| Versionsnummer | 1.0 |
| Berichtsreferenz | Projektstart |
| Projekttitel | AI 4 Sustainable PT - Sustainable Regional Public Transport based on AI assessments of mobility |
| Projektstart | 03/06/2024 |
| FFG Förderprogramm | Mobilität 2023: Regionale Mobilitätslabore & Digitalisierung für Mobilitäts- und Logistikdienste |
| Projektbeschreibung: | Mit der Anwendung fortschrittlicher Methoden von Explainable AI werden Faktoren für ein attraktives öffentliches Verkehrsnetz identifiziert. Heterogene Datenquellen werden in einem Mobilitätsgraphen zusammengeführt, der die Mobilität der Menschen in einer Region in räumlicher und zeitlicher Hinsicht darstellt. Als Fallstudien werden mehrere ländliche Abschnitte mit Siedlungen mit geringer Einwohnerzahl in Oberösterreich untersucht. |
| Projekt Webseite: | https://projekte.ffg.at/projekt/5124704 |
| Weitere projektbezogene Links (z.B. Services) | n.A. |
| Projekt Standardkeywords | Datentools und -methoden;Digitale Schlüsseltechnologien und -konzepte (z.B. Digitaler Zwilling/KI);Öffentlicher Verkehr;Überlandverkehr |
| Projekt individual Keywords: | Sustainable; Public Transport; PT network; explainable AI; GNN; Optimization |
| Mobilitätsart: | Linienverkehrsdienste |
| Themengebiete: | Routenoptimierung; Haltestellenoptimierung |
| Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|
| nast consulting ZT GmbH | Daniel Elias | elias@nast.at | 0043 676 88 62 78 004 |
| Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|
| Software Competence Center Hagenberg GmbH | Lukas Fischer | Lukas.Fischer@scch.at | 0043 50 343 828 |
| Vienom | Sebastian Welle | sebastian.welle@vienom.com | 0043 699 11 95 69 14 |
| Subprojekte | Projektname | Projektbeschreibung | Telefonnummer |
|---|---|---|---|
| S1 | n.A. |
| Relevante Vorprojekte | |
|---|---|
| Projektname | n.A. |
| Projektbeschreibung | n.A. |
| Projektlink | n.A. |
| Projektzeitraum | n.A. |
| Genderdaten im Projekt | |||
|---|---|---|---|
| Werden im Projekt Daten zu Gender erhoben? | Nein | ||
| Werden im Projekt Daten aus Genderperspektive analysiert? | Ja | ||
| Werden genderbezogene Daten in Kombination mit anderen Faktoren (Alter, sozioökonomische Faktoren, etc.) analysiert? | Ja | Wenn ja, mit welchen? | Alter, sozioökonomische Faktoren |
| Werden neben Gender auch Daten zu anderen Diversitätsdimensionen (Alter, ethnische Zugehörigkeit, sexuelle Orientierung, Behinderung, soziale Herkunft) erhoben und analysiert? | Nein | Wenn ja, welche? | |
| Zu welchen Datenkategorien bzw. thematischen Fragekomplexen (Nutzung, Verhalten, Einstellung, Sicherheit, etc.) werden gendersensible Daten analysiert? | Sicherheitsbedenken, Zugang zu barrierefreien Verkehrsmitteln, soziale Normen, gewohntes und erlerntes Mobilitätsverhalten und Nutzungsmuster |
| Q_ID | Subprojekt ID | Titel | Textbeschreibung | Link | Datenart | Verfügbarkeit | Entgelt | Lizenz/Nutzungsbedingung | Datenformat | Daten gültig ab | Daten gültig bis | Nutzungszeitraum | Personenbezogenen Daten enthalten | Wichtigkeit für das Projekt | Arbeitspaket | Speicher und Backup Methoden | Organisation | Ansprechpartner | Telefonnummer | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Q1 | GIP | Graph integration platform GIP | https://www.gip.gv.at/ | Rohdaten | Öffentlich verfügbar | Nein | n.A. | gpkg | n.A. | n.A. | gesamte Projektlaufzeit | Nein | Hoch | 3-5 | Server der Partner SCCH mit Zugangsbeschränkungen | ÖVDAT - Österreichisches Institut für Verkehrsdateninfrastruktur | Mag. Roman Dangl | oevdat@noel.gv.at | 0043 2742 9005 14955 | |
| Q2 | OSM | Open Street Map | https://www.openstreetmap.org/#map=8/47.714/13.349 | Rohdaten | Öffentlich verfügbar | Nein | n.A. | geodata, gpkg, shp | n.A. | n.A. | gesamte Projektlaufzeit | Nein | Hoch | 3-5 | n.A. | n.A. | n.A. | n.A. | n.A. | |
| Q3 | OÖVG-Daten | Ausgewählte Datensätze des Oberösterreichischen Verkehrsverbunds (OÖVG) | n.A. | ? | ? | ? | ? | ? | ? | ? | gesamte Projektlaufzeit | Nein | Mittel | 3-5 | Server des Partners SCCH oder Vienom mit Zugangsbeschränkungen | ? | ? | ? | ? | |
| Q4 | Pendlerdaten | Pendlerdaten für Österreich | n.A. | Aggregierte Daten | Gekauft | Ja | n.A. | csv | 2011 | 2018 | gesamte Projektlaufzeit | Nein | Mittel | 3-5 | Server des Partners Vienom mit Zugangsbeschränkungen | Statistik Austria | n.A. | n.A. | n.A. | |
| Q5 | Wikidata | Daten Wikipedia | n.A. | Text | Öffentlich verfügbar | Nein | n.A. | ? | n.A. | n.A. | gesamte Projektlaufzeit | Nein | Mittel | 3-5 | n.A. | n.A. | n.A. | n.A. | n.A. | |
| Q6 | Amt OÖ LR | Haushaltsbefragungen | n.A. | ? | ? | ? | ? | ? | ? | ? | gesamte Projektlaufzeit | Nein | Mittel | 3-5 | Server des Partners SCCH oder Vienom mit Zugangsbeschränkungen | ? | ? | ? | ? |
| M_ID | Subprojekt ID | Quellen ID's | Titel | Textbeschreibung | Methodenart | Methodenreferenz | Öffentlich verfügbar |
|---|---|---|---|---|---|---|---|
| M1 | Q1-Q6 | Datenextraktion | Datenerhebung und Extraktion aus versch. Quellen | Erhebung | Nein | ||
| M2 | Q3, Q4 | Datenvorverarbeitung | Aufbereitung von extrahierten Rohdaten, Aggregation, Behandlung von fehlenden Datenpunkten, Ausreißern, etc. Extraktion von relevanten Features für die weitere Modellierung | Verschneidung | Nein | ||
| M3 | Q1-Q6 | Knowledge Graph | Integration von multimodalen Daten aus den versch. Quellen in ein einheitliches Datenmodell in der Form eines Knowledge Graphs | Verschneidung | Apache Jena | Nein | |
| M4 | Q1-Q6 | Graph Neural Network Training | Einsatz von KI-gestützten Verfahren für link prediction und node classification auf Graphen, u.a. zur Bewertung der Lage von potentiellen Haltestellen, Generierung von Vorschlägen für Verkehrsverbindungen, Vorhersage von Passagierströmen | Auswertung, KI-Training | PyTorch Geometric | Ja | |
| M5 | Q1-Q6 | Explainability-Methoden | Einsatz von Methoden aus dem Bereich der Explainable AI (z.B. counterfactuals, saliency maps) zur Generierung von unterstützenden Erklärungen für Vorhersagen und Vorschlägen bzgl. Mobilitätsnachfrage | Auswertung | Nein | ||
| M6 | Q1-Q6 | Evaluierung, Visualisierung | Auswertung der gesammelten Daten auf deiner Modellregion, Evaluierung der KI-generierten Vorschläge und Bewertungen, quantitative Analysen mittels statistischer Methoden, visuelle Darstellung der Ergebnisse und Erklärungen bzgl. vorhergesagter Passagierflüsse, Bewertungen von Planungsänderungen etc. | Darstellung | Nein |
| E_ID | Methoden ID's | Subprojekt ID | Titel | Textbeschreibung | Datenart | Datenformat | Öffentlich verfügbar | Voraussichtliches Erstellungsdatum | Räumliche Auflösung | Zeitliche Auflösung | Link zu Daten | Vorhaltezeitraum | Qualitätsbeschreibung | Nutzungsbedingungen | Organisation | Ansprechperson | Telefonnummer | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| E1 | M1-M3 | Knowledge Graph | Graphbasiertes Datenmodell der integrierten multimodalen Datenquellen | Aggregierte Daten | RDF | Nein | Modellregion in Ö | |||||||||||
| E2 | M4 | GNN-Modell | Auf einer Modellregion trainiertes KI-Modell zur Generierung von Vorhersagen und Bewertungen | Modell | Nein | Modellregion in Ö | ||||||||||||
| E3 | M4 | KI-generierte Auswertungen und Ergebnisse | Vorhergesagte Fahrgastströme, Bewertungen von neuen Haltestellen etc. exemplarish demonstriert auf einer Modellregion | Vorhersagen, Studienergebnisse | Nein | Modellregion in Ö | ||||||||||||
| E4 | M5-M6 | Visualisierungen, Dashboard | Kommunikation der generierten Vorhersagen und Ergebnisse, inkl. Erklärbarkeit und grafischer Visualisierung in einem Dashboard | Grafiken, Dashboard | Nein | Modellregion in Ö |
| Kooperation mit anderen Projekten | Projektname: | Webseite: | |
| Keine | |||
| Operative Ergebnis- und Datenverwendung | Anwendung: | Link: | |
| Keine |