Wie Fahrplandaten für Anwendungen verständlicher und belastbarer werden können.

Transit Data ist ein eigenständiger Entwicklungsstrang für GTFS-Prüfung, Normalisierung, Feed-Fusion und nachvollziehbare Beziehungen zwischen Stationen, Linien und Fahrten.

Öffentliche Keetson-Demo testen Feed-Audit-Konzept ansehen

Konzeption und alleinige Entwicklung: Yves Heitkamp · Die öffentliche Keetson-Demo verwendet ausschließlich synthetische Daten.

Ausgangspunkt

Ein gültiger GTFS-Feed ist nicht automatisch app-ready.

Formale Validität ist wichtig, beantwortet aber nicht, ob Menschen Stationen finden, Namen verstehen oder plausible Verbindungen erhalten.

Hauptbahnhöfe erscheinen unter unverständlichen Namen.
Köln und Koeln führen zu unterschiedlichen Ergebnissen.
Zusammengehörende Stationsteile werden nicht als ein Knoten verstanden.
Interne Bezeichnungen gelangen ungefiltert in die Fahrgastinformation.
Fehlende Transfers verschlechtern das Routing.
Neue Feedstände erzeugen unbemerkte Regressionen.

Technische Fallstudien

Datenqualität nachvollziehbar untersuchen und sichtbar machen.

Entwicklungsansatz

Feed Audit

Ein Konzeptbaustein für die Frage, wie sich Datenprobleme strukturiert erkennen, erklären und manuell prüfen lassen.

Datenqualität untersuchen
Kandidaten priorisieren
Auswirkungen erklären
Prüfbare Einordnungen dokumentieren
Quellfeeds unverändert lassen

Zum Feed-Audit-Konzept

Öffentliche synthetische Demo

Keetson

Eine Java-basierte Datenwerkbank mit SQLite sowie einer Weboberfläche aus PHP und JavaScript. Ein eigens erstellter GTFS-Testdatensatz zeigt Stationsfamilien, Linienmuster, Review-Kandidaten und die Wirkung versionierter Datenstände.

Haltestellen, Linien, Betreiber und Fahrpläne visualisieren
Daten prüfen, normalisieren und fachliche Beziehungen erzeugen
Mehrere GTFS-Feeds als getrennte Datenstände zusammenführen
Reproduzierbare Review-Fälle und Versionen transparent einordnen

Öffentliche Keetson-Demo testen

Entwicklungsfrage

App-ready Data Build

Wie können öffentliche Stationsnamen, Aliase und Beziehungen so aufbereitet werden, dass sie in einer Anwendung verständlich und nachvollziehbar bleiben?

Öffentliche Stationsnamen
Aliase und Bahnhofsfamilien
Suchindex und Transferbeziehungen
Nachvollziehbare Transformationsprotokolle

Langfristige Perspektive

Versionierte Datenbeobachtung

Später könnten Feedstände vergleichbar gemacht werden, damit Veränderungen und mögliche Regressionen transparent überprüft werden können.

Feedstände vergleichen
Regeln versionieren
Veränderungen sichtbar machen
Reproduzierbare Datenpakete vorbereiten

Grundsatz

Datenverarbeitung muss nachvollziehbar bleiben.

Transformationen, Einordnungen und mögliche Überschreibungen werden als getrennte Entwicklungsartefakte behandelt. Der Quellfeed bleibt dabei unverändert; fachliche Entscheidungen bleiben prüfbar und dokumentierbar.

Zum Kontakt