Datenmanagement - Projektbeschreibung

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
Projektleiter:in
Organisation Ansprechperson E-Mail Telefonnummer
nast consulting ZT GmbH Daniel Elias elias@nast.at 0043 676 88 62 78 004
Projektteilnehmer:in
Organisation Ansprechperson E-Mail 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

Datenmanagementplan - Datenquellenbeschreibung

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 E-Mail 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 ? ? ? ?

Datenmanagementplan - Methodenbeschreibung

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

Datenmanagementplan - Ergebnisbeschreibung

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 E-Mail 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

Datenmanagementplan - Ergänzende Projektbeschreibung

Kooperation mit anderen Projekten Projektname: Webseite: E-Mail
Keine
Operative Ergebnis- und Datenverwendung Anwendung: Link: E-Mail
Keine