KI sagt Zugverspätung voraus

Kaskadierende Verspätungen in Eisenbahnnetzen sind nur sehr schwer zu berechnen. Ein Trick aus der Bildverarbeitung könnte entscheidend weiterhelfen.

In Pocket speichern vorlesen Druckansicht 56 Kommentare lesen

Zug in London.

(Bild: Photo by M Ashraful Alam on Unsplash)

Lesezeit: 2 Min.

Wenn ein Zug Verspätung hat, kann sich dieser Fehler im Zugnetz fortpflanzen – weitere Züge fahren verspätet und verursachen zusätzliche Probleme. Das ist leicht einzusehen. Das Problem jedoch konkret zu berechnen, also vorherzusagen, wie groß die endgültige Verspätung am Ziel ist, wenn sie auf einer frühen Teilstrecke beispielsweise fünf Minuten beträgt, ist extrem schwierig. Wissenschaftler der University of Illinois Urbana-Champaign haben nun aber einen Ansatz entwickelt, der hier entscheidend weiterhelfen könnte.

Die Gruppe um Huy Tran beschrieb das Eisenbahnnetz als Graphen und trainierte ein neuronales Netz darauf, aus realen Verkehrsdaten die Verspätung der Züge am Ankunftsort vorherzusagen. Die Daten stammen von Zugverbindungen im britischen Südwesten - einem Zugnetz, das in den vergangenen 20 Jahren besonders unter einem Zuwachs an Passagieren einerseits und massiven Sparmaßnahmen andererseits zu leiden hatte.

Anders als bei früheren Versuchen verwendeten die Forscher nun allerdings konvolutionale neuronale Netze. Die werden in der Bildverarbeitung verwendet, um Strukturen wie Kanten oder gleichförmige Flächen hervorzuheben. Huy Tran und Kollegen wandten das Verfahren jedoch nicht nur auf die räumliche Struktur des Eisenbahnetzes, sondern auch auf den zeitlichen Verlauf der Fahrten an.

"Eine Herausforderung war, dass diese Daten nur die komplette Fahrt eines Zuges von Anfang bis Ende erfassen. Sie sagen uns nicht, wo er unterwegs aufgehalten wurde", sagte er. "Die neue Formulierung, die wir entwickelt haben, war eine Möglichkeit, näherungsweise zu bestimmen, in welchem Abschnitt der Fahrt die Verspätung aufgetreten ist."

Die Lösung dieses Problem könnte nicht nur betroffenen Passagiere helfen, sondern auch Streckendisponenten, die versuchen, Verspätungen wieder auszugleichen – oder aus einem chronisch überlasteten Streckennetz noch etwas zusätzliche Kapazität herauszuholen. Die Schweizerische SBB arbeitet seit Jahren an einem System auf der Basis von Verstärkungslernen, das dieses Problem automatisiert lösen soll. Seit kurzem forscht auch die Deutsche Bahn daran.

(wst)