Stellen Sie sich Ihre individuelle Projektübersicht zusammen.
Forschungsziel: In Data4UrbanMobility wurden anwendungsgetriebene Werkzeuge entwickelt, die einen ereignisbasierten Überblick über Mobilitätsinformationen liefern und die effiziente Planung, Entwicklung, Durchführung und Nutzung von innovativen Mobilitätsdienstleistungen ermöglichen und so städtische Verwaltungen, Dienstleistungsanbieter und BürgerInnen als Endnutzer unterstützen. Basierend auf umfassenden regionalen und historischen Daten wurden Methoden aus Informationsextraktion und -integration bzw. des maschinellen Lernens eingesetzt, um fundierte Modelle und Prognosen von Verkehrsverhalten und -entwicklung zu ermöglichen. So entstanden speziell adaptierte Datenanalyse und -aufbereitungswerkzeuge. Diese können als Ausgangsbasis für innovative Routen- und Verkehrsplanungsservices, die zukunftsgerechte Gestaltung und Planung von Infrastrukturen und die Planung von Mobilitätsdienstleistungen sowohl für den ÖPNV als auch den Individualverkehr genutzt werden.
Prof. Wolfgang Nejdl +49 511 762-19711
nejdl@l3s.de
Dipl.-Ing. Martina Göttel
+49 721 608-28561
martina.goettel@kit.edu
Problemstellung
Während die zunehmende Urbanisierung zu einer steigenden Komplexität und Relevanz von Mobilitäts-dienstleistungen führt, unterliegen diese zugleich umwälzenden Veränderungen, durch langfristige Trends wie E-Mobilität, sowie kurz- bis mittelfristigen Einflussgrößen wie Wetter, Baustellen oder Großveranstaltungen. Deren Berücksichtigung stellt Herausforderungen an NutzerInnen, MobilitätsdienstleisterInnen, ÖPNV-Gesellschaften, Automobilhersteller oder auch städtische Verwaltungen. Die zunehmende Verfügbarkeit von Daten, wie z. B. Verkehrsinformationen, georeferenzierte Daten oder Daten aus dem Social Web, birgt große Potenziale für die effizientere Gestaltung innovativer Mobilitätsdienstleistungen und -infrastrukturen. Vorhandene Daten sind aber meist unvollständig oder in isolierten Informationssystemen vorgehalten, so dass die Beantwortung komplexer Fragestellungen nur eingeschränkt möglich ist.
Projektziel und Vorgehensweise
Data4UrbanMobility entwickelte daher anwendungsgetriebene Werkzeuge, die einen ereignisbasierten Überblick über Mobilitätsinformationen liefern und die effiziente Planung, Entwicklung, Durchführung und Nutzung von innovativen Mobilitätsdienstleistungen ermöglichen. Basierend auf umfassenden regionalen und historischen Daten wurden Methoden aus Informationsextraktion und -integration und des maschinellen Lernens eingesetzt, um fundierte Modelle und Prognosen von Verkehrsverhalten und -entwicklung zu ermöglichen. So entstanden speziell adaptierte Datenanalyse und -aufbereitungswerkzeuge, die in einer Plattform zusammengeführt wurden. Dies wird innovative Routen- und Verkehrsplanungsservices, die zukunftsgerechte Gestaltung und Planung von Infrastrukturen und die Planung von Mobilitätsdienstleistungen sowohl für den ÖPNV als auch den Individualverkehr ermöglichen.
Ergebnisse und Anwendungspotential
Das Data4UrbanMobility-Konsortium besteht aus WissenschaftlerInnen des Forschungszentrum L3S der Leibniz Universität Hannover und des Institute for Sustainable Urbanism ISU der Technischen Universität Braunschweig und transdisziplinären PartnerInnen aus Wirtschaft, Verwaltung und Zivilgesellschaft (momatec GmbH, Hannoversche Informationstechnologien AöR, PROJEKTIONISTEN GmbH und Wolfsburg AG), die gemeinsam innovative datengetriebene Methoden für Forschung und Praxis entwickelten. Die Forschung trug dazu bei, die Komplexität individueller Mobilität verstehen zu lernen und darauf aufbauend Lösungen zur Steigerung der Effizienz, der Zugänglichkeit und der Nachhaltigkeit urbaner Mobilität zu entwerfen und damit auch die Lebensqualität in Städten und urbanen Regionen zu erhöhen.
In der folgenden Liste sehen Sie Ihre ausgewählten Projekt-Favoriten.
Vorlesen