Die Viriato Algorithmen-Plattform

Die globale Erwärmung stellt die grösste Herausforderung dar, mit der die Menschheit heute konfrontiert ist. Wie wir ihr begegnen sollen, ist eine Diskussion, die jetzt geführt werden muss. Dabei stellt sich die zentrale Frage, wie wir das Verbrennen fossiler Brennstoffe reduzieren ohne dabei einen globalen wirtschaftlichen Lockdown zu riskieren. Der Transport von Gütern und Personen ist ein entscheidendes Element unseres Wirtschaftssystems und des heutigen Wohlstandes. Darum stellt die Aufrechterhaltung einer nachhaltigen Mobilität, die sich aus erneuerbaren Energiequellen speist, eine Grundvoraussetzung dar, um eine Transformation zu einer hinreichend leistungsfähigen Wirtschaft zu erreichen, die die notwendige technologische Forschung gewährleisten kann. Zum Glück gibt es für dieses wichtige Teilproblem eine Lösung: Die Eisenbahn.

Sowohl im Nahverkehr in Ballungsräumen in Konkurrenz zum motorisierten Individualverkehr als auch im Hochgeschwindigkeitsfernverkehr als Alternative zur Luftfahrt besitzt die Eisenbahn entscheidende Vorteile. Im Nahverkehr in peripheren Gebieten sind allenfalls in der Zukunft Mobilitätskonzepte denkbar, die der Eisenbahn wirtschaftlich überlegen sind.

Entscheidend für die Lösung des Mobilitätsproblems durch die Eisenbahn ist es, bestehende Kapazitäten besser auszunützen und die Bereitstellung zusätzlicher Infrastruktur im Hinblick auf die Kapazitätsnutzung im netzweiten Angebot zu optimieren. Ein Lösungsansatz für letzteres ist die konsequente Durchführung einer erstklassigen Langfristplanung in der Netzentwicklung, für ersteres die weitest mögliche Automatisierung von Planung und Betrieb sowie die umfassende Optimierung des Einsatzes der benötigten Ressourcen.

Diese beiden Problemklassen, optimaler Einsatz von Personal und Rollmaterial-Ressourcen und automatische Lösung von Kapazitätsbelegungskonflikten im weitesten Sinn, hat die algorithmische Forschung in den vergangenen Dekaden ausführlich behandelt. Wie die Erfahrung und die Theorie gezeigt haben, sind Lösungen innerhalb dieser Problemklassen nur schwer zu finden. Bisher hat die Forschung eher wenige, praktisch relevante Lösungen lediglich von speziellen Teilproblemen hervorgebracht.

Dabei wurden die Forscher häufig durch die Lösung immer wiederkehrender, praktischer Schwierigkeiten gebremst, etwa die Beschaffung und Aufbereitung benötigter Daten oder die Visualisierung der gefundenen Lösungen zur Analyse ihrer Qualität und praktischen Umsetzbarkeit. Weiter benötigen die Algorithmen immer wieder dieselben Software Komponenten wie Fahrzeitrechnung, Konflikterkennung oder einfache Simulationsverfahren.

Die Entwicklung entsprechender Software-Systeme, die solche Funktionalitäten in professioneller, praxisnaher Qualität zur Verfügung stellen, übersteigt typischerweise die Möglichkeiten akademischer Forschungsinstitute sowohl in zeitlicher als auch in finanzieller Dimension. In der Tat sind solche Systeme sehr komplex und ausserordentlich teuer in der Entwicklung und im Unterhalt. Dies ist insbesondere der Fall in Bezug auf die hohen Anforderungen an die Performance und die Breite der abzudeckenden Funktionalität, die zur Entwicklung und Untersuchung von realen Fahrplänen nötig sind.

In Anbetracht der Bedeutung dieser Herausforderungen hat sich SMA vor drei Jahren entschieden, Viriato durch die Implementierung einer Algorithmen-Plattform für die algorithmische Forschung zu öffnen und diese den interessierten Kreisen zur Verfügung zu stellen.

Die Algorithmen-Plattform stellt der Forschungsgemeinde drei grundlegende Funktionen zur Verfügung:

• Erstens übernimmt Viriato die Middleware-Funktionalitäten zum Laden grosser Datenmengen, die für die Lösung praxisrelevanter Probleme benötigt werden (Data Acquisition).
• Zweitens bietet die Algorithmen-Plattform ein umfassendes fachliches Datenmodell, das Abstract Intermediate Data Model (AIDM), welches Infrastruktur- und Fahrplandaten in einem für die algorithmische Forschung geeigneten Format zur Verfügung stellt (Data Provision). Dieses Modell dient im Kern dazu, zusammen mit einer ganzen Reihe von unterstützenden Funktionen, das Algorithmen API von Viriato der Forschungscommunity zur Verfügung zu stellen. Damit entfällt für sie die Implementierung solcher Funktionen, welche die eigentliche algorithmische Arbeit lediglich unterstützt.
• Drittens stellt die Algorithmen-Plattform Schnittstellen zu grundlegenden Software-Komponenten wie Fahrzeitrechnung oder Konflikterkennung zur Verfügung und übernimmt für den Forscher die Aufgabe, sowohl mit diesen Komponenten als auch mit Viriato selbst zu kommunizieren (Communication).

SMA übernimmt dabei die initiale Entwicklung der Algorithmen-Plattform aus eigenen Mitteln und unterstützt die Community in enger Zusammenarbeit bei der Weiterentwicklung des API, um gemeinsam die Bedürfnisse und Erkenntnisse in die kontinuierliche Verbesserung der Schnittstellen einfliessen zu lassen. Die Unabhängigkeit von SMA macht es möglich, solche grundsätzlichen Initiativen zu ergreifen, ohne gezwungen zu sein, sich auf einen speziellen Use Case Kontext zu beschränken. Dadurch gelingt es, Viriato für ein sehr breites Spektrum von algorithmischen Anwendungen zu öffnen. Die Forschung ihrerseits erhält so ein Instrument, welches ihr erlaubt, die Lösungen verschiedener algorithmischer Problemstellungen in einem professionellen und in der Praxis weitherum eingesetzten System zu analysieren und zu evaluieren.

Für die Kunden von Viriato ergibt die Algorithmen-Plattform einerseits die Möglichkeit, von Resultaten aus der Forschung direkt zu profitieren und andererseits ganz spezifische Problemstellungen mit schon bestehenden Forschungspartnerschaften effizienter anzugehen und dabei von der Industrialisierung der Algorithmen-Entwicklung zu profitieren. Darüber hinaus können geeignete Automatisierungs- und Optimierungsalgorithmen, die nahtlos an Viriato angebunden werden, die Unterstützung des Planungsprozesses weiter verbessern und beschleunigen.

SMA hat in den letzten Jahren kontinuierlich Kontakte zu Universitäten und Forschungsinstituten geknüpft. Hierbei stehen international kompetitive Forschungsgruppen im Zentrum, deren Kernkompetenz in der algorithmischen Forschung zum Zwecke der Automatisierung und Optimierung liegt und die sich mathematischer Methoden bedienen. Die ersten Kooperationen fanden mit der École polytechnique fédérale de Lausanne (EPFL) und der Universität Novi Sad statt. Hier lag der Fokus auf dem Einsatz der Algorithmen-Plattform in der Lehre: SMA begleitete als Zweitbetreuer Abschlussarbeiten zum Thema «Automatisierte Umplanung von Zügen im Störungsmanagement». Derzeit unterstützt SMA die TU Delft bei der Planung von Wartungsaufgaben für einen bestehenden Fahrzeugumlaufplan. Noch in diesem Jahr ist eine Arbeit zum Thema Linienplanung mit der ETH Zürich vorgesehen.

Durch den Einsatz in der Lehre können sich sowohl Lehrstuhlinhaber als auch SMA von der Passgenauigkeit und der Nützlichkeit der bereitgestellten Funktionalität überzeugen. Kontinuierlich steht SMA während der laufenden Zusammenarbeiten in engem Austausch mit den betreuenden universitären Partnern, um Erkenntnisse wie neue Anforderungen oder Verbesserungsideen aufzunehmen und in die Weiterentwicklung der Algorithmen-Plattform einfliessen zu lassen. Die erfolgreiche Zusammenarbeit in der Lehre bildet die Basis für eine darauffolgende Zusammenarbeit in der Forschung. SMA freut sich darauf, eine erste Promotion an der Universität Novi Sad zu unterstützen, die den an der EPFL entwickelten Algorithmus erweitert. Mit den Referenzen erster geglückter Kooperationen soll sich der Anwenderkreis kontinuierlich erweitern.