Jedes Jahr strömen zahlreiche Wintersportler*innen und Wanderbegeisterte in das idyllische Zillertal in Tirol, um den Gerlospass zu erleben und die atemberaubende Landschaft der Region zu genießen. Mit zunehmender Beliebtheit ergeben sich jedoch auch Herausforderungen für den effizienten Verkehrsfluss am Gerlospass.
Hier kommt roosi ins Spiel – ein angesehenes, österreichisches Unternehmen für Data Intelligence und Artificial Intelligence. In enger Zusammenarbeit mit der renommierten Fachhochschule Kufstein entwickelte das Team innovative Algorithmen des maschinellen Lernens, um präzise Verkehrsprognosen zu liefern. Die Ergebnisse sprechen für sich: Dank einer optimierten Verkehrslenkung konnten Staus deutlich reduziert und die Reisezeiten für Besucher*innen reduziert werden, was beeindruckende Erfolge verzeichnet. Das wegweisende Projekt ist Teil der ambitionierten “Smart Data Services”-Initiative, in der roosi eine entscheidende Rolle bei der Förderung von Smart Cities und Smart Communities einnimmt.
“Daten haben das Potenzial, unsere Städte intelligenter zu machen, sei es im Verkehr, der Energieeffizienz oder der Stadtplanung. Durch die Verknüpfung von Informationen und den Einsatz fortschrittlicher Technologien wie maschinellem Lernen können wir nachhaltige Mobilitätslösungen entwickeln. Das Projekt am Gerlospass zeigt eindrucksvoll, wie Daten und Innovation zusammenkommen, um die Lebensqualität zu verbessern und unsere Städte zukunftsfähig zu machen.”
Gernot Bernert, Geschäftsführer von roosi GmbH
Im Einklang mit ihrer Mission, Organisationen bei der Entwicklung einer umfassenden Datenstrategie zu unterstützen und bessere Entscheidungen zu ermöglichen, engagiert sich das Unternehmen, mit Niederlassungen in Wien, Maria Anzbach, Kramsach in Tirol und Zell am See nicht nur in der Entwicklung einer umfassenden Verkehrsprognoselösung für den Gerlospass, sondern ist auch aktiv an der Initiative “Mach heute Morgen möglich” beteiligt.
Simulieren statt Spekulieren: Das präzise Verkehrsmodell
Das Team stand vor der anspruchsvollen Aufgabe, eine Menge an Informationen aus verschiedenen Quellen zu sammeln und zu analysieren. Dazu gehörten unter anderem Live-Kameradaten vom Gerlospass selbst, Kalenderdaten aus den beliebtesten touristischen Regionen Tirols, Informationen zu den Öffnungszeiten der örtlichen Attraktionen, Straßeninstandhaltungsdaten, historische Wetterdaten, Tourismusdaten vergangener Jahre sowie Mobilfunkdaten. Diese vielfältigen Informationen wurden zu einem beeindruckenden Datenpuzzle zusammengesetzt. Die Herausforderung bestand darin, die richtigen Merkmale aus diesen vielfältigen Datenströmen zu extrahieren und für das Modell zu nutzen. Verschiedene Data-Processing-Techniken kamen dabei zum Einsatz, um die Datenquellen zu kombinieren, zu aggregieren und zu filtern. Die Vision war klar – ein genaues Simulationsmodell zu entwickeln, das den Verkehrsfluss auf dem Gerlospass präzise vorhersagen konnte. Hierfür war jedoch eine zuverlässige Datenbasis von entscheidender Bedeutung. Aus diesem Grund wurde ein automatisiertes und DSGVO-konformes Zählsystem am Gerlospass installiert, um genaue Daten über die Anzahl der Fahrzeuge zu erfassen. Diese “Ground Truth”-Daten dienten somit als Grundlage für das Modelltraining und ermöglichten sowohl aktuelle als auch historische Analysen der Verkehrsbelastung.
Parallel zur Modellentwicklung arbeitete das Team von roosi an der digitalen Visualisierung der Ergebnisse. Ein Dashboard wurde entworfen, um die Informationen für die Nutzer*innen verständlicher und zugänglicher zu machen.
“ Das Projekt hat uns wertvolle Einblicke in den Prozess der Definition und Entwicklung eines Data-Science-Projekts sowie in die praktische Anwendung von Data Science zur Lösung von Problemen in der realen Welt gegeben. Ich bin dankbar für die Möglichkeit, mit den erfahrenen Data Science Expert*innen der roosi GmbH zusammenzuarbeiten und habe es genossen, mit einer hochmotivierten Gruppe von Studierenden ein nützliches Produkt zu entwickeln.”
Lukas Huber, Head of AI & Advanced Analytics, roosi GmbH
Im Rahmen der Zusammenarbeit konnten entscheidende Merkmale aus verschiedenen Datenquellen für die Verkehrsprognose am Gerlospass ermittelt und gründlich analysiert werden. Durch den Einsatz fortschrittlicher maschineller Lernverfahren konnte das Team präzise Modelle entwickeln und umfangreichen Tests unterziehen, um den Verkehrsfluss effizienter zu lenken und Staus zu reduzieren. Diese wegweisende Initiative zeigt eindrucksvoll, wie Datenanalyse und praktische Anwendung Hand in Hand gehen können.
