Flottendaten

Übersicht

Ausgangslage: Für das Projekt FreeE‑Bus standen umfangreiche heterogene Datensätze aus verschiedenen Verkehrsbetrieben und Planungssystemen zur Verfügung.

Dazu gehörten Plandaten aus betrieblichen Planungstools (u. a. DIVA) sowie Messdaten aus unterschiedlichen Telematik‑ und ITCS‑Systemen (u. a. der VVV, VBZ oder MQTT‑basierte Echtzeitdaten). Diese Daten unterscheiden sich stark in Struktur, Auflösung und Qualität.

Im Projekt sollten damit u.a. folgende Fragen beantwortet werden:

1. Welche Daten sollten vorhanden sein, um einen praktikablen Ladeplan zu erstellen?
2. Welche Daten sollten vorhanden sein, um realistische Energiebedarfsberechnungen zu erstellen?
3. Welche Daten werden bereits erfasst und wie helfen sie zukünftige Problemstellungen zu lösen?

Ziel: Ziel der Datenaufbereitung war es, diese vielfältigen Quellen in ein einheitliches, simulationsfähiges Datenmodell zu überführen. Dazu mussten:

• die relevanten Informationen extrahiert,
• strukturelle Unterschiede harmonisiert,
• fehlende oder widersprüchliche Werte behandelt und
• alle Daten in das projektspezifische CSV‑Format überführt werden, das als Eingabeformat der Szenarien für Simulation und Optimierung dient.

Die Lösung: Es wurde eine modulare Datenpipeline entwickelt, die Plandaten und Messdaten automatisiert verarbeitet und in ein konsistentes Datenschema transformiert. Schlüsselkomponenten waren:

• Parser und Konverter für Planungsdaten (z. B. aus DIVA‑Exporten)
• Importmodule für Messdaten aus Partnersystemen (VVV, VBZ, MQTT‑Streams etc.)
• Harmonisierung von Zeitbezügen, Fahrzeug‑IDs, Linien‑/Umlaufreferenzen
• Standardisierung aller Quellen in ein gemeinsames CSV‑Format, kompatibel zum open‑ev‑fleet-Framework
• Validierungs- und Plausibilitätschecks zur Sicherstellung der Datenqualität

Diese standardisierten Daten bilden die Grundlage für die nachfolgenden Simulations- und Optimierungsalgorithmen, sowie die prototypische Umsetzung der Ladeplanung.

Plandaten

Plandaten liefern die strukturelle Basis für Ladeplanung, Fahrzeugdisposition und Energiebedarfsabschätzung.

Anhand von Plandaten lassen sich bereits grundlegende Lademanagement-Szenarien erstellen, auf welche in Analysen diverse Lademanagement Algorithmen ausgeführt werden können. Die folgende Abbildung zeigt grundlegenden Workflow auf basis von Plandaten.

Plandaten getriebener Workflow

Für einen praktikablen Ladeplan sind vier Datenkategorien entscheidend:

1. Fuhrparkdaten:

Anzahl und Typ (bzw. Spezifikation) der Fahrzeuge, sowie die Zugehörigkeit zu einem Betriebshof. Typischerweise liegen diese Informationen in Datenbanksystemen und werden zum Datenaustausch als Tabellenformate (z.B. Excel) exportiert.

2. Ladeinfrastrukturdaten:

Anzahl und Typ (bzw. Spezifikation) der Ladepunkte und-stationen, sowie die Zugehörigkeit zu einem Betriebshof und dessen Netzanschlussleistung. Typischerweise liegen diese Informationen in Datenbanksystemen und werden zum Datenaustausch als Tabellenformate (z.B. Excel) exportiert.

3. Fahrplandatenbank

Die Fahrplandaten sind der Kern für jede Umlauf- und Ladeplanung. Relevante Daten stammen typischerweise aus:

• VDV 452: CSV‑Format (.x10)
• IVU Datatrans: XML‑Format (.TRD)
• andere maschinenlesbare Fahrplandatenquellen

Aus der Fahrplandatenbank werden die benötigten Datensätze automatisch extrahiert:

• Umläufe (Sequenzen von Fahrten)
• Haltestellen / Ladeorte
• Ankunfts- und Abfahrtszeiten
• Distanzen zwischen Haltestellen
• Einsatzplan der Umläufe
• optional: Fahrzeuggröße/-typ (falls geplant)

Diese Informationen entstehen standardisiert und erlauben die Generierung von:

• Trips (einzelne Fahrten zwischen zwei Ladeorten)
• Tours (Sequenzen von Trips)
• (unvollständige) Schedules (Einsatzplan der Umläufe, aber ohne Fahrzeugzuweisung)

4. Fahrzeugdispositionsdaten

Die Disposition verknüpft reale Fahrzeuge mit den geplanten Umläufen. Für einen vollständigen Schedule-Datensatz, werden Datum, Umlaufnummer Fahrzeugnummer benötigt.

Da diese Informationen im Projekt FreeE-Bus nicht explizit vorhanden waren, wurden sie aus Fahrplandatenbank und Monitoring-Daten (siehe Messdaten) kombiniert werden bzw. für hypotetische Szenarien synthetisch generiert werden.

Messdaten

Messdaten sind die Brücke zwischen Planung und Realität. Sie liefern die Basis für realistische Energiebedarfsmodelle, Validierung von Simulationen, Ableitung von Lastprofilen und die kontinuierliche Verbesserung von Umlauf‑ und Ladeplanung. Im Projekt FreeE‑Bus verarbeiten wir strukturierte Datenströme aus Telematik und Energiemonitoring – sowohl batchweise (Datei‑Exporte) als auch in Echtzeit (MQTT/REST).

Anhand von Messdaten lassen sich detailiertere Lademanagement-Szenarien erstellen, welche im Idealfall in Lademanagement-Analysen mit Monitoring-Daten verifiziert werden können. Die folgende Abbildung zeigt einen um Messdaten erweiterten Workflow.

Um Messdaten erweiterter Workflow

Ziele der Messdatenverarbeitung

• Energiemodellierung: Realistische Verbrauchsmodelle auf Basis realer Fahrprofile (Geschwindigkeit, Topografie, Klima, Beladung).
• Modellkalibrierung: Feinjustierung von Verbrauchsparametern je Linie/Fahrzeug/Temperatur.
• Validierung: Abgleich von Plan‑ vs. Ist‑Fahrten (Pünktlichkeit, Halte-/Fahrzeiten, Distanzen).
• Betriebsanalyse: Rekonstruktion historischer Einsatzplanung (Fahrzeugdisposition). Ableitung tatsächlicher Ladefenster, Ladedauern und Ladeleistungen.

Für einen detailiertere Energiebedarfsberechnungen als mit Standardverbrauchswerten (kWh/km), sowie der Verifizerung und eventueller Kalibierung benötigt man folgende Datenkategorien:

1. Fahrzeug‑/Positionsmonitoring (ITCS/Telematik)

Typisch von Verkehrsbetrieben/Verbünden (z. B. VVV, VBZ):

• GPS‑Position (Lat/Lon), Geschwindigkeit, Höhenmeter (optional)
• Zeitstempel, Fahrzeug‑ID, Linie/Kurs/Umlauf
• Türzustände (optional), Halte‑Events (optional)

Nutzung: Rekonstruktion von Geschwindigkeits‑ und Steigungsprofilen als Basissignal für Energiebedarfsmodelle. Fahrzeugkennungen sowie Umlauf‑/Fahrtnummern können, in Kombination mit Fahrplandaten, zur Erstellung vollständiger Schedules und damit auch zur Modellverifizierung genutzt werden.

2. Optional: Energie-Monitoring

Falls vorhanden, erlauben diese Daten eine präzise Kalibrierung der Energieverbrauchsmodelle.

• Fahrzeugs-Leistungswerte (Antrieb, Klimatisierung, Nebenaggregate, …)
• Batterieladestand (State of Charge)
• Ladeleistung (optional)
• Außen- und Innentemperatur (optional)

Nutzung: Direkte Herleitung von Energieverbrauch und Ladeprofilen, Validierung der aus GPS abgeleiteten Energiebedarfe, Berechnung von Modellabweichungen.

3. Optional: Fahrgast-/Beladungsmonitoring

Fahrzeugbeladung beeinflusst den Verbrauch signifikant, und kann folgendermaßen ermittelt werden:

• automatische Fahrgastzählsysteme
• Türsensorik
• Schätzmodelle aus Linienbelastungen

Nutzung: Kalibrierung der Beladungsabhängigkeit im Verbrauchsmodell.

Konkrete Umsetzung

Je nach verwendeten Systemen und verfügbaren Datenquellen unterscheiden sich die konkreten Workflows für Plandaten und Messdaten. Die folgende Abbildung zeigt die konkreten Workflows mit den Datenquellen VBZ und VVV.

Konkrete Workflows VBZ und VVV