Under den første COVID-19 lockdown i april 2020, vendte rejsende langsomt tilbage til den offentlige transport, men med restriktioner.
Behovet for at holde sikker afstand ombord på toget, var grund til stor bekymring for mange rejsende, og faldende passagertal.
S-togene fungerer som metroen, folk hopper af og på. Det gør det umuligt at styre kapaciteten og planlægning af og for rejsende i togene.
Hvordan sikrer vi at passagertallet spredes ud, giver tryghed, og får brugerne af toget tilbage, i de rette rammer?
Hvert S-tog indeholder vægtsensorer som vejer toget. Indtil nu blev disse data kun brugt internt i DSB til at beregne togets bremselængde.
Vi tog denne data og anvendte den med machine learning, for at beregne forventet kapacitet ud fra den vægt passagerne lagde i toget, dette gav et godt tal af hvor mange der faktisk var i toget.
På tre uger udviklede og designede vi et mobilt site, der tog denne data, og synliggjorde den realtime for passagerer så de kunne planlægge deres rejse. Enten realtime på stationen mens de ventede på toget om de skulle tage det næste, eller ved at følge ens primære toge med forventet kapacitet. Sidst var der også prognose for hvilken tidspunkt man burde tage afsted på til at planlægge rundt om.
Ved måling fik DSB med servicen en NPS på 25,9. Normalt ligger DSB på en NPS på 0.
Der kom over 125.000 brugere på med det samme, 20% blev ved med at bruge servicen.
Løsningen blev DSBs hovedkommunikation under COVID-19 i perioden, og fik bred mediedækning bla. i de store nyhedskanaler (DR/TV2).
Den første kundehenvendte løsning for DSB der benyttede ML.