Winterdienst 2.0: Die Revolution des Winterdienstes
Die Digitalisierung hat Europa fest im Griff. Eine Schlüsselkompetenz der Digitalisierung ist der zielgerichtete und sinnvolle Umgang mit Daten. Auch vor den Winterdiensten macht diese Entwicklung nicht halt. Im Zuge des Projekts sollen Winterdienste basierend auf Datensätzen sensorisierter Winterdienstfahrzeuge und Wetterdaten optimiert werden. Mittels Prognosen und ermittelter Zusammenhänge könnten somit detaillierte Rückschlüsse auf den künftigen Salzbedarf in einer Region während der Wintermonate ermöglicht werden.
Projekthintergrund
Auftraggeber des Projekts ist die deutsch-österreichische Data Intelligence Consultancy roosi GmbH. Zusammen mit den Masterstudierenden des Studiengangs Data Science & Intelligent Analytics wurde ein Teilbereich des übergeordneten Projekts Winterdienst PLUS erarbeitet. Dabei ging es um die Entwicklung einer intelligenten Salzbörse. Hiermit soll einerseits der Salzverbrauch allgemein in Abhängigkeit der Gegebenheiten - die durch z.B. das Wetter und Straßenverhältnisse beeinflusst werden können - der Streufahrzeuge besser vorhergesagt werden können und andererseits der Winterdienst in Hinblick auf Umwelt und Organisation in den Kommunen nachhaltiger werden. Der konkrete Projektauftrag an die Studierenden war die vertiefende Datenanalyse, die Modellierung der Verbrauchsdaten zur zukünftigen Optimierung und die Integration der entstandenen Modelle in die Cloudumgebung des Auftraggebers.
Projektumsetzung
Der Kick-Off-Termin fand am 15. Oktober 2021 zwischen den Studierenden und dem Auftraggeber statt. Nach einer kurzen Vorstellungsrunde wurde ein vertiefender Einblick in das Projektumfeld und die ersten Daten gewährt. Nach einem ersten gemeinsamen Brainstorming teilte sich das zehnköpfige Projektteam in mehrere Kleingruppen auf. Wöchentliche Entwicklungssprints dienten der effizienten Projektbearbeitung, in regelmäßige Abstimmungsrunden mit dem Kunden wurden die Zwischenergebnisse präsentiert und Rückfragen geklärt.
Über den gesamten Projektzeitraum wurden Verbrauchsdaten mehrerer Streufahrzeuge aus zwei unterschiedlichen Regionen analysiert. Da nur die Verbrauchs- und Streckendaten zur Verfügung standen, beschaffte sich das Team die zugehörigen Wetterdaten der Regionen über eine Online-Wetterplattform. Die Analyse der Wetterdaten ermöglichte es, die wichtigsten Korrelationen zwischen dem Streuen der Straßen und dem Wetter zu bestimmen. Der Versuch weitere Daten wie Oberflächenbeschaffenheit der Straße und Straßentyp zu erhalten, scheiterte leider an der mangelnden Verfügbarkeit in allen Regionen.
Mittels einer Datenverarbeitungspipeline, welche die Daten aus den unterschiedlichen Quellen miteinander vereint, aggregiert und filtert, wurden verschiedene Modelle mit den resultierenden Verbrauchs- und Wetterdaten trainiert und evaluiert. Die ML-Modelle, die Anbindung und Integration der Daten wurden erfolgreich in den Smart Data Services der roosi GmbH umgesetzt. Diese dienen in der Cloudumgebung als Grundlage diverser Verbrauchsvorhersagemodelle und Auto-ML-Methoden und können hier weiter vom Kunden optimiert werden.
Projektabschluss
Die Ergebnisse konnten im Zuge von zwei Online-Präsentationen vorgestellt werden und es gelang auch, die umfassende Datenanalyse in eine Webapplikation zu integrieren, um die Erkenntnisse besser vermitteln zu können.
Zudem dienen die Ergebnisse der weiteren Verfolgung und Optimierung des Projektes. Eine weiterführende Nutzung und Optimierung der verfügbaren Daten und Modelle in Zusammenarbeit mit der Kufsteiner Fachhochschule ist bereits in Planung.
„Dank der Kooperation mit der FH Kufstein Tirol konnten wir verschiedene ML-Modelle zur Vorhersage des Salzverbrauchs für unseren Use Case Winterdienst PLUS erfolgreich umsetzen und damit einen wichtigen Bestandteil für unser Teilprojekt „intelligente Salzbörsen“ realisieren. Wir freuen uns auf die fortführende Zusammenarbeit in weiteren Data Science Projekten mit der FH Kufstein Tirol“, so der Auftraggeber roosi.