Denken wir an London: Jeden Tag bewegen sich Millionen von Menschen durch die Stadt, pendeln, fahren zur Schule, zur Arbeit, zu Touristenattraktionen und vielem mehr. Wie kann man den gesamten Verkehr einer Großstadt optimieren? Wie viele Fahrzeuge braucht man, wo sollten sie halten, auf welchen Routen sollten sie fahren?
Das Problem liegt mitten in der Planung und Disposition des öffentlichen Verkehrs: Wie optimiert man den Verkehr, indem man die Bewegungen von Fahrzeugen und Menschen am effizientesten steuert?
Man würde annehmen, es gäbe einen Superrechner, der alle Daten in der Stadt aufnehmen und den gesamten Verkehr optimieren kann, aber das ist nicht der Fall. Auch heute noch werden viele zentrale betriebliche Entscheidungen in den Verkehrssystemen mit Stift und Papier oder softwarebasierten Lösungen getroffen. In jedem Fall erfordert jede Lösung Menschen, die Experten im Bereich des öffentlichen Verkehrs sind.
Bevor wir darüber sprechen, wie der öffentliche Verkehr in der Zukunft künstliche Intelligenz nutzen wird, sehen wir uns deren Definition genauer an. Was genau ist also künstliche Intelligenz? Hier ist eine Definition: „Die Theorie und Entwicklung von Computersystemen, die Aufgaben ausführen können, welche eigentlich menschliche Intelligenz erfordern, wie visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung zwischen Sprachen.“
Man könnte es auch so ausdrücken, dass KI wirklich all das ist, was wir uns vor fünf Jahren bei Computern noch nicht vorstellen konnten. Die technologischen Durchbrüche hinter der KI lassen Computer Aufgaben erledigen, die menschliche Intelligenz erfordern und die früher nicht von Computern gelöst werden konnten.
In der Welt der Mobilität richten sich die meisten Augen auf autonome Fahrzeuge als primäre Anwendung der KI im Transportwesen. Autonome Fahrzeuge nutzen die KI, um die Straße zu „sehen“ und Entscheidungen zum Fahren zu treffen, wobei sie (hoffentlich!) genügend Informationen sammeln, um einen menschlichen Fahrer zu ersetzen. Diese Art von visueller künstlicher Intelligenz wird als Deep Learning bezeichnet und erfordert viel „Training“.
Ein Mythos im Zusammenhang mit autonomen Fahrzeugen ist, dass sie Massenverkehrsmittel überflüssig machen, da auf irgendeine Weise weniger Menschen auf der Straße sein werden, weil die Menschen autonome Fahrzeuge gemeinsam nutzen. Bedeuten autonome Fahrzeuge also, dass uns Robotertaxis überallhin bringen und wir keine Mobilitätsprobleme mehr haben, weil wir keine Fahrer mehr brauchen? Die Antwort lautet: Nein. Das Problem werden Staus sein. Faszinierende Untersuchungen zeigen, dass Menschen, denen Chauffeure zur Verfügung stehen, tatsächlich mehr Fahrzeugkilometer zurücklegen, und zwar um bis zu 83 %. Wenn es das ist, was die Zukunft durch KI und autonome Fahrzeuge bringt, könnten wir in Schwierigkeiten geraten.
Deshalb brauchen wir nach wie vor öffentliche Verkehrsmittel, da nur sie die Menschen effizient befördern können, angesichts der tatsächlichen Einschränkung, die nicht die menschliche Intelligenz oder KI ist. Es ist die begrenzte Menge an Land, die in unseren Städten für den Verkehr zur Verfügung steht. Wir brauchen also immer noch besser geplante öffentliche Verkehrsmittel, damit der Massenverkehr in Zukunft funktioniert.
In der Welt des Verkehrs geht es bei KI nicht nur um autonome Fahrzeuge. Es sollte auch darum gehen, mit fortschrittlicher Technologie ein besseres Verkehrsnetz zu planen. Um die KI-Bestie zu füttern, brauchen wir Daten, und es gibt eine Menge Daten, die man zum effektivsten Betreiben von Verkehrssystemen nutzen kann. Daten über die Bewegung der Menschen, die zugrunde liegende Nachfrage und die unterschiedlichen Muster dieser Nachfrage. Wir verfügen auch über Verkehrsdaten, sowohl historische als auch in Echtzeit, sowie über Daten darüber, wie sich Busse fortbewegen.
Diese Daten können von der KI zur Vorhersage von Nachfrage, Verkehr und mehr genutzt werden, und zusammen mit fortschrittlichen Algorithmen kann dies zu einer besseren Planung führen – zur Erstellung von Routen, die sowohl der Nachfrage als auch dem Angebot besser entsprechen.
Beispielsweise nutzen wir heutzutage bei Optibus historische Performancedaten, um bessere Fahrpläne vorzuschlagen, die sowohl den Kostenkriterien entsprechen als auch die Pünktlichkeit verbessern. Dies geschieht automatisch mit Hilfe der KI. Hierbei werden Daten aus der Bewegung von Fahrzeugen in der Stadt herangezogen und die KI angewandt, um aus diesen Daten zu lernen und die Wahrscheinlichkeit der Pünktlichkeit jeder Fahrt vorherzusagen, basierend auf vielen verschiedenen Parametern wie der Tageszeit, dem Fahrzeugtyp und sogar dem Fahrer. Diese KI-Vorhersagen werden dann in die Optimierungsmaschine eingebettet, sodass wir automatisch neue Fahrpläne mit besserer Pünktlichkeit vorschlagen können.
Jetzt, wo wir ein KI-System haben, das den Transport datengesteuert planen kann, warum verwenden wir da nicht dieselbe Technologie, um diese Pläne in Echtzeit auszuführen?
Heute sind Planung, Echtzeit-Disposition und Betrieb zwei völlig unterschiedliche Welten. Sie werden sogar von verschiedenen Teams ausgeführt – von Planern auf der und von Disponenten auf der anderen Seite. Die Planer konzentrieren sich darauf, einen Plan zu erstellen, welcher der Nachfrage entspricht und in Bezug auf Kosten und Machbarkeit am effizientesten ist. Disponenten konzentrieren sich darauf, Probleme in Echtzeit zu lösen. Sie haben keine Zeit, die optimale Lösung zu finden, da sie Probleme schnell lösen müssen, damit die Auswirkungen auf die Fahrgäste möglichst gering sind.
Aber wissen Sie, wer bereits Milliarden von Optionen auf der Grundlage von Echtzeitdaten prüfen und dann kluge Entscheidungen treffen kann? Computer mit KI. Mit der gleichen Technologie können wir:
Dies ist die Zukunft der künstlichen Intelligenz im Massenverkehr: der Übergang vom Management des Massenverkehrs zur Orchestrierung aller Verkehrsmittel in einer Stadt, vielleicht auf der Grundlage von Anreizen oder einer Politik, welche die individuellen Bedürfnisse und auch die Bedürfnisse der Stadt optimiert. Dies ist erforderlich, um die Ineffizienz zu vermeiden, die entsteht, wenn manche Mobilitätsarten andere überholen, und auch um die vielen verschiedenen Datenquellen darüber optimal zu nutzen, wie sich die Menschen in der Stadt bewegen und wohin sie fahren wollen. Diese Daten zu nutzen und Entscheidungen anzubieten, die für alle Einwohner am besten sind, ist der Weg der Zukunft.