Seit Jahren wird DARWIN von der britischen Bahnindustrie als Standard-Informationsplattform genutzt, die Ankunfts- und Abfahrtsprognosen, Bahnsteignummern, Verspätungsschätzungen, Fahrplanänderungen und Zugausfälle in Echtzeit liefert. Da sich das System jedoch auf rein betriebliche Eingaben stützt und andere Datenquellen, die Verspätungen beeinflussen können, nicht berücksichtigt, haben ungenaue Vorhersagen zu einem gewissen Misstrauen zwischen Fahrgästen und den Betreibern geführt, die Informationen bereitstellen.

Ich habe mich mit Bahnminister Chris Heaton-Harris darüber unterhalten, wie Zipabout mit den Partnern Birmingham University, Rail Safety Standards Board (RSSB) und Risk Solutions zusammenarbeitet, um die Fähigkeit der Branche zu verbessern, den Fahrgästen genaue Informationen über Verspätungen und Störungen zu liefern.

Im Rahmen des virtuellen Ministerbriefings haben wir gezeigt, wie unser Vorhersagemodell mit maschinellem Lernen (ML) eine Reihe von Echtzeit- und historischen Datenquellen kombiniert, um eine Reihe von über 200 "Merkmalen" zu erstellen, die Verspätungen und Störungen beeinflussen könnten.

Anhand dieser großen Datenmengen (einschließlich Zugbewegungen, Betriebsdaten, Wetterdaten, Fahrgastnachfrage und Störungskaskaden) können wir dann genauere Verspätungsprognosen in großem Umfang erstellen. Dies geschieht über unsere einzigartige Echtzeit-Datenverarbeitungsplattform, die von unserem Technologiepartner Kx bereitgestellt wird.

Dieser neue ML-Ansatz ermöglicht es uns, Vorhersagen zu erstellen, die viele der internen und externen Faktoren berücksichtigen, die sich auf Verspätungen auswirken. Die bisherigen Ergebnisse zeigen, dass unsere Vorhersagen 50 % genauer sind als die von DARWIN, wenn es darum geht, Verspätungen zwischen zwei und viereinhalb Stunden im Voraus zu erkennen. Dies ist vor allem darauf zurückzuführen, dass DARWIN seine Informationen auf den bestehenden Fahrplan stützt und erst eine Stunde vor der geplanten Ankunftszeit mit der Vorhersage von Störungen/Verspätungen beginnt. Dies kann dazu führen, dass Fahrgäste erst dann von der Verspätung ihres Zuges erfahren, wenn sie bereits am Bahnhof sind.  

Genauere Verspätungsvorhersagen sind jedoch nur ein Teil der Herausforderung, der sich die Bahnindustrie gegenübersieht: Es ist auch wichtig zu überlegen, wie diese Informationen an die Fahrgäste weitergegeben werden.

Deshalb haben wir untersucht, wie unser personalisierter Informationsdienst, der den Fahrgästen aktuelle Informationen über ihre Reise liefert, das Verhalten der Fahrgäste beeinflussen und das Kundenerlebnis verbessern kann. Dazu gehört auch, wie der Zeitpunkt und der Wortlaut einer Aktualisierung dazu beitragen können, die Erwartungen der Fahrgäste zu erfüllen und sogar die betriebliche Effizienz im gesamten Netz zu verbessern.

Um dies weiter zu erforschen, führen wir derzeit einen realen Kundenversuch mit LNER durch und werden in großem Umfang direktes Kundenfeedback sammeln, um die Lösung zu verfeinern und weiterzuentwickeln - man darf also gespannt sein.

Als Reaktion auf die Unterrichtung sagte der Eisenbahnminister Chris Heaton-Harris:

"Die Nutzung von Daten und neuen Technologien ist für die Modernisierung und Verbesserung unseres Verkehrsnetzes von entscheidender Bedeutung, und wir sind entschlossen, Innovationen durch Kooperationen wie diese voranzutreiben. Diese Projekte werden der Branche helfen, Engpässe und Verspätungen zu beseitigen und die Zugänglichkeit zu verbessern, und ich freue mich auf die entscheidende Rolle, die sie bei der Verbesserung der Fahrten für die Fahrgäste spielen können".