Direkt zum Inhalt Skip to navigation Skip to search
Choose country

Mastria: Mobility Orchestration in the digital age

Staus und Überlastung jeglicher Verkehrsströme (MIV, Bahnen, Fahrräder, E-Scooter, Fußgänger, Reisende in Bahnhöfen und Flughäfen...) sind eine erhebliche Herausforderung für Großstädte weltweit. Aufgrund der Abhängigkeit und Beeinflussung der Verkehrsträger untereinander in der dichten städtischen Umgebung löst ein Zwischenfall bei einem Verkehrsträger eine Reihe von Reaktionen aus, die Auswirkungen auf das gesamte Verkehrssystem der Stadt hat. Um auf diese Herausforderung zu reagieren, entwickelt Alstom „Mastria“, die erste multimodale Lösung zur Überwachung- und Orchestrierung der Mobilität. In diesem Artikel wird das globale Konzept zu Mastria sowie zwei verschiedene Funktionen in ihrem betrieblichen Umfeld vorgestellt. An diesen Funktionen wird aufgezeigt, wie die tägliche Betriebsführung in öffentlichen Verkehrssystemen (für Straße als auch für die Schiene) mit Mastria verbessert wurde. Darüber hinaus wird der Fortschritt zur Implementierung dieser Funktionen in eine allumfassende Mobilitätsorchestrierung vorgestellt.

Mastria: Kontext und Konzept

Zurzeit treiben private Unternehmen (zum Beispiel im E-Scooter Bereich) die Entwicklung von Mobility as a Service (MaaS) mit einem individuellen Ansatz voran. Behörden müssen jedoch die Verkehrssysteme der Stadt weiterhin steuern können, um eine nachhaltige Mobilität zu fördern. Mastria unterstützt somit Behörden und Betreiber dabei, das Verkehrsangebot an die tatsächliche Nachfrage anzupassen und die verschiedenen Verkehrsträger besser aufeinander abzustimmen.

Mastria überwacht die Mobilität in der Stadt indem es Echtzeitinformationen von allen Verkehrsträgern aufnimmt und an die Kontrollzentren der Betreiber meldet. Ferner gibt Mastria auch Empfehlungen, welches Verfahren zu befolgen ist und wie Korrekturmaßnahmen in Echtzeit von einer Mobilitätszentrale der Stadt aus umgesetzt werden können, wenn es zu Zwischenfällen kommt. Ziel von Mastria ist, den Verkehrsfluss in einer Stadt für alle Teilnehmer so reibungslos wie möglich zu gestalten und die Wege der Reisenden zu ordnen. Mastria ist eine reine Softwarelösung, die sich an jede Art von Leitstelle, Datenerfassungs- und Verkehrsüberwachungssystem anpassen kann. Mastria kann daher in einer Stadt mit den Systemen von Alstom, aber auch mit denen anderer Hersteller kombiniert werden.

Mastria analysiert, simuliert die Mobilitätsnachfrage und sagt diese auch vorher. Dies geschieht auf Grundlage verschiedenster Datenquellen wie Telekommunikation (Nutzung von Mobilfunk), Ticketing, Zählsystemen (Fahrgastzählung an den Türen oder auf dem Bahnsteig), Kameraüberwachung, Bluetooth-Baken und heterogene Daten (Wetter, Verkehrsmeldungen, weitere Zwischenfälle), die sich auf die Mobilitätsnachfrage auswirken. Durch umfangreiche Datenintegration überwacht Mastria die Personenströme in Echtzeit. Gleichzeitig prognostiziert es die Auswirkungen, um Nachfrageentwicklungen bei Verkehrsverlagerungen zu antizipieren und die Auslastung von Knotenpunkten zu steuern.

Das Wetter hat zum Beispiel einen starken Einfluss auf die Nutzung der verschiedenen Verkehrsmittel. Schlechtes Wetter kann Menschen in die U-Bahn locken, weshalb die Buslinien im Anschluss zur U-Bahn verstärkt werden sollten; in diesem Fall könnten die regelmäßigen Nutzer des öffentlichen Verkehrsangebots per App eine Empfehlung erhalten, ihre Fahrt früher oder später anzutreten oder zu verschieben, um eine Überlastung zu vermeiden. Im Gegensatz dazu sollten bei gutem Wetter E-Roller von Sharing Anbietern am Ausgang der wichtigsten Knotenbahnhöfe zur Verfügung stehen. Mastria kann die Nachfrageentwicklung vorhersagen und den Behörden und Betreibern Ratschläge geben, damit sie entsprechend handeln und den Menschen in der Stadt die beste Art der Fortbewegung empfehlen.

Alstom hat beschlossen, gemeinsam mit städtischen Betreibern an konkreten Anwendungsfällen zu arbeiten, um Mastria-Funktionen Schritt für Schritt zu implementieren und so dem Markt eine allumfassende Lösung zur Steuerung der Mobilitätsströme zu bieten. Wie bei jeder Produktentwicklung müssen in der Tat Zwischenschritte unternommen werden, bevor das allumfassende Endprodukt einsatzbereit ist. Im Folgenden werden daher zwei Anwendungsfälle vorgestellt. Der erste konzentriert sich auf das Management eines heterogenen Bussystems, der zweite auf die Optimierung eines U-Bahn-Anschlusses.

Beispiel Saragossa: Koordination mit mehreren Betreibern

Um das Management des städtischen Busnetzes von Saragossa zu verbessern, haben CTAZ (Verkehrskonsortium der Region Saragossa) und Alstom in Spanien ein Pilotprojekt zur Implementierung der Mastria-Lösung entwickelt. Das letztendliche Ziel besteht darin, auf Zwischenfälle in Echtzeit zu reagieren und die von der Behörde und den Betreibern ergriffenen Maßnahmen zur Behebung von Störfällen effizienter zu koordinieren.

Die von CTAZ koordinierte Busflotte, auf der das Innovationsprojekt basiert, umfasst 6 verschiedene Betreiber und deckt 30 Gemeinden mit insgesamt 25 Linien ab. Die Organisation dieses komplexen Netzes, das jährlich über 5 Millionen Fahrgäste befördert, stellt eine echte Herausforderung dar: die verschiedenen Betreiber verfügen über unterschiedliche interne Verwaltungsmechanismen. CTAZ ist zwar der Anlaufpunkt für Fahrgäste, hatte jedoch Mühe Informationen zum Busverkehr in Echtzeit zu erhalten. Somit war die Überwachung von Zwischenfällen, mit denen die verschiedenen Betreiber konfrontiert sind, sehr aufwendig. Da die Behörde nicht wusste, was in ihrem Netz genau geschah, konnte sie die Fahrgäste nicht korrekt und rechtzeitig informieren. Vor der Einführung von Mastria wurde die Nachverfolgung und Aufarbeitung der verschiedenen Vorfälle von der Behörde nur dann manuell durchgeführt, wenn ein Kunde ein Problem durch einen Anruf bei der Behörde gemeldet hätte. Die Servicequalität (Pünktlichkeit, Anzahl von Ausfällen…) insgesamt wurde zwar monatlich, jedoch nicht in Echtzeit überwacht. Die Ergreifung von Verbesserungsmaßnahmen war daher sehr zeitaufwändig.

  • Mastria kam hier zum Einsatz, um die Betriebsabläufe in Echtzeit zu überwachen und gegebenenfalls reagieren zu können. Dies geschah durch die Integration des Busnetz-Fahrplans und der GPS-Daten in Mastria, um Verspätungen, Positionen, Zwischenfälle usw. zu berechnen und zu melden. Dank des Einsatzes von Algorithmen und intelligenter Datenanalyse (rückblickend und in Echtzeit) konnte ein Modell zur automatischen Erkennung von Zwischenfällen im Busnetz des Großraums Saragossa entwickelt werden. Es wurden zehn Vorfallskategorien definiert:

    • Umleitung von Bussen (z.B. Straßenbauarbeiten)
    • Dem Zeitplan voraus sein
    • Verspätung
    • Verspäteter Start an der ersten Bushaltestelle
    • Verbindungsabbruch (Signal vom Fahrzeug)
    • Falsche Richtung
    • Falscher Fahrweg („Mission“)
    • Reise geplant, aber nicht durchgeführt
    • Reise nicht geplant, aber durchgeführt (manueller Fehler)

    Mastria fungiert als eine neue „Schicht“ über dem System eines jeden Betreibers, um die Vorfälle automatisch zu erkennen und zu aggregieren.

    In der obigen Abbildung ist die Route in grün die geplante, und die in rot die tatsächliche Route des Busses. Der Vorfall „Umleitung“ wurde sofort ausgelöst, als der Bus außerhalb des erwarteten Linienverlaufs erfasst wurde. Mit Mastria wird die Behörde sofort den Betreiber anrufen, um sich über den Grund der Abweichung zu informieren: Gibt es einen guten Grund oder hat der Busfahrer selbst beschlossen, die Route zu ändern? Hat der Fahrer die Tages- oder Nachtroute verwechselt?

    Die Meldung eines kategorisierten Vorfalls in Echtzeit ermöglichte es, Probleme zu erkennen, die vom Betreiber möglicherweise missverstanden wurden. Die Innovation und der Mehrwert für CTAZ liegt in der Tatsache, dass die Mastria Plattform sowohl für die Behörde als auch für die verschiedenen Busbetreiber zugänglich ist. Dies ermöglicht, dass alle Netzinformationen gemeinsam in Echtzeit verwaltet werden. Die Effizienz bei der Störungsbehebung wird dadurch erheblich verbessert und den Fahrgästen ein besserer Service angeboten. Heute kann CTAZ eine echte Kontrolle über die Betriebsvorgänge in Echtzeit ausüben.

    In Saragossa hat Mastria seine Vorteile für die Koordinierung mehrerer Betreiber unter der Haube einer kommunalen Verwaltung gezeigt. Die Ergebnisse der Einführung von Mastria in Saragossa können qualitativ gemessen werden: Es ist ein starkes Managementinstrument für die Verkehrsaufsichtsbehörde der Stadt und sorgt für mehr Klarheit und Transparenz bei der Zusammenarbeit und dem Vertragsmanagement mit den verschiedenen Betreibern.

Beispiel Panama: Optimierung eines Kreuzungsbahnhofs (U-Bahn)

Eine weitere Stadt, in der sich Mastria bewährt hat, ist Panama City: Hier sind die Ergebnisse deutlich quantitativer und somit messbarer als in Saragossa. Mastria wird eingesetzt, um einen strategischen Knoten im U-Bahn Netz zu entlasten.

Die Metro von Panama besteht aus zwei Linien, die den Norden und Osten der Metropole mit dem Stadtzentrum verbinden. Die 15,8 Kilometer lange Linie 1, die im April 2014 eröffnet wurde, bedient vierzehn Stationen, wobei eine fünfzehnte Station geplant ist. Die im April 2019 eröffnete Linie 2 hat eine Länge von 21 Kilometern und bedient sechzehn Bahnhöfe, wobei San Miguelito der Umsteigebahnhof für beide Linien ist. Die Metro von Panama wurde von Alstom schlüsselfertig gebaut, um den Straßenverkehr zwischen Panama-Stadt und dem Vorort San Miguelito zu entlasten und den Pendlern eine brauchbare Alternative zum MIV zu bieten, da das Metrobus-System unter zahlreichen Problemen leidet.

Nach Eröffnung der zweiten U-Bahnlinie in Panama, wurde diese schnell Opfer ihres eigenen Erfolgs mit überfüllten Bahnsteigen, Schlangen im Treppenhaus usw. Da die Fahrgastzahlen höher waren als erwartet, kam es insbesondere am Umsteigebahnhof von San Miguelito zu einer enormen Überlastung (siehe Bild unten). Der Betreiber versuchte, betriebliche Lösungen zu implementieren, um die Auslastung zu reduzieren, wie z.B. die Bereitstellung leerer Züge oder das Auslassen von Bahnhöfen. Es gab jedoch keine Möglichkeit, die Auswirkungen dieser Maßnahmen auf die Frequentierung der Bahnhöfe zu messen. Die Herausforderung bestand darin, die Auslastung zu messen und vorher zu sehen, um die beste Lösung zur Verringerung der Warte- und Reisezeit zu erwirken.

 

Origin destination Matrix in Mastria
Evolution of occupancy by train Mastria
Fail to Board in San Miguelito station, the saturation happens during morning peak hour
  • Um diese Herausforderung zu meistern, bestand der erste Schritt darin, durch Modellierung der Passagierströme zu definieren, wie die Überlastung zurzeit zustande kommt. Um die Passagierströme zu modellieren und genau zu bestimmen, wann die Überlastung eintritt, hat Mastria daher zwei Arten von Daten gesammelt:

    • Erstellung einer Start-Ziel-Matrix auf Basis von Daten aus der Ticketnutzung: Check-in- und Check-out-Daten an den sogenannten Ticket-Gates (Drehkreuze am Stationseingang)
       
    • LST-Daten in Echtzeit: Position und Gewicht der Züge für die Modellierung des Personenflusses in den Zügen

    Durch Abgleichung bzw. Kreuzung dieser zwei Datenquellen konnte der gesamte Personenfluss im Netz (einschliesslich der Bahnsteige) modelliert werden.

    Mit diesen Eingangsdaten lieferte Mastria eine erste Stufe der Analyse, um die Auswirkungen der vom Betreiber durchgeführten Maßnahmen besser zu verstehen. Die folgenden KPIs wurden berechnet und eingeführt:

    • „Fail to Board“: Anzahl und Prozentsatz der Personen, die einen Zug verpasst haben, weil er zu voll war (pro Bahnsteig für jeden Zug) – dieser KPI wurde ebenfalls mit der Start-Ziel-Matrix berechnet, insbesondere durch die Ticketing-Daten (überschreitet die Check-Out Zeit die Uhrzeit der gewöhnlichen Reisezeit, hat der Fahrgast einen Zug verpasst)
    • „Passenger Travel Time“: der wichtigste, zu optimierende KPI. Die Überlastung des Netzes wirkt sich auf den Komfort und die Reisezeit der Fahrgäste aus und veranlasst einige von ihnen, private Verkehrsmittel zu wählen.

    Es wurde festgestellt, dass die zuvor von den Betreibern ergriffenen betrieblichen Korrekturmaßnahmen nicht genau zum richtigen Zeitpunkt umgesetzt wurden, da die Uhrzeit der Überlastung der Linien von einem Tag zum anderen stark schwankte (etwa 30 Minuten), ohne dass es ein genaues Muster für die Arbeitstage gab. Diese Variation macht es schwierig, die Abhilfemaßnahmen im Voraus zu planen. Viele Faktoren können die Mobilitätsnachfrage beeinflussen, und diese Variabilität macht eine tägliche Anpassung des Angebots erforderlich.

    Umsetzung

    Nachdem das Problem definiert und gemessen wurde, bestand der zweite Schritt darin, die Netzüberlastung in Echtzeit vorherzusagen.  Um die richtigen Maßnahmen zur richtigen Zeit zu ergreifen hat Mastria daher eine Vorhersage der KPIs in Echtzeit und einen Auslastungsalarm implementiert, der dank des maschinellen Lernens 30 Minuten vor der Überlastung ausgelöst wird. Ein Bediener in einem eigens dafür vorgesehenen Kontrollraum ist dann in der Lage, Entscheidungen in Echtzeit zu treffen und kann zum Beispiel leere Züge direkt an überfüllte Bahnhöfe schicken, ohne an vorherigen Bahnhöfen anzuhalten. In Mastria wurde ein mit Algorithmen des maschinellen Lernens erstelltes Modell implementiert, das auf historischen Daten basiert und in Echtzeit von Signalsensoren gespeist wird.

    Ergebnisse

    Der Einsatz von Mastria hatte einen erheblichen Effekt auf die Auslastung der U-Bahn in Panama. Erstens konnten die Anzahl der Fahrgäste, die während der morgendlichen Spitzenzeiten am Umsteigebahnhof nicht einsteigen können, verringert werden. Die Zahl der Personen, die am Umsteigebahnhof während der morgendlichen Hauptverkehrszeit nicht in den ersten verfügbaren Zug einsteigen konnten, ist von 17000 auf 10000 gesunken, d.h. von 80% auf 41%. Dadurch hat sich auch die Wartezeit an überlasteten Bahnhöfen verbessert:

    • Station Pan de Azúcar -295 Sekunden Wartezeit;
    • Station San Miguelito -112 Sekunden Wartezeit;
    • Station Pueblo Nuevo -146 Sekunden Wartezeit.

    Dank Mastria konnte die durchschnittliche Fahrzeit der Fahrgäste in der morgendlichen Spitzenstunde um 3 Minuten verkürzt werden, was den Komfort und die Fahrzeit für 30.000 Fahrgäste verbessert hat.

    Der letzte Schritt von Mastria, der sich in der Entwicklung befindet, besteht darin, dem Betreiber automatisch eine Empfehlung zur Lösung der Auslastung zu geben. Zu diesem Zweck arbeiten die Teams von Mastria mit dem Betreiber zusammen, um verschiedene Echtzeit-Optimierungsalgorithmen zu entwickeln.

Mastria Panama

Auf dem Weg zu einer multimodalen Vernetzung

Der nächste Schritt für die Verkehrsbehörde Panamas ist der Ausbau eines solchen Systems zu einer multimodalen Plattform, um das Busangebot besser mit der U-Bahn abzustimmen und so den multimodalen Betrieb besser handhaben zu können.

Der erste Schritt wird darin bestehen, die globale Mobilität in der Stadt zu analysieren, zu überwachen und zu modellieren. Dann wird es möglich sein, die Dienste zu synchronisieren, das Verkehrsangebot an die Nachfrage anzupassen und die Fahrgäste effizient in Echtzeit zu informieren.

Die Ziele der multimodalen Plattform in Panama sind somit:

  • Unterstützung bei der Planung der zukünftigen Metrolinien
  • Testen verschiedener Betriebsszenarien im offline Modus zur Planung und Vorbereitung von Aktionsplänen zur gesamtheitlichen Mobilitätssteuerung
  • Optimierung des Betriebs in Echtzeit in Abhängigkeit von der aktuellen Situation
  • Vorhersagen von bestimmten Zwischenfällen und angemessene Reaktion

Schlussfolgerung und Ausblick

Bei der Vielzahl von Verkehrsangeboten und Akteuren ist es für die kommunalen Verkehrsbehörden heute komplizierter geworden, die Nahverkehrspolitik wie gewünscht umzusetzen. Ein Kontrollverlust droht. Indem Mastria dazu beiträgt, die Mobilität seiner Bürger besser zu verstehen, gibt es den Verkehrsbehörden die Instrumente an die Hand, um die Kontrolle über ihre Verkehrssysteme wiederzuerlangen und die integrierte Mobilität auf ihrem Territorium geordnet zu organisieren. Basierend auf künstlicher Intelligenz und Modellierungssimulationen besteht die Stärke von Mastria darin, dass es vorhandene Datensätze aus dem öffentlichen Verkehr (Dienstleistungen, Fahrzeuge, Fahrkartenverkauf), dem Straßenverkehr (Verkehrsinformationen, Parkplatzbelegung), der Telekommunikation & IoT (Start-Ziel-Matrix, Heatmaps) und sozialen Faktoren (soziale Netzwerke, Wetter, Stadtsensoren) nutzt.

In seiner endgültigen Fassung strebt Mastria folgende Ziele an:

  • Förderung eines nachhaltigen Verkehrs durch Erhöhung der Fahrgastzahlen im öffentlichen Verkehr
  • Verbesserung der Planung von Infrastrukturinvestitionen dank eines besseren Verständnisses des Mobilitätsverhaltens der Nutzerinnen und Nutzer und der Simulation von diesem für Szenarioanalyse im Rahmen der weiteren Stadtentwicklungspolitik
  • Umsetzung einer multimodalen Integration: Analyse von Verkehrsverlagerung und Netzengpässen, Business Intelligence für den Personenfluss, Verkehrsknoten-Management etc.
  • Geordnete Implementierung von Mobility as a Service (MaaS), indem Sie qualitativ hochwertige Informationen erzeugen, die über offene Datenplattformen für Mobilitätsdienste auf Abruf zugänglich sind.
  • Unterstützung der betrieblichen Entscheidungsfindung durch die Vorhersage des Fahrgastverhaltens in Echtzeit, aber auch durch effiziente Information der Öffentlichkeit und eine schnelle Reaktion zur Lösung von Zwischenfällen

Weitere Lektüre