在德国，尽管汽车碳排放量高，但仍是第一大交通工具。为让环保出行替代方案更具吸引力，弗劳恩霍夫光电、系统技术与图像开发研究所(IOSB)的研究人员携手DAKIMO项目合作伙伴，全力开发智能多式联运交通工具，并着力打造用于多式联运路线规划的人工智能，帮助人们摆脱对私家车的依赖，实现无缝、便捷、可靠出行。

当前，环保出行方式丰富多样，涵盖公交车、火车、有轨电车、电动滑板车和共享单车等，公共交通对环境的影响远小于私家车。然而，汽车因随时可用、出行规划便捷，仍是主要交通方式。要使公共交通成为有吸引力的替代选择，关键在于轻松组合不同交通工具，且在公共交通、自行车(尤其是共享单车)和电动滑板车之间切换要像拿车钥匙一样方便。

但目前，人们未能充分利用多式联运优势，主要原因是规划从A点到B点的多种交通方式路线过于复杂。现有的路线规划应用程序也未将不同交通工具的衔接因素纳入推荐路线。

为解决这一问题，DAKIMO项目应运而生。卡尔斯鲁厄Fraunhofer IOSB的研究人员开发出基于人工智能的系统，可预测共享交通工具的可用性，综合考量交通状况实时数据等因素。该系统能计算在特定时间、特定地点找到可租赁自行车或电动滑板车的可能性。项目合作伙伴raumobil GmbH将预测结果应用于多式联运路线规划，移动应用程序会依据预测的可用车辆情况，为用户推荐从出发地到目的地的交通路线。项目合作伙伴还计划扩展由卡尔斯鲁厄交通管理局(KVV)推出的regiomove应用程序，让多式联运路线建议成为现实，使用户能根据当前情况获得针对个人需求和所选路线的定制交通方式建议。

弗劳恩霍夫IOSB项目负责人Jens Ziehn表示，为实现更环保的多式联运，交通运输需更简单、可靠、灵活且易于规划。人工智能预测功能会根据具体情况，包括路线不同路段，推荐到达目的地的最佳交通方式，同时显示可预订车辆(包括共享汽车)在行程起点和终点的信息。当出现公交车堵车或终点站无共享单车可用等情况，人工智能将及时介入。弗劳恩霍夫IOSB建模和网络系统小组负责人Reinhard Herzog补充道，人工智能通过使用小地理单元和短时间间隔，基于公共交通数据和共享自行车位置等方面的历史数据，计算可用性的短期和长期概率以及共享汽车的预期数量，从而实现预测功能。

在交通数据标准方面，该人工智能预测功能将被纳入国际通用的共享单车数据通用规范(GBFS)。GBFS是一套实时公共数据规范，旨在为面向消费者的应用提供交通信息，目前正在进行为期一年的评估。在测试阶段，预测功能已纳入标准扩展草案。为使人工智能技术得到广泛应用，将共享汽车的预测概率添加到GBFS标准中至关重要。一旦实现，该标准不仅能显示当前共享交通工具位置，还能提供未来可用性的人工智能计算预测。

基于GBFS数据，路线规划应用程序未来有望提供多式联运路线选项。项目合作伙伴raumobil GmbH致力于标准化预测功能，GBFS标准的扩展已获专注于交通数据标准化和交换的非营利组织MobilityData认可。用于汇总所有数据的人工智能融合服务器已投入运行，它以人工智能为基础确定交通方式可用性并计算多式联运路线。人工智能预测功能也已纳入卡尔斯鲁厄regiomove应用程序的测试版本，该应用整合了中上莱茵地区的多种交通选择，下一步计划将预测模型推广至巴登 - 符腾堡州其他地区。

该项目开展的一项超过1500人的调查显示，公众反响积极，近90%的参与者认为基于人工智能的共享交通工具预测很有帮助或非常有用，约20%的受访者表示偶尔会因该项目把汽车留在家中，转而使用公共交通。Ziehn称，研究结果证实基于人工智能的方法可有效支持出行转型，为气候行动贡献力量。