Direkt zum Inhalt
AIT Logo

Messung der Verkehrsnachfrage mit ‚Big Data‘

Die Mobilität von Menschen entsteht aus einer Nachfrage nach Aktivitäten wie Arbeiten, Einkaufen, Bildung, Sport usw. Die aus der Digitalisierung entstehenden riesigen Datenmengen bieten neue Möglichkeiten für die Messung der Verkehrsnachfrage nach Infrastrukturen und Dienstleistungen im Verkehrs- und Wirtschaftsbereich sowie für die Problemdiagnose und Zukunftsplanung. Das AIT entwickelt technisch ausgereifte, effiziente und datenschutzkonforme Verfahren zur Messung der Verkehrsnachfrage aus eine großen Anzahl von Sensordaten.

ein Gehweg auf dem viele Fußgänger unterwegs sind, daneben ist ein Fahrradstreifen auf dem viele Radfahrer fahren. Daneben befindet sie eine Straße auf der Autos zu sehen sind.

Die automatische Erfassung und Auswertung von Daten über das Mobilitätsverhalten von Menschen ist wichtig

  • für die Erstellung und Bewertung von Stadtentwicklungs- und Verkehrskonzepten wie neue Verkehrsanbindungen, Verkehrsberuhigung, Planung und Eröffnung von Einkaufszentren, Bürogebäuden, Verkehrsknotenpunkten, Smart Cities etc.
  • für den Erfolgsnachweis verkehrspolitischer Maßnahmen wie beispielsweise Parkgebühren.
  • für einen schnellen Erhalt von Informationen über die Gewohnheiten und Profile von Nutzern bestimmter Verkehrsmittel und Reisepraktiken (Fahrgemeinschaften, Multimodalität, öffentliche Fahrradsysteme usw.)  

Das AIT entwickelt neue Verfahren zur Auswertung von „Big Data“ Ressourcen wie Smartphone-Sensoren, Kommunikationssignalen zwischen Smartphones und Mobilfunkmasten und anderen Datenquellen wie WLAN, RFID, Bluetooth etc. zur zeitnahen und genauen Abschätzung der Verkehrsnachfrage. Forschungsthemen sind

  • detaillierte automatische Rekonstruktion intermodaler Wegeketten und Wegezwecken mit robusten Mustererkennungsverfahren für Smartphone-Sensoren, zwecks Erstellung von Reisetagebüchern, Gestaltung von Versicherungspolizzen, e-Health-Anwendungen sowie Anreizsystemen zur Belohnung von Verkehrsverlagerungen.
  • Analyse massiver Mobilfunksignal-Datensätze (in enger Zusammenarbeit mit Telekommunikationsanbietern) und Fusion mit georäumlicher Datenquellen zwecks automatischer Berechnung von Quelle-Ziel-Matrizen inkl. täglicher, wöchentlicher und saisonaler Schwankungen, Bestimmung des Einzugsgebiets von Infrastrukturen, Erfassung wiederkehrender Aktivitätsmuster in geografischen Regionen und Verkehrsmodi.
  • Ableitung der tatsächlichen Landnutzungsinformationen aus Mobilfunksignalmustern
  • Zusammenfassung und Verdichtung multimodaler Wegedaten

Alle Verfahren zur Ermittlung der Verkehrsnachfrage entsprechen der EU Datenschutz-Grundverordnung.

Publikationen

Peter Widhalm, Y. Yang, M. Ulm, M. Gonzalez:  "Discovering Urban Activity Patterns in Cell Phone Data"; Transportation, 42 (2015), 4; 597 - 623.

P. Widhalm, M. Leodolter, N. Brändle: "Top In The Lab, Flop In The Field? Evaluation Of A Sensor-based Travel Activity Classifier With The SHL Dataset"; In: Proceedings 6th International Workshop on Human Activity Sensing Corpus and Application (HASCA2018) (in conjuction with UbiComp2018), Singapore; 2018;

M. Leodolter, Peter Widhalm, C. Plant, N. Brändle:  "Semi-supervised segmentation of accelerometer time series for transport mode classification"; 
in: "Proceedings 5th IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS)", (2017), 663 - 668.

F. Ricciato, Peter Widhalm, F. Pantisano, M. Craglia:  "Beyond the "single-operator, CDR-only" paradigm: An interoperable framework for mobile phone network data analyses and population density estimation";  Pervasive and Mobile Computing, 35 (2017), 65 - 82.

Peter Widhalm, P. Nitsche, N. Brändle:  "Transport Mode Detection with Realistic Smartphone Sensor Data";  in: "Proceedings of the 21st International Conference on Pattern Recognition (ICPR2012)", (2012).

P. Nitsche, Peter Widhalm, S. Breuss, N. Brändle, P. Maurer:  "Supporting large-scale travel surveys with smartphones - A practical approach";  Transportation Research Part C - Emerging Technologies, 43 (2014), 2; 212 - 221.