Use Case Smart Mobility:
KI-gestützte Fahrgastzählung ermöglicht die effiziente Steuerung von Verkehrsmitteln in der Smart City

In der Smart City optimieren digitale Technologien die Infrastruktur und machen deren Nutzung bürgerfreundlicher und nachhaltiger. Dafür werden umfassende Daten erfasst, vernetzt und in Echtzeit analysiert. Das erfordert eine schnelle und sichere Datenverarbeitung. Edge-Computing mit Embedded Box-PCs von PLUG-IN Electronic gewährleistet beides, wie ein aktuelles Projekt zur digitalen Fahrgastzählung zeigt.

Die Herausforderung: Datenschutz-konforme Smart-City-Anwendungen

Lösungen rund um Transport- und Mobilität sind ein zentrales Element der smarten City: Können Verkehrsmittel und Verkehrswege den Anforderungen und Gegebenheiten in Echtzeit angepasst werden, steigert das die Effizienz für Anbieter und Nutzer, reduziert Emissionen und spart Kosten. Ein entsprechendes Projekt sollte in einer deutschen Universitätsstadt umgesetzt werden – unter Einhaltung höchster Anforderungen an Datensicherheit und Schutz von Persönlichkeitsrechten.

Digitale Fahrgastzählung nutzt Signale von WLAN-Geräten und KI

In dem Projekt, in dem Box-PCs von PLUG-IN als Gateways eingesetzt werden, soll gemessen werden, welche Busse und Bahnen regelmäßig überfüllt oder fast leer sind. Hinzu kommt, dass die gesamte zurückgelegte Wegstrecke der Fahrgäste erfasst werden soll, inklusive Umsteigepunkten und Wartezeiten. Dafür setzen die Partner auf Sensoren, die in den Verkehrsmitteln sowie an entsprechenden Knotenpunkten installiert wurden. Sie erfassen das Suchsignal von Mobiltelefonen nach WLAN-Netzwerken im Hintergrund; dazu muss das Smartphone lediglich eingeschaltet sein und darf nicht im Flugmodus sein.

TR-03187:
„Sicherheitsanforderungen an Urbane Datenplattformen“

Als Rahmen für die Konzeption, Entwicklung und den Betrieb von Smart-City-Datenplattformen in Deutschland gilt die vom Bundesamt für Sicherheit in der Informationstechnik (BSI) veröffentlichte Technische Richtlinie TR-03187 „Sicherheitsanforderungen an Urbane Datenplattformen“. Sie fordert eine detaillierte Auseinandersetzung mit der Sicherheit von Hardware- und Software-Komponenten. Kommunen und Lösungsanbieter müssen robuste Sicherheitskonzepte implementieren, mit denen die Datenplattformen vor Cyberangriffen, Datenlecks, unerlaubtem Zugriff und Manipulation geschützt werden.

Anonymisierung und Verschlüsselung direkt auf dem Sensor

Die von den Sensoren gesammelten Daten werden unmittelbar im Sensor durch ein spezielles, mehrstufiges Verfahren anonymisiert. Der mit dem WLAN-Suchsignal der Mobiltelefone übermittelte Datensatz dient, in Echtzeit mehrfach verschlüsselt, auch zur Identifikation und damit Wiedererkennbarkeit des anonymen Datenpunktes. So können komplexe Reisewege über mehrere Verkehrsmittel und Umsteigepunkte hinweg datenschutzkonform abgebildet werden.

KI verbessert Datengenauigkeit und Auslastungsprognosen

Eine spezielle Cloud-Plattform wertet die Informationen aller Sensoren aus. Sie verarbeitet Millionen von Datensätzen pro Tag und visualisiert die Auslastung der Bus- und Bahnlinien. Dabei kommen auch KI und Machine Learning zum Einsatz, um die Datengenauigkeit zu verbessern sowie zum Analysieren von Korrelationen mit anderen Daten, z. B. von Zählsystemen, Kameras oder Mobilfunkdaten. Das ermöglicht genaue Auslastungsprognosen und Potentialanalysen.

Edge-Computing reduziert Latenzzeit, spart Energie und erhöht die Datensicherheit

Für die Umsetzung dieser datenbasierten Entscheidungsfindung gemäß Vorgaben der TR-03187 leistet Edge-Computing einen zentralen Beitrag: Industrie-PCs der AIC-100-Serie von Vecow übernehmen die Datenübertragung in dem Smart-City-Projekt. Die IoT-Gateways erfassen die enormen Datenmengen der angeschlossenen Sensoren direkt in den Fahrzeugen und an den Kreuzungspunkten, anonymisieren sie auf dem Gerät und leiten die Informationen datenschutzkonform über eine sichere Verbindung an die Machine-Learning-Plattform in der Cloud weiter. Hier werden die Daten aus den ÖPNV-Fahrzeugen und von den Haltestellen in Echtzeit analysiert und visualisiert. Die Vorverarbeitung reduziert dabei die Latenzzeit für die Übertragung. Die geringere Bandbreite spart Energie und die Datensicherheit wird erhöht, weil die erfassten Informationen direkt am Entstehungsort und vor der Übertragung anonymisiert und so auch datenschutzkonform weiterverarbeitet werden.

Industrie-PC Vecow AIC-110:
Robustes IoT-Gateway für Datenerfassung, Vorverarbeitung und Weiterleitung

Der AIC-110 von Vecow ist ein ARM-basierter Embedded Box-PC. Er verfügt über einen i.MX6ULL-Prozessor von NXP und bietet damit ein optimales Verhältnis aus hoher Rechenleistung und niedrigem Energieverbrauch. Industrielle Schnittstellen und die 12 I/Os des Modells AIC-110 ermöglichen den einfachen Anschluss von Sensoren. Die Ausstattung mit bis zu 32 GByte eMMC-Speicher ist ebenfalls ideal geeignet für die Verarbeitung der IoT-Daten. Dank der Unterstützung von Node-RED können IoT-Anwendungen mit dem System im Baukastenprinzip und damit schnell und einfach umgesetzt werden – auch ohne tiefgehende Programmierkenntnis. Der Embedded PC verfügt zudem über einen breiten Spannungseingang, ein robustes Design und einen großen Betriebstemperaturbereich von -25 °C bis +70 °C, sodass er auch in anspruchsvollen Umweltbedingungen und In-Vehicle-Anwendungen dauerhaft zuverlässig eingesetzt werden kann.

„Wir verwenden die AIC-100-Plattform als Basis für unsere In-Vehicle-Systeme. Wir haben uns auf Grundlage von Performance, Zuverlässigkeit und geringem Energieverbrauch für den AIC-100 entschieden und schätzen PLUG-IN als verlässlichen und innovationsstarken Partner mit viel Erfahrung, vor allem im Smart-City-Bereich.“

— Projektleiter der Smart-City Datenplattform —

• Rechenleistung für Edge-Computing zur Sensordaten-Verarbeitung direkt an Kreuzungspunkten und in Fahrzeugen

• Niedriger Energieverbrauch und breiter Eingangsspannungsbereich für den mobilen Einsatz, ggf. auch batterie- oder solarbetrieben

• Robustes Design – kompakt, lüfterlos und den Umweltbedingungen angepasst
• Einfache Konfiguration für das Set-up von IoT-Lösungen und die schnelle Plattform-Integration

Die Kombination der Sensoren für WLAN-Geräte und der leistungsfähigen Edge-Gateways ermöglicht dem Betreiber der Verkehrsmittel präzise Daten zu Auslastung, Umsteigeverhalten und Liniennutzung. Eine Besonderheit ist dabei die Erfassung von komplexen Reiserouten, über mehrere Verkehrsmittel übergreifend. Unter Ausnutzung von Künstlicher Intelligenz und Machine-Learning-Modellen konnte die Genauigkeit für die Messung der Fahrgastströme auf über 80 Prozent gesteigert werden. Ressourcen können damit zielgenau und bedarfsgerecht gesteuert und eingesetzt werden. Für die Fahrgäste bedeutet das kürzere Reisezeiten und weniger überfüllte Verkehrsmittel, während Anbieter und Planer für maximale Effizienz sorgen können.

Basierend auf den positiven Erfahrungen mit dem Pilotprojekt, in dem eine mittlere zweistellige Zahl an Fahrzeugen mit der Technologie ausgestattet waren, wird die digitale Fahrgastzählung aktuell auf die gesamte Flotte an Bussen und Straßenbahnen in der Stadt ausgeweitet.