Viriato-Daten nutzbar machen: Tiefere Einblicke in das System durch intelligente Datenanalyse

Eine wiederkehrende Frage von Nutzern von Tools wie Viriato lautet: „Wie kann ich mehr mit meinen Daten machen – und das schneller?“

Schon immer konnten Nutzer Daten in Drittanbieter-Tools exportieren, um sie dort auszuwerten und weiterzuverarbeiten, doch dies war oft zeitaufwendig, kompliziert und auf den nicht erweiterbaren Funktionsumfang des jeweiligen Tools beschränkt. Mit dem Aufkommen von APIs („Application Programming Interfaces", eine Möglichkeit, mit dem Kern eines Programms von einer anderen Software aus zu kommunizieren) und dem generell gestiegenen Programmierwissen bei Nutzern und Ingenieuren ist dies nun einfacher denn je. Insbesondere mit der Programmiersprache Python lassen sich Daten aus Viriato für die Weiterverarbeitung in anderen Systemen extrahieren, sei es durch das Schreiben von Skripten oder durch das relativ neue Konzept des „Vibe Coding" (ein Nutzer beschreibt in Form von „Prompts", was er will, und ein KI-System erzeugt autonom den Grossteil des Codes). Der Anwendungsbereich ist dabei nur durch die Vorstellungskraft des Nutzers begrenzt. Typische Beispiele für diesen Workflow sind grafische Darstellungen mithilfe eines GIS („Geographisches Informationssystem“), bei denen komplexe und attraktive Visualisierungen von Zugdaten auf Karten erstellt werden, Business-Informationssysteme, in denen die Rohdaten aus Viriato analysiert werden, um vertiefte Einblicke in den geplanten Fahrplan zu gewinnen, und Optimierungsprojekte, bei denen ein externer mathematischer Solver genutzt wird, um anspruchsvolle algorithmische Lösungen für komplexe Planungsprobleme zu entwickeln. Bei der Arbeit mit der Viriato Algorithm Platform ist es möglich, einen integrierten Workflow zu schaffen, bei dem ein benutzerdefiniertes GUI in Viriato den Kontext für die Datenauswahl bietet und modifizierte Züge anschliessend zur weiteren Verwendung wieder nach Viriato zurückgegeben werden.

Ein Vorteil dieses Ansatzes besteht darin, dass sich Daten aus unterschiedlichen Quellen, beispielsweise Viriato und Bevölkerungsdaten von nationalen Statistikämtern, kombinieren lassen. So können aussagekräftige Analysen und Visualisierungen erstellt werden, die mit den in Viriato geplanten Fahrplänen übereinstimmen, ohne dass diese für die Analyse neu aufbereitet werden müssen.

Nachstehend stellen wir einige aktuelle Beispiele für Analyse- und Visualisierungs-Workflows aus realen Beratungsprojekten vor, an denen wir beteiligt waren:

Bewertung der Angebotsqualität durch Fahrzeitanalyse: Mithilfe des CSV-Exports aus dem Fahrzeitanalyse-Modul, der Verbindungen zwischen Start- und Zielbahnhöfen enthält, lassen sich wichtige Leistungsindikatoren ableiten, um verschiedene Szenarien zu vergleichen, darunter die Anzahl der Verbindungen, Fahrzeiten, Umstiege und generalisierte Reisezeiten. Indem diese Fahrzeiten je nach Verkehrsmodus gewichtet und relative Verbesserungen berechnet werden, kann die Analyse auch auf die Nachfrageabschätzung ausgedehnt werden. Über diesen Export lässt sich zudem die Knotenleistungsfähigkeit von Bahnhöfen bewerten, indem die Anzahl möglicher Umsteigeverbindungen zwischen verschiedenen Linien quantifiziert wird.

Abschnittsbasierte Netzanalyse über XML Reporting Export: Die XML-Export-Schnittstelle von Viriato bietet einen komfortablen Weg, um detaillierte Analysen auf Abschnittsebene durchzuführen. Zu den jüngsten Anwendungen zählen die Berechnung der geplanten Zugfolgezeiten, die Analyse von Fahrzeiten pro Abschnitt, die Messung der Heterogenität der Fahrzeiten, die Ermittlung der Zuganzahl pro Stunde sowie das Nachverfolgen zeitlicher Schwankungen innerhalb einzelner Tagesabschnitte bis hin zum jährlichen Fahrplan. In Kombination mit Daten zur Sitzplatzkapazität der Fahrzeuge ermöglicht dieser Workflow die Erstellung anspruchsvoller Visualisierungen, die Auslastungsquoten im gesamten Netz darstellen.

Analyse der betrieblichen Personalkosten: Der CSV-Export aus dem Viriato-Fahrzeugumlaufmodul liefert eine umfassende Liste von Aktivitäten für jeden Fahrplan. Aufbauend auf dieser Grundlage wurde ein Analyse-Toolkit entwickelt, bei dem das Fahrzeugumlaufmodul zur Erstellung makroskopischer Schichtpläne für das Personal genutzt wird. Diese Schichtpläne werden anschliessend an ein externes Skript exportiert, das überprüft, ob die betrieblichen Vorgaben für Arbeitszeiten, Fahrerpausen und Aufenthalte in Depots eingehalten werden. So kann effizient bestimmt werden, wie viele Mitarbeitende benötigt werden, deren beispielhafte Einsatzpläne optimiert und präzise betriebliche Kostenprognosen erstellt werden.
Optimierung der Personaleinsatzplanung: In einer internen Studie wurde untersucht, ob Dienstpläne für das Betriebspersonal automatisch mithilfe eines Solvers generiert werden können. Die grundlegenden Arbeitsaktivitäten der Crew wurden dabei programmatisch aus Zugaktivitäten extrahiert, die mit der Viriato Algorithm Platform erfasst wurden, und anschliessend an einen Optimierungsalgorithmus weitergegeben, um Dienstpläne zu erstellen, die verschiedene Regeln wie maximale Schichtlängen, Arbeitszeiten ohne Pausen, Leerfahrten und Einsätze mit Taxis berücksichtigen. Die Ergebnisse können anschliessend in Form von Gantt-Diagrammen und Tabellen visualisiert werden.

Robustheitsanalyse mittels Monte-Carlo-Simulation: Das stochastische Robustheitstool von Viriato erzeugt CSV-Ausgaben, die durch externe Skript-Tools weiterverarbeitet werden können. Ein auf Python basierender Workflow wurde entwickelt, um aus diesen Simulationsergebnissen Zuverlässigkeits- und Verfügbarkeitskennzahlen zu berechnen und die Erkenntnisse in grafischen Fahrplanformaten zu visualisieren. So werden klare Einblicke in die Fahrplanstabilität unter verschiedenen betrieblichen Szenarien ermöglicht.

Diese Beispiele zeigen, wie es möglich ist, neuartige, kundenspezifische Analysen zu entwickeln, indem Daten aus Viriato bezogen und mit verschiedenen Tools und Techniken in Ergebnisse mit einem Nutzengewinn umgewandelt werden.

SMA setzt diese Methoden bereits ein, um in Beratungsprojekten Lösungen für unsere Kunden bereitzustellen. Dabei ist es wichtig, eine informative und zugleich präzise Visualisierung der Ergebnisse zu bieten, die auf den während der Studie erstellten Fahrplänen basiert. Wir ermutigen und unterstützen Nutzer von Viriato, gemeinsam mit uns zu erforschen, wie die im Tool generierten Daten genutzt werden können, um weiterführende Erkenntnisse zu gewinnen.