Daten als Fundament der Optimierung
Jede Optimierungslösung ist nur so gut wie die Daten, auf denen sie basiert. Die Integration heterogener Datenquellen – von historischen Fahrplandaten über Echtzeit-Telemetrie bis hin zu externen Datenquellen wie Wetter und Veranstaltungen – ist eine zentrale Herausforderung bei der Implementierung von Optimierungslösungen in Verkehrsunternehmen.
Unsere Datenintegrationslösungen adressieren diese Herausforderung durch robuste ETL-Pipelines (Extract, Transform, Load), die Daten aus verschiedensten Quellsystemen extrahieren, in ein einheitliches Datenmodell transformieren und für die Optimierung bereitstellen. Dabei berücksichtigen wir die spezifischen Anforderungen der Verkehrsbranche: Echtzeitfähigkeit, hohe Verfügbarkeit und strikte Datenschutzanforderungen.
Die nahtlose Integration mit bestehenden IT-Systemen ist ein Kernmerkmal unserer Lösungen. Wir ersetzen keine vorhandenen Systeme, sondern ergänzen sie um intelligente Optimierungsfähigkeiten. Die Ergebnisse unserer Optimierung werden über standardisierte Schnittstellen an die operativen Systeme zurückgespielt, sodass Disponenten und Planer in ihrer gewohnten Arbeitsumgebung bleiben können.
Extract:
IVU.suite → Fahrplandaten
SIRI → Echtzeit-Positionen
APC → Fahrgastzählungen
Transform:
validate() → clean() → enrich()
GTFS → internes Datenmodell
Load:
→ TimescaleDB (Zeitreihen)
→ PostGIS (Geodaten)
→ Redis (Echtzeit-Cache)
Unterstützte Systeme und Standards
Wir integrieren mit allen gängigen Dispositions- und Planungssystemen der Verkehrsbranche.
IVU.suite
Vollständige Integration mit IVU.plan, IVU.run und IVU.fleet. Bidirektionaler Datenaustausch für Fahrplandaten, Umlaufpläne, Dienstpläne und Echtzeit-Dispositionsdaten über die IVU-API.
INIT MOBILE-PLAN
Anbindung an die INIT-Plattform für Fahrgastzählung (APC), Echtzeit-Fahrgastinformation und Betriebsleitrechner. Integration der INIT-Telemetriedaten in unsere ML-Modelle.
Trapeze
Integration mit Trapeze-Planungssystemen für Fahrplan-, Umlauf- und Dienstplanung. Export optimierter Pläne im Trapeze-kompatiblen Format für nahtlose Übernahme in den operativen Betrieb.
GTFS / GTFS-RT
Import und Export von Fahrplandaten im General Transit Feed Specification Format. Echtzeit-Updates über GTFS-Realtime für Verspätungen, Fahrzeugpositionen und Servicehinweise.
SIRI / VDV 453
Echtzeit-Datenaustausch über SIRI (Service Interface for Real-time Information) und VDV 453/454. Unterstützung aller relevanten SIRI-Services: SM, ET, VM, SX für die ÖPNV-Disposition.
NeTEx / DINO
Unterstützung des europäischen NeTEx-Standards und des deutschen DINO-Formats für den Austausch von Netz- und Fahrplandaten zwischen Verkehrsunternehmen und Aufgabenträgern.
Echtzeit-Datenarchitektur
Unsere Datenarchitektur ist auf die spezifischen Anforderungen der Verkehrsbranche zugeschnitten: Hohe Datenvolumina (Millionen von GPS-Positionen pro Tag), niedrige Latenz (Echtzeit-Disposition erfordert Verarbeitung im Millisekundenbereich) und hohe Verfügbarkeit (24/7-Betrieb ohne Ausfälle).
Apache Kafka bildet das Rückgrat unserer Streaming-Architektur: Echtzeitdaten werden als Events in Topics publiziert und von verschiedenen Konsumenten verarbeitet – der Optimierungsengine, dem ML-Modell, dem Monitoring-Dashboard und dem Data Warehouse. Diese Event-getriebene Architektur ermöglicht eine lose Kopplung der Komponenten und eine flexible Skalierung.
Für die persistente Datenhaltung nutzen wir eine Kombination aus TimescaleDB (Zeitreihendaten), PostGIS (Geodaten), Redis (Echtzeit-Cache) und einem Data Lake (Parquet auf S3) für historische Analysen. Diese polyglotte Persistenzstrategie stellt sicher, dass jede Datenart in der optimalen Datenbank gespeichert und abgefragt wird.
"Die Datenintegration war der Schlüssel zum Erfolg unseres Optimierungsprojekts. Die nahtlose Anbindung an unser bestehendes IVU-System hat es uns ermöglicht, die Optimierungsergebnisse direkt in den operativen Betrieb zu übernehmen."
Automatische Datenqualitätssicherung
Datenqualität ist kein einmaliges Projekt, sondern ein kontinuierlicher Prozess. Unsere automatisierten Qualitätssicherungsmechanismen überwachen jeden Datenpunkt, der in unsere Systeme einfließt, und stellen sicher, dass nur valide, konsistente und aktuelle Daten für die Optimierung verwendet werden.
Schema-Validierung prüft die strukturelle Korrektheit der Daten, Plausibilitätsprüfungen erkennen unrealistische Werte (z.B. Geschwindigkeiten über 200 km/h für Busse), und statistische Anomalie-Erkennung identifiziert ungewöhnliche Muster, die auf Sensorfehler oder Datenübertragungsprobleme hindeuten.
Für fehlende oder fehlerhafte Daten haben wir robuste Imputation-Strategien entwickelt: Kurze Lücken in GPS-Daten werden durch Interpolation geschlossen, fehlende Fahrgastzählungen durch historische Durchschnittswerte ersetzt, und inkonsistente Fahrplandaten durch automatische Korrekturalgorithmen bereinigt. So stellen wir sicher, dass unsere Optimierungsmodelle stets auf einer soliden Datenbasis arbeiten.
Streaming
Geodaten
Echtzeit-Cache
Zeitreihen