Multiple Mobilitätsdatenfusionierung & -anreicherung für nachfrageorientierte Mobilitätsanwendungsfälle

Datengetriebene Mobilitätsanalysen rücken für eine zukunftsorientierte, nachfragegeleitete und nachhaltige Verkehrsplanung immer stärker in den Vordergrund. Sie erlauben eine kleinräumige Raum-, Stadt- und Verkehrsplanung, so dass die Stadtteil- und Quartiersentwicklung als Anwendungsfall im Fokus von MultiMoFusion stehen. Um die Wirkung quartiersbezogener Mobilitätsmaßnahmen beurteilen zu können, reichen traditionelle Erhebungsmethoden aufgrund limitierter räumlicher, inhaltlicher und zeitlicher Auflösung kaum aus. Durch eine Ergänzung mit neuen, innovativen Erhebungsmethoden ist es möglich, Wissenslücken zu schließen. Daher ist das Ziel von MultiMoFusion, SMASI-Erhebungen (Smartphone Assisted Self-Interviews) mit anonymisierten Mobilfunkbewegungsdaten (Floating Phone Data (FPD)) anzureichern. Eine ganzheitlich neue, qualitativ und quantitativ hochwertige Nachfragedatenquelle mit den Vorteilen beider Datenwelten wird generiert.

MultiMoFusion beschäftigt sich auch mit dem innovativen Einsatz neuer und zielgerichteter Kommunikation auf Basis der Daten. Methoden aus dem Storytelling ergänzt mit interaktiven (Geo)-Visualisierungselementen in Form von Storymaps können genutzt werden, um Aufmerksamkeit für aktuelle Herausforderungen der Mobilität zu generieren. Ebenso erfolgt die Sammlung technischer, organisatorischer und rechtlicher Integrationsanforderungen in einen zukünftigen nationalen Mobilitätsdatenraum und die Untersuchung der Transferierbarkeit.

Aspern Seestadt ist dabei ein ideales Labor für die Erprobung und das Experimentieren im Rahmen von MultiMoFusion. Die hier im Zuge des Mobilitätspanels gesammelten SMASI-Daten bilden eine sehr gute Grundlage für MultiMoFusion. Zusätzlich zu den vorliegenden Daten des Untersuchungsraums werden makroskopische Mobilfunkbewegungsdaten hinzugezogen. Dabei soll durch eine Datenfusion ein Modell entstehen, welches auf Basis der Floating Phone Daten die SMASI-Daten verbessert, um einerseits die Repräsentativität zu erhöhen und zusätzlich einen kontinuierlichen, zeitlichen Längsschnitt der Mobilität abzubilden.

Die Kombination der fusionierten Daten und dem Einsatz weitere quantitativer aber auch qualitativer Methoden im Rahmen der Use-Cases zeigt die Vorteile, Grenzen und Potenziale der Datenfusion. Gemeinsam mit Stakeholder_innen werden zudem weitere Einsatzmöglichkeiten (Future-Cases) diskutiert und gesammelt - wo auch eine Transferstrategie in andere Räume erarbeitet wird.

Logo MultiMoFusion

© Projekt MultiMoFusion