P-004 · 2026 · Teamprojekt · Industriepartner
ÖPNV-Routenplanung in Lüneburg mit HVV-Fahrplandaten
Teamprojekt mit KVG im Machine Learning Lab der Leuphana. Mein Schwerpunkt lag auf der Verarbeitung von GTFS-Fahrplandaten, der Fahrgastzuordnung und der vergleichenden Bewertung bestehender Verbindungen und optimierter Busrouten.
Das Planungsproblem
Busrouten für Schulwege müssen Ankunftszeitfenster, Kapazitätsgrenzen und Vorgaben für Fahrtdauer und Umstiege einhalten. Das Projekt verglich bestehende Linienverbindungen mit Ansätzen für gesonderte Busrouten, darunter Simulated Annealing, lineare Programmierung und genetische Algorithmen.
Die Fahrplan-Baseline aufbauen
Ich entwickelte eine Pipeline, die GTFS-Fahrplandaten auf relevante morgendliche Verbindungen filtert. Ich prüfte Einträge anhand offizieller Fahrpläne, identifizierte fehlende Buslinien und ergänzte die Daten zu einem konsolidierten Fahrplan. Dieser bildete die Referenz für die Bewertung alternativer Routenszenarien.
Fahrgäste Verbindungen zuordnen
Ich implementierte und überarbeitete die Zuordnungslogik zur Suche nach relevanten Haltestellen sowie zur Prüfung von Abfahrtszeiten, Umstiegen und Fahrtdauer. Ich verbesserte die Indizierung von Umsteigeverbindungen und ergänzte konfigurierbare Präferenzen für weniger Umstiege, kürzere Fahrzeiten oder spätere Abfahrten. Zusätzlich entwickelte ich Prüfberichte, die Regelverletzungen markieren und Ursachen für fehlende zulässige Zuordnungen untersuchen.
Routingansätze vergleichen
Ich entwickelte den Evaluierungsablauf zum Vergleich der Fahrplan-Baseline mit den Routingalgorithmen des Teams. Er verbindet Zuordnungsabdeckung, die Einhaltung von Fahrzeitvorgaben und Kennzahlen zum Ressourceneinsatz. Ich integrierte Algorithmusausgaben, behob Unterschiede in Identifikatoren und verbesserte die Diagnose nicht zugeordneter Fahrgäste. Außerdem korrigierte ich Fehler in der Zeitumrechnung und Kennzahlendefinition, damit die Vergleiche auf einheitlichen Maßstäben beruhen.
Mein Beitrag und Projektumfang
Mein Beitrag konzentrierte sich auf Data Engineering, Zuordnungslogik und Evaluierung. Für die Teampräsentation bereitete ich außerdem die Baseline-Methodik und Vergleichsinhalte auf. Die Optimierungsalgorithmen waren Teil der gemeinsamen Teamarbeit. Diese Übersicht enthält keine Fahrgastdaten, genauen Standorte, detaillierten Fahrpläne oder numerischen Ergebnisse aus dem privaten Repository.