Direkt zum Inhalt
AIT Logo

Mobilitätsdatenanalyse für dynamisches und interaktives Verkehrsmanagement

Verkehrsnetze sind ein zentraler Bestandteil von Volkswirtschaften und Gesellschaften. Immer mehr Züge, Busse, Autos und Schiffe bis hin zu Frachtcontainern kommunizieren mit Verarbeitungszentralen und übermitteln Identifizierungs-, Positionierungs- und andere nützliche Daten. Digitale Reiseplaner unterstützen Reisende bei der Planung intermodaler Reisen und bieten Echtzeit-Updates von Reiserouten, Wettervorhersagen und Verkehrsbedingungen. Das AIT entwickelt neuartige Mobilitätsdatenerfassungs- und Analyseverfahren zur Erzeugung umfassender und unmittelbarer Einblicke in die Bewegungen in Verkehrsnetzen, und liefert damit wertvolle Entscheidungshilfen für reaktive Maßnahmen und Beeinflussungen.

Auf schwarzem Hintergrund leuchtet in grün das Straßennetzwerk einer Stadt

Das Ziel der Forschungsaktivitäten des AIT im Bereich der Mobilitätsdatenanalyse für ein dynamisches und interaktives Verkehrsmanagement besteht darin, Mobilitätsdaten aus verschiedenen Sensorquellen in Echtzeit zu erfassen und zu analysieren, um genaue und umfassende Einblicke in Verkehrssysteme zu erhalten. Das AIT entwickelt wichtige Bausteine zur

  • Echtzeit-Bestimmung multimodaler Verkehrslagen (Reisezeiten, Level of Service), einschließlich der Erkennung ungewöhnlicher Ereignisse sowie kurz- und mittelfristiger Vorhersagen auf Basis kombinierter verschiedener Datenquellen wie Mobilfunksignal-Datensätzen, GPS, Bluetooth, Mautsysteme etc.
  • zuverlässigen Erfassung von Fahrten im öffentlichen Personenverkehr für innovative elektronische Ticketingkonzepte wie "Check In Be Out" oder "Be In Be out" Systeme, basierend auf einer robusten Mustererkennung von Smartphone-Sensordaten, die mit statischen und betrieblichen Daten des öffentlichen Verkehrsnetzes kombiniert werden. 
  • Auswertung massiver Schiffsdatenströme des Automatic Identification System (AIS) in Echtzeit zur intelligenten Schiffsnavigation (Routenvorhersage und Kollisionsvermeidung, Reisezeitvorhersage und anormale Manövererkennung für maritime Kontrollzentren).
  • zuverlässigen Erkennung motorisierter Fahrten für innovative, individuelle und dynamische Parkgebühren- und Straßenbenutzungsmauten auf der Grundlage einer robusten Mustererkennung der Smartphone-Sensordaten.

Alle Verfahren zur Mobilitätsdatenanalyse für dynamisches und interaktives Verkehrsmanagement entsprechen der EU-Datenschutzgrundverordnung.

Publikationen

A. Graser and P. Widhalm: “Modelling massive AIS streams with quad trees and Gaussian Mixtures”, 21st AGILE Conference on Geographic Information Science June 12-15, 2018 Lund, Sweden

H. Koller, Peter Widhalm, M. Dragaschnig, A. Graser: 
"Fast Hidden Markov Model Map-Matching for Sparse and Noisy Trajectories";  in: "Proceedings 18th IEEE International Conference on Intelligent Transportation Systems (ITSC)", IEEE (Hrg.); (2015).

A. Graser, W. Ponweiser, M. Dragaschnig, N. Brändle, Peter Widhalm:  "Assessing Traffic Performance using Position Density of Sparse FCD"; in: Proceedings 15th International IEEE Conference on Intelligent Transportation Systems (ITSC)", (2012).

Peter Widhalm, M. Piff, N. Brändle, H. Koller, M. Reinthaler, W. Ponweiser:  "Robust Road Link Speed Estimates for Sparse or Missing Probe Vehicle Data";  in: "Proceedings 15th IEEE Intelligent Transportation Systems Conference (ITSC2012), 2012.