✨ AI Kontextualisierung
Viele Menschen haben es im Laufe der Geschichte versucht – manche erfolgreicher, manche weniger erfolgreich: Die Zukunft vorhersehen. Dieser alte Traum kann nun dank der technischen Entwicklung in Erfüllung gehen. Während man sich in alten Zeiten auf göttliche Eingebung, Glaskugeln und dergleichen verließ, baut das niederländische Startup Fileradar im Accelerator-Programm Kapsch Factory1 auf Big Data und Machine Learning. Das Ziel ist dann auch etwas bescheidener (und realistischer), als jenes von Nostradamus und Co: 10 bis 15 Minuten im Voraus will Fileradar die Verkehrssituation vorhersagen.
+++ Kapsch: Hinter den Kulissen von Factory1 +++
Nicht nur reine Verkehrsdaten…
“Wir verwenden sowohl Daten über die aktuelle Verkehrssituation als auch große Datensets zum gegebenen Straßenzug aus der Vergangenheit. Über einen Machine Learning-Ansatz sagt unser System dann die wahrscheinlichste Verkehrsentwicklung voraus”, erklärt Fileradar-Co-Founder Frank Zuurbier. Project Engineer Peter Biczók ergänzt: “Was uns von anderen unterscheidet ist, sind die Daten, die wir nutzen.” Denn man verwende bei Fileradar nicht nur direkte Verkehrsdaten, sondern Informationen über unterschiedlichste Parameter, die auf den Verkehr Einfluss haben. So fließen etwa auch Wetterdaten, Informationen über größere Events in der Gegend und Berichte über Unfälle in die Analyse.
… auch Tweets fließen in die Analyse
Eine wichtige Rolle spielen dabei Social Media. “Dass es irgendwo einen Verkehrsunfall gab, wird oft schneller getwittert, als es bei den Verkehrsbehörden landet”, erklärt Biczók. Dabei kombiniere immer eine ganze Reihe von Daten, um Fehlinformationen zu eliminieren: “Ein einzelner Tweet ist ebenso unzuverlässig, wie die Daten eines einzelnen Verkehrssensors.” Generell erwarte man aber auch keine gezielt gestreuten Fehlinformationen im Verkehrsbereich. Vorsicht sei jedenfalls geboten: “Wir hatten einmal einen Tweet über einen ‚Unfall‘, bei dem das falsche Papierformat gewählt wurde, nämlich A4”, erzählt Zuurbier. Das System wertete dies als Hinweis zu einem Verkehrsunfall auf der Autobahn A4.
Mit Kapsch zu neuen Märkten
In der Heimat, den Niederlanden, hat das Unternehmen, das vor sieben Jahren an der Universität Delft gegründet wurde, bereits eine Kooperation mit der Verkehrsbehörde und ist in mehreren Städten aktiv. Über die Zusammenarbeit mit Kapsch soll nun ein größerer Markt erschlossen werden. “Wir dachten uns, wir können es nicht stemmen, einfach loszuziehen und weltweit bei jeder Verkehrsbehörde anzuklopfen, ob sie an unserem Produkt interessiert sind. Wir sollten einen Partner finden, der diese Kontakte bereits hat und diese Märkte bereits abdeckt”, erzählt Zuurbier. Die Ausschreibung der Kapsch Factory1 hätte sich dabei perfekt ergeben.
„Fügt sich perfekt in unser Kerngeschäft“
“Was Fileradar macht, fügt sich wirklich perfekt in unser Kerngeschäft”, ergänzt Eric Karl Diethelm von Kapsch TrafficCom, der im Accelerator als Mentor für das Startup fungiert. “Ein tieferes Verständnis für die vorhandenen Daten zu erlangen und immer mehr aus ihnen herauszuholen ist eines unserer wichtigsten Ziele”, sagt er. Konkret haben Fileradar und Kapsch im Rahmen der Factory1 ein gemeinsames Projekt in Spaniens Hauptstadt Madrid. Das System wird dort für einen etwa fünf Kilometer langen Straßenzug mit 15 Kreuzungen implementiert, den Kapsch bereits seit längerem betreut.
„Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht“
Evaluierung führt zu konkreten Vorschlägen
“Wir haben dort zunächst sechs Monate lang Verkehrsdaten gesammelt. Seit September sind wir mit unserem System live”, erzählt Zuurbier. Im nächsten Schritt werde man die Performance in dieser ersten Phase evaluieren. “Das Schöne daran, wenn man 10-Minuten-Voraussagen macht ist, dass man zehn Minuten später weiß, ob man richtig gelegen ist”, sagt Biczók dazu. Doch man verfolge bereits weitere Ziele in Madrid. “Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht”, sagt Zuurbier. In diesem Fall wolle man etwa nachher Vorschläge liefern können, die Ampelschaltung effizienter zu gestalten.
„Blicken auf eine sehr reichhaltige Daten-Zukunft“
Außerdem wolle man das Konzept mit den gewonnenen Daten und der weiteren Verbesserung des Machine Learning Systems immer schneller auf neue Orte ausweiten können. “Früher wurden Verkehrsmodelle manuell erstellt. Für so einen Straßenzug wie in Madrid hätte das etwa ein halbes Jahr lang gedauert. Wir sind jetzt bald soweit, dass wir das in unter einer Woche automatisiert machen können”, sagt Biczók. Wichtig sei es nun auch, das System auf Orte ausweiten zu können, die über keine so gute Datenlage verfügten. Auch an der stärkeren Integration von Daten, die von Fahrzeugen selber kommen, arbeite man bereits intensiv, so habe man etwa eine Kooperation mit dem Navigationssystem-Hersteller Tom Tom. “Wir blicken auf eine sehr reichhaltige Daten-Zukunft. Und wir sind dafür bereit”, sagt Zuurbier.
+++ Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen +++
