III - Punkte zur Optimierung des Regionalverkehrs verknüpfen
Unsere KI-gestützte Lösung wird dazu beitragen, neue Verkehrsmöglichkeiten für isoliertere Bevölkerungsgruppen zu schaffen, um deren Lebensqualität zu verbessern und die lokale Wirtschaft zu fördern.
Lucía Menéndez-Pidal, Technische Koordinatorin von PRIAM
Die derzeitigen Möglichkeiten der innovativen Luftmobilität (IAM), etwa große Drohnen, die als „elektrische Senkrecht-Start und Landungsflugzeuge (eVTOL) bekannt sind, versprechen einen effizienteren, nachhaltigeren und zugänglicheren Luftverkehr. „eVTOL können geografische Barrieren überwinden und regionale Bevölkerungsgruppen besser anbinden, wenn Schienen oder Straßen nicht in Frage kommen“, sagt Lucía Menéndez-Pidal, Luftfahrtingenieurin beim Projektträger Nommon(öffnet in neuem Fenster) und technische Koordinatorin von PRIAM(öffnet in neuem Fenster). Es stellt sich jedoch Fragen nach einer umfassenderen Koordinierung mit anderen Verkehrsträgern sowie nach der Erfüllung der Nachfrage und der Erwartungen der Fahrgäste. Daher trägt die Arbeit des im Rahmen von SESAR JU(öffnet in neuem Fenster) finanzierten Projekts PRIAM dazu bei, ein ehrgeizigeres, auf die Fahrgäste ausgerichtetes Verkehrssystem aufzubauen, das ländliche und städtische Knotenpunkte in Europa miteinander verbindet und dabei durch ein Paket von Werkzeugen der künstlichen Intelligenz (KI) unterstützt wird. PRIAM erstellte ein virtuelles Abbild des aktuellen Regionalverkehrsnetzes Europas (einen sogenannten digitalen Zwilling), das mittels Datenanalyse und KI-Modellierung ergänzt wurde. Auf diese Weise kann das Team Szenariosimulationen durchführen, bevor sie in der Praxis zum Einsatz kommen. Die vom Team vorgenommene Analyse von Mobilfunknetzdaten mithilfe maschinellen Lernens gestattet ein tieferes Verständnis der Mobilitätsmuster von Reisenden (Fahrten, Verkehrsmittel, Häufigkeit usw.). In Kombination mit Umfragedaten kann im Rahmen von PRIAM der wahrscheinliche Grad der Einführung der innovativen Luftmobilität abgeschätzt werden. Mithilfe von Optimierungsverfahren werden die besten Standorte für Vertiports ermittelt, und es wird untersucht, wie sich IAM-Dienstleistungen am besten in die vorhandenen multimodalen Verkehrsnetze integrieren lassen.
Auf dem Weg zu einem fahrgastzentrierten Verkehrssystem
Die Werkzeuge und Algorithmen von PRIAM werden innerhalb von zwei Fallstudien validiert. Die eine wird in der Region La Gomera-Teneriffa auf den spanischen Kanarischen Inseln durchgeführt, einer Bergregion, die auf den Fährverkehr angewiesen ist, während die andere in den katalanischen Pyrenäen, einer weiteren dünn besiedelten Bergregion stattfindet, die ein touristischer Brennpunkt ist. „Unsere KI-gestützte Lösung wird dazu beitragen, neue Verkehrsmöglichkeiten für isoliertere Bevölkerungsgruppen zu schaffen, um deren Lebensqualität zu verbessern und die lokale Wirtschaft zu fördern“, fügt Menéndez-Pidal hinzu. Neben einem Rahmen für die Folgenabschätzung, der auf der Arbeit von SESAR-Schwesterprojekten wie TRANSIT(öffnet in neuem Fenster), MultiModX(öffnet in neuem Fenster) und MUSE(öffnet in neuem Fenster) aufbaut, wird das Team von PRIAM ein digitales Instrumentarium zur Unterstützung der IAM-Implementierung entwickeln, das durch Einführungsempfehlungen ergänzt wird.