch die Kundenanforderungen in die Entscheidungsfindung ein.