Offer analysis of ÖBB : concepts for strengthening local traffic in Upper Austria 2035
Bibliographic record
Abstract
Die Landesregierung in Oberösterreich hat ihr Mobilitätsleitbild erneuert und die Maßnahmen der nächsten Dekade bis 2035 vorgestellt. Die ÖBB betreibt viele der Linien im Bundesland, die ÖBB-Personenverkehr-AG ist für den Betrieb von Personenzügen zuständig. Diese möchte nun wissen, welche Maßnahmen ihrerseits nötig sind, um die Planungen des Bundeslands zu erfüllen. Im Rahmen dieser Arbeit wird das öffentliche Gesamtnetz sowie das Bahnnetz analysiert und daraus Vorschläge entwickelt, wie der öffentliche Verkehr (ÖV) in Zukunft gestaltet werden kann. Das Liniennetz wurde automatisch mithilfe eines im Rahmen dieser Arbeit verfassten Python-Scripts analysiert. Außerdem wurden Fahrpläne händisch ausgelesen und Kartenmaterial erstellt und analysiert. Dabei wurde unter anderem festgestellt, dass das Angebot an Wochenenden stark abnimmt und ländliche Gebiete oft schlecht an den ÖV angebunden sind. Insbesondere an den Landesgrenzen nimmt das Angebot stark ab. Die Analyse des Mobilitätsleitbildes hat ergeben, dass die dort vorgestellten Maßnahmen oft ungenau formuliert sind, die Ziele sind also nicht eindeutig erfüllbar. Klarere Vorgaben diesbezüglich werden empfohlen. Vorgaben kommen auch von anderen Stellen wie z.B. dem Bund mit dem Zielnetz 2040, welche auch zu berücksichtigen sind. Anhand der Erkenntnisse wurden Vorschläge gemacht, wofür Konzepte aus anderen Regionen und Ländern berücksichtigt wurden. Unter anderem wurden Gestaltungsrichtlinien von Bahnknoten in der Schweiz gefunden, welche in ähnlicher Form auch für Oberösterreich festlegbar sind. Die flächendeckende Verfügbarkeit von Fahrrädern in den Niederlanden wurde auch als positiv beschrieben. Auch wird der klassische, öffentliche Verkehr in der Zukunft stärker durch On-Demand-Services ergänzt werden, das Burgenland liefert hier ein Beispiel für ein einheitliches und flächendeckendes System. Viele dieser Angebote werden auch von den ÖBB angeboten, jedoch nicht flächendeckend. Daher wird unter anderem empfohlen, die eigenen Systeme stark auszubauen um vielfältige Mobilitätlösungen „aus einer Hand“ anzubieten.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".