Datenstruktur

Veröffentlichungsdatum

3. Februar 2026

Recherche

Datenschnittstellen und Normen

Kurzer Überblick über projektrelevante Datenschnittstellen und Normen im ÖPNV:

VDV452: VDV-Standardschnittstelle Liniennetz/Fahrplan
DIN ISO 15118: Straßenfahrzeuge: Kommunikation zwischen Fahrzeug und Ladestation
VDV261: Empfehlung zur Anbindung eines dispositiven Backend an einen Elektrobus, ergänzend zur ISO-Norm 15118
VDV463: Ist-Daten-Schnittstelle Lademanagement
VDV260: E-Bus – Infrastruktur/Ladestellen
VDV230: Rahmenempfehlung für elektrisch betriebene Stadt-Niederflur-Linienbusse
Open Charge Point Protocol (OCPP): Kommunikationsprotokoll zwischen Ladestationen und Backend-Systemen

Hier ein Auszug aus der VDV 463, um die Struktur besser zu verstehen:

Software-Hersteller

Hier eine Liste von Software-Herstellern im Bereich Disposition, Monitoring, Lademanagement, Fahrermanagement, Planung/Simulation etc.:

Motivation

Busbetreiber haben meist unterschiedliche Hersteller für unterschiedlich Systeme, und nicht jeder Hersteller hat schon alle Schnittstellen implementiert. Teilweise haben Anbieter von Teilsystemen auch eigene interne Schnittstellen. So haben Busbetreiber meist unterschiedliche Datenformate und Datenstrukturen für ihre Plandaten, dazu kommen noch unterschiedlich strukturierte Monitoring-Daten. Eine OpenSource-Software, die alle Schnittstellen implementiert hat und dadurch als gute Grundlage für ein Planungstool dienen kann, ist uns nicht bekannt.

Im Projekt FreeE-Bus wurde daher eine offene Datenstruktur entwickelt, die für unsere Analysen und Optimierungen angepasst und unabhängig von der verwendeten Softwarelösung beim ÖPNV-Betreiber ist. Wir haben i. d. R. einen Export der Plandaten und Monitoring Daten von den Betreibern bekommen und diese in unsere eigene Datenstruktur transformiert. Das SimBA-Tool, des RL-Instituts in Berlin, hat einen ähnlichen Ansatz umgesetzt, jedoch anders strukturiert.

Grafische Übersicht

In der folgenden Abbildung sind alle Ein- und Ausgangsgrößen einem beispielhaften Schema zugeordnet, um das System darzustellen.

EBusWebsite-interactive_overview

Eingangsgrößen

Die Eingangsgrößen bilden die Grundlage für alle Analysen und Optimierungen. Die Qualität und der Umfang dieser Größen entscheiden haben einen direkten Einfluss auf die Ergebnisse. Zu den in dargestellten Größen gehören die Ladeinfrastruktur, Fahrzeugdaten, sowie ein Fahrplan. Darüber hinaus können optionale Eingangsgrößen für bestimmte Analysen genutzt werden.

EBusWebsite-Eingangsgroessen_kompakt

Alle abgebildeten Eingangsgrößen liegen als separate csv-Datei vor. Das hat den Vorteil, keine duplizierten Informationen zu enthalten. Über die jeweilige ID können die Eingangsgrößen miteinander verknüpft werden.

Konfiguration

Die Konfiguration dient dazu, einen Datensatz bzw. ein Szenario auszuwählen. Dazu wurde eine Struktur als json-Datei entwickelt. Diese liegt optional als zusätzliche Eingangsgröße vor. Die Datei beschreibt die Konfiguration der Analyse und wird notwendigerweise zu den Ausgangsgrößen abgelegt, um Szenarien reproduzierbar und verständlich zu machen. Über die Konfiguration wird beispielsweise der Optimierungs- bzw. Simulationshorizont bestimmt, Start- und End-SoCs gesetzt oder eine Auswahl der Eingangsgrößen getroffen.

Im Folgenden ist diese Struktur beispielhaft dargestellt:

analysis.json

{
    "data config": {
        "input directories": [
            "data/template/system_1/input/default",
            "data/template/system_1/input/scenario_1",
            "data/template/system_1/input/scenario_2"
        ],
        "output directories": [
            "data/template/system_1/output/analysis_1/default",
            "data/template/system_1/output/analysis_1/scenario_1",
            "data/template/system_1/output/analysis_1/scenario_2"
        ],
        "input overwrites": {
            "vehicle_types.csv": {
                "spec_total_consumption": {
                    "<vehicle_type_ID1>": 0.8,
                    "<vehicle_type_ID2>": 1.0
                }
            }
        },
        "input selection": {
            "schedules.csv": {
                "ID": [
                    "1",
                    "2"
                ],
                "start_day": [
                    "2024-01-08"
                ]
            },
            "time window": {
                "start": "2024-04-01 00:00:00",
                "end": "2024-04-02 23:59:59"
            },
            "charging time window": {
                "setup time": 5,
                "setdown time": 5,
                "minimum charging time": 5
            }
        },
        "input deselection": {
            "schedules.csv": {
                "ID": [
                    "1",
                    "2"
                ]
            }
        }
    },
    "algorithm": {
        "name": "Template Algorithm",
        "description": "This algorithm computes...",
        "reproducible execution": {
            "command working directory": "code/python/...",
            "command line": "<ABSOLUTE_PATH_TO>/analysis.json"
        },
        "parameters": {
            "objective": "minimize costs",
            "boundary conditions": {
                "initial conditions": {
                    "SOC_rel": {
                        "overwrite": {
                            "bus1": 80.0,
                            "bus2": 50.0
                        },
                        "default": 100.0
                    }
                },
                "permanent conditions": {
                    "minimum_SOC_rel": {
                        "overwrite": {
                            "bus1": 20.0,
                            "bus2": 10.0
                        },
                        "default": 50.0
                    }
                },
                "final conditions": {
                    "minimum_SOC_rel": {
                        "overwrite": {
                            "bus1": 50.0,
                            "bus2": 50.0
                        },
                        "default": 20.0
                    }
                }
            }
        }
    },
    "analysis date": "2024-06-27 11:02:37"
}

Ausgangsgrößen

Die Simulationen und Optimierungen liefern strukturierte Ausgangsgrößen. Diese sind die Grundlage für anschließende Analysen und Darstellungen. Sie liegen ebenfalls in einer definierten Struktur als csv Daten vor.

EBusWebsite-Ausgangsgroessen_kompakt

Einheiten

Die Ein- und Ausgangsgrößen haben definierte Einheiten und Datentypen. In folgender Tabelle sind diese dargestellt und beschrieben.

Name	Beschreibung	Einheit	Datentyp
ID	eindeutige ID ohne Leerzeichen		string
battery_capacity	Batteriekapazität eines Fahrzeugs	kWh	float
charging_power_max	maximale Ladeleistung eines Fahrzeugs	kW	float
charging_power_min	minimale Ladeleistung eines Fahrzeugs	kW	float
consumption_per_km	spezifischer Energiebedarf eines Fahrzeugs	kWh/km	float
consumption_per_h	zeitabhängiger Energiebedarf eines Fahrzeugs	kW/h	float
vehicle_length	Fahrzeuglänge		string
charging_curve_ID	ID einer Ladekurve		string
tour_ID	ID einer Tour		string
start_time	Startzeitpunkt		datetime
start_location_ID	End-Standort-ID des Trip		string
end_time	Endzeitpunkt		datetime
end_location_ID	End-Standort-ID des Trip		string
length	Länge eines Trips	km	float
start_day	Starttag eines schedules (Zuordnung vehicle zu tour)	date	date
energy_price_buy	Energieeinkaufspreis in Geldeinheit/kWh	Geldeinheit/kWh	float
energy_price_sell	Energieverkaufspreis in Geldeinheit/kWh	Geldeinheit/kWh	float
power_price	Leistungspreis in Geldeinheit/kW	Geldeinheit/kW	float
vehicle_type_ID	ID eines Fahrzeugtyps		string
trip_ID	ID eines Trips		string
consumption_total	Gesamtenergiebedarf eines bestimmten Fahrzeugtyps auf einem bestimmten Trip	kWh	float
consumption_driving	Energiebedarf des Antriebs eines bestimmten Fahrzeugtyps auf einem bestimmten Trip	kWh	float
consumption_heating	Energiebedarf der Heizung eines bestimmten Fahrzeugtyps auf einem bestimmten Trip	kWh	float
consumption_cooling	Energiebedarf der Klimaanlage eines bestimmten Fahrzeugtyps auf einem bestimmten Trip	kWh	float
consumption_others	Zusätzlicher Energiebedarf eines bestimmten Fahrzeugtyps auf einem bestimmten Trip	kWh	float
SOC_rel	relativer Ladezustand: 0 bei 0 kWh und 100 bei battery_capacity	%	float
SOC_abs	absoluter Ladezustand: zwischen 0 kWh und battery_capacity	kWh	float
grid_node_ID	ID eines Netzknotens vom Netzbetreiber		string
substation_ID	ID einer Umspannanlage vom Netzbetreiber		string
efficiency	Wirkungsgrad der Hardware		float
power_factor	Leistungsfaktor der Ladestation		float
power	Leistung	kW	float
duration	Zeitspanne	min	float