Ereignismanagement

Entwicklungen im Forschungsprojekt InREAKT

Sicherheit ist für Fahrgäste im ÖPNV sehr wichtig – insbesondere nachts. Ihnen eine sichere Reise zu ermöglichen, ist das Ziel von Verkehrsunternehmen. Deshalb ist es besonders wichtig, Sicherheitsrisiken und Gefahrenquellen so schnell wie möglich zu erkennen und sie möglichst effektiv zu beseitigen. Das Forschungsprojekt InREAKT beschäftigt sich mit der Entwicklung eines technischen Systems, das automatisiert kritische Situationen erkennt und entsprechende Maßnahmen initiiert.

Frühzeitige Erkennung

Ein Fahrgast verlässt den Bus und vergisst seine Tasche. Höchstwahrscheinlich wird die Tasche nach einer Weile gefunden und im Fundbüro abgegeben. Aber was, wenn die Tasche absichtlich zurückgelassen wurde? In diesem Fall ist schnelles Eingreifen erforderlich. Technologie, die „zurückgelassene Gegenstände“ durch künstliche Intelligenz (KI) erkennen kann, existiert bereits. Live-Videostreams werden von neuronalen Netzwerken verarbeitet, die darauf ausgerichtet sind, diese Situationen zu erfassen.

InReakt logo

Natürlich wurden nicht alle zurückgelassenen Gegenstände tatsächlich vergessen. Durch entsprechendes maschinelles Lernen kann diese Technologie den Unterschied mit größerer Gewissheit erkennen. Ab einer vorgegebenen Wahrscheinlichkeitsstufe lösen die Algorithmen eine Warnmeldung aus. Weitere einzelne, intelligente Kameras im Bus können diese Warnung bestätigen und so die Zuverlässigkeit der Beobachtung erhöhen. Auf gleiche Weise können neue Meldungen, die später eingehen, den Schweregrad und sogar die Art der ursprünglichen Meldung bestätigen oder verändern.

Augen und Ohren

Sensoren können viele sicherheitsbezogene Gefahren frühzeitig erkennen. Verschiedene Video-, Audio-, Geruchs-, mechanische und andere Sensoren können individuell entsprechende Meldungen auslösen, die in einer zentralen Datenbank gesammelt und anschließend abgeglichen werden, um zu einer zusammenfassenden Schlussfolgerung zu gelangen. Das Ereignismanagement-Modul von InREAKT meldet in der Folge, ob es einen Zwischenfall gibt oder nicht. Ist der Vorfall relevant genug, wird er umgehend an den Disponenten gemeldet. 

Menschlicher Beitrag

Wenn es gilt, rasch auf einen Vorfall zu reagieren, ist es unerlässlich, genaue Informationen schnell zu verteilen und wertvolles Feedback zu erhalten. Deshalb sind weiterführende Informationen von Mitarbeitern vor Ort, Hilfsdiensten, Fahrgästen und Umstehenden auch erwünscht. Obwohl die Informationen professioneller und ziviler Quellen unterschiedlich bewertet werden müssen, sollte jeder menschliche Beitrag ernst genommen werden, zum Beispiel bei eingehenden Notrufen. Leider sind menschliche Beiträge häufig unstrukturiert und können deshalb nur schwierig automatisch verarbeitet werden. 

Eine entsprechende App hilft dabei, dieses Problem zu überwinden: Hierbei gibt es eine Version für Mitarbeiter des Verkehrsunternehmens und eine für Zivilpersonen. Der Unterschied liegt in den verschiedenen Niveaus hinsichtlich Zugang, Vertrauen, Datensicherheit und Datenschutz.

Unterstützende Intervention

Beim Disponenten gehen die erstellten Zwischenfallmeldungen ein. Neue Alarmmeldungen können jederzeit auf seinem Bildschirm aufleuchten, während er und seine Kollegen sich noch mit verschiedenen anderen Zwischenfällen beschäftigen. Ihre Erfahrung reicht häufig aus, um sich schnell einen Überblick über die Situation zu verschaffen und Zwischenfälle routiniert zu regeln.

Weitere wertvolle Zeit kann jedoch gespart werden, wenn das System neben der frühzeitigen Erkennung von Zwischenfällen auch eine ziemlich präzise Beurteilung der Situation zur Verfügung stellt – und im Idealfall sogar die bestmöglichen Interventionsmaßnahmen vorschlägt, um den Zwischenfall schnell zu lösen. Darüber hinaus unterstützt das System den Disponenten dabei, alle beteiligten Parteien zu informieren. Parallel werden Aufzeichnungen über alle Schritte geführt, bis der Zwischenfall abgeschlossen ist. Diese gesammelten Informationen fließen auch in den Zwischenfallsbericht ein.

Selbstlernprozess

Hier kommt die Aufzeichnungsdatei ins Spiel. Man muss aus seinen Fehlern lernen, um sich selbst und die Arbeit des Teams kontinuierlich zu verbessern! Die neuronalen Netzwerke des Systems lernen, gemeldete Zwischenfälle mit den Berichten von Zwischenfällen abzugleichen, die effektiv bearbeitet wurden. Das Feedback zur Anpassung der Sensorparameter ist ein Bereich des Selbstlernens, die Modifizierung vorgeschlagener Verfahren zur Bearbeitung der Zwischenfälle ein weiterer.

Ausblick

Das Ziel ist es, früher gewarnt zu werden sowie schneller und effizienter auf potenzielle Sicherheitszwischenfälle zu reagieren. INIT ist bereit, die Disponenten in diesen Stresssituationen stärker zu unterstützen. Damit kommen wir dem Ziel „The Future of Mobility“ einen kleinen Schritt näher!

Kontakt