Budapest voranbringen: Wie BKK Databricks nutzt, um die Mobilität der Stadt zu transformieren

Als Budapests einheitliche Verkehrsbehörde verwaltet BKK die öffentlichen Nahverkehrs-, Shared-Mobility-, Infrastruktur- und Verkehrssysteme, die die Stadt mit 1,7 Millionen Einwohnern am Laufen halten. „Wir sind wie ein Think Tank für strategischen Verkehr in der Stadt“, sagt Max von Münster, Lead Data Science Expert bei BKK. Die Organisation sammelt große Datensätze von über 2.000 Bussen, Hunderten von U-Bahnen und Straßenbahnen sowie fast 1.000 gemeinsam genutzten Fahrrädern und Rollern und erfasst Standorte, Fahrzeuggeschwindigkeiten, Fahrgastzahlen und mehr.

Ihr bestehendes On-Premises-Data-Warehouse hatte Mühe, mit dem wachsenden Datenvolumen und der Datenvielfalt Schritt zu halten, was den Zugriff auf und die Analyse von Informationen erschwerte. BKK benötigte eine Möglichkeit, seine Datensätze zu zentralisieren und zu demokratisieren und gleichzeitig die Plattform zu modernisieren, um erweiterte Geodatenanalysen und maschinelles Lernen zu unterstützen.

Aufbau einer modernen Transit-Analyseplattform

Vor Databricks nutzte BKK On-Premises-Microsoft-SQL-Server und fragmentierte Berichte auf Basis von Excel und PowerBI. Analysten konnten GPS- oder Boarding-Daten nur abfragen, indem sie Teilmengen in Jupyter Notebooks extrahierten, und große Datensätze belasteten das System.

„Die Stadt ist voller dezentraler Informationen“, bemerkte Max. „Eines unserer großen Ziele ist es, diese in der Cloud zusammenzuführen und für die Experten zugänglich zu machen, die die Entscheidungen treffen.“

Um dies zu erreichen, begann BKK mit einer schrittweisen Migration zu Azure Databricks. Mobilitätsdaten kamen aufgrund ihres Volumens und ihrer Bedeutung für die Planung und Geodatenanalysen zuerst. Datensätze aus Fahrzeug-GPS, Fahrgastsensoren, Boarding-Plänen und einer Vielzahl anderer Systeme wurden mit Schwerpunkt auf sorgfältiger Modellierung und Validierung in der Cloud migriert.

„Es ist wirklich wichtig, diese dezentralen Quellen zu verbinden“, sagte Business Intelligence Analyst Estilla Híves. „Verschiedene Teams benötigen oft ähnliche Erkenntnisse aus unterschiedlichen Perspektiven, und mit einer zentralisierten Plattform können wir die Daten kombinieren und teamsübergreifend teilen.“

Abylon, ein Databricks-Partner, spielte eine Schlüsselrolle bei der Beschleunigung der Cloud-Datentransformation von BKK. Durch die Unterstützung von BKK bei der Entwicklung seiner Azure-basierten Datenplattform, die Ermöglichung seines Data Warehouses und seiner Datenoperationen in der Cloud sowie die Führung der Organisation in das Databricks-Ökosystem legte Abylon den Grundstein für eine skalierbare, langfristige Cloud-Datenreise.

Neue Analyse- und Modellierungsanwendungsfälle erschließen

Mit der Databricks Lakehouse-Architektur kann BKK Daten auf eine Weise untersuchen und darauf reagieren, die zuvor unpraktisch war. Analysten können jetzt große, komplexe Datensätze effizient mit der vollen Leistung der Cloud verarbeiten und so schnellere Erkenntnisse und reaktionsschnellere operative Entscheidungen treffen. Die Plattform ist auch wesentlich einfacher zu bedienen als ihr vorheriges System; Analysten können nahtlos in SQL, Python oder R innerhalb derselben kollaborativen Notebooks arbeiten und Arbeiten teamsübergreifend teilen, ohne Variablen oder Datenobjekte übertragen zu müssen.

Diese Verbesserungen haben eine Reihe leistungsstarker, realer Anwendungsfälle ermöglicht, darunter:

• Minutengenaue Verfolgung von Shared-Mobility-Fahrzeugen: BKK kartiert über 900 Roller und Bike-Sharing-Stationen pro Minute, überwacht den Bedarf an Parkplätzen und steuert Zuweisungsentscheidungen
• Routenbasierte Leistungsanalyse für den öffentlichen Nahverkehr: GPS- und Geschwindigkeitsdaten von Bussen und Straßenbahnen heben langsame Abschnitte hervor und helfen bei der Optimierung von Ampelschaltungen und der Routenplanung
• Prognosemodellierung für Flughafenfahrten: BKK kombiniert Live-Flughafen-API-Daten mit langfristigen Nachfrageprognosen, um Busfahrpläne in Echtzeit zu aktualisieren und die Passagiernachfrage bis 2033 zu planen
• Dynamische Fahrplangestaltung und Kapazität: BKK nutzt Fahrgastmuster, saisonale Trends und Veranstaltungsdaten, um Bus- und Straßenbahnfahrpläne anzupassen und Überfüllung zu vermeiden

Diese Innovationen geben BKK die Möglichkeit, schneller zu handeln, intelligentere Entscheidungen zu treffen und proaktiv für die stadtweite Mobilität zu planen.

Die Zukunft des städtischen Verkehrs gestalten

Databricks positioniert BKK, um Analysen abteilungsübergreifend zu erweitern und breiter zusammenzuarbeiten. Die Plattform unterstützt die Daten-Demokratisierung, indem sie internen Experten heute einen gesteuerten Zugriff auf Mobilitätsdatensätze ermöglicht und die Grundlage für zukünftige Zusammenarbeit mit externen Partnern und sogar anderen europäischen Städten schafft.

Max hob die langfristige Vision hervor: „Wir streben einen digitalen Zwilling des Mobilitätssystems von Budapest an, um Muster zu analysieren, Szenarien zu simulieren und den öffentlichen Nahverkehr kontinuierlich zu verbessern.“

Die Vorteile gehen über die stadtweite Mobilität hinaus. Databricks bietet BKK auch detaillierte Kostenverfolgung, teamspezifische Transparenz und Tools zur Optimierung der internen Ressourcenzuweisung. „Wir können zwischen Teams unterscheiden und verfolgen, wer Rechenkosten verursacht, was für die Budgetierung und Planung sehr nützlich ist“, sagte Estilla.

Durch die Kombination dieser internen Effizienzsteigerungen mit intelligenteren, datengesteuerten Verkehrsbetrieben bewegt sich BKK von reaktiven Berichten hin zu proaktiver Stadtplanung – und erschließt Erkenntnisse, die zuvor unmöglich waren, und schafft die Grundlage für das nächste Jahrzehnt der Innovation im städtischen Verkehr.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag