Egal ob im öffentlichen Nahverkehr, auf Fußwegen oder im Straßenverkehr: Wer Staus vermeiden will, muss wissen, wann und wo sie entstehen. Forscher am Fraunhofer IAO haben die Möglichkeit untersucht, den Verkehrsfluss mit Hilfe von anonymisierten Mobilfunkdaten zu erfassen. So soll eine umfassende Grundlage für die Verkehrsplanung der Zukunft geschaffen werden. Projektleiter Alexander Schmidt erklärt die Ergebnisse. 

Hallo Herr Schmidt. Viele Großstädte in Europa - »ersticken« im Stau. Eines der Probleme für eine mobilitätsfreundliche Planung aber ist, das betonen die Stadtplaner, dass die notwendigen Planungsdaten oft nicht vorliegen oder sehr teuer erhoben werden müssen.

Datenerhebung ist mühselig und teuer. Das bedeutet unter anderem, dass Sie automatisierte Verkehrszählungen durchführen müssen. Oder Sie stellen Verkehrsbeobachter mit Strichlisten an den Straßenrand. Aber: Wo genau wollen Sie sie hinstellen? Und vor allem: Zu welchen Tageszeiten sollen sie zählen? Zudem stellt sich die Frage, welchen Einfluss Sondereffekte wie Volksfeste und Baustellen haben. Und womöglich ist der Verkehrsfluss am Dienstag ein anderer als am Freitag. Aber selbst wenn Sie für alle diese Zeiträume Daten besitzen, sind dies doch Punktdaten und Sie wissen nicht automatisch, warum der Verkehr gerade jetzt so fließt, wie er es tut und woher die Menschen kommen. Also: Die Kosten sind hoch und die Ergebnisse nur mühsam in Aktionspläne zu überführen.

In einer Studie haben Sie für das Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO untersucht, ob das Mobilitätsverhalten in einer Großstadt wie Stuttgart auch anders erfasst werden kann.

Wie haben überprüft, ob wir neue Datenquellen nutzen können, um Verkehrsströme zu erfassen und die Verkehrsplanung zu erleichtern. Dabei setzen wir auf Bewegungen, die sich aus Big Data ableiten lassen. In diesem Fall sind das Mobile Network Data, also Mobilfunkdaten.

Diese Mobilfunkdaten sind sozusagen ein Nebeneffekt der mobilen Smartphone-Gesellschaft.

Richtig. Jeder, der sein Smartphone dabei hat, kommuniziert mit den Mobilfunkmasten, weil er mit dem Handy telefoniert, surft oder zwischen Funkzellen wechselt. Diese Daten sind von Beginn an anonym, so dass nur noch die Bewegungen an sich ohne Rückschluss auf die Personen analysiert werden. Daher sind sie eine gute Quelle, um das Strömungsverhalten des Verkehrs kennenzulernen und zu verbessern. Und das gilt unabhängig vom Verkehrsmittel, der Tageszeit oder dem Verkehrsteilnehmer, da heute fast jeder ein mobiles Endgerät besitzt. Es lässt sich also nicht nur die Stärke des Autoverkehrs, sondern beispielsweise auch die Nutzung von Fußgänger- und Fahrradwegen oder eine Straßenbahnstrecke statistisch erfassen. Außerdem können auch Großevents wie zum Beispiel der »Cannstatter Wasen« hier in Stuttgart besser analysiert werden, um den Besuchern alternative Anreisemöglichkeiten anbieten zu können.

Trotzdem hat Mobile Network Data Nachteile.

Jede Datenquelle hat ihre Schwächen. Am Hauptbahnhof zum Beispiel gibt es eine Stelle, wo sich so viele Objekte bewegen, dass die Richtung nicht eindeutig zuordenbar ist. Und im Stuttgarter Westen fährt die U-Bahn mitten auf der Straße. Es ist schwer zu differenzieren ob die Meldung von einem Auto oder aus der Bahn kommt. Aber wegen der hohe Stichproben und der kontinuierlichen Verfügbarkeit ist das Potential trotzdem groß.

Wie kommen Sie an die Daten?

Wir arbeiten mit Telefónica zusammen. Das Unternehmen ist gemessen an den Nutzerzahlen der größte Mobilfunkanbieter in Deutschland. Als Forschungspartner stellt uns die Telefongesellschaft die anonymen Mobilfunkdaten zur Verfügung und unterstützte uns gemeinsam mit dem Schweizer Start-Up Teralytics und ihrer Tochter Telefónica NEXT bei den Auswertungen.

Da es hier um Big Data geht, drängt sich die Frage nach dem Datenschutz besonders auf.

Die Daten sind vollständig geschützt. Gewährleistet wird dies unter anderem durch ein mehrstufiges vom TÜV Saarland zertifiziertes Verfahren, so dass kein Rückschluss auf Personen möglich ist. Wir haben also keine Namen und natürlich auch keine Adressen. Die Informationen werden an einer Stelle im System abgegriffen, wo eine Zuordnung zum Individuum, wie sie etwa ein Mobilfunkanbieter für seine Abrechnung benötigt, noch gar nicht stattgefunden hat. Wir sehen also beispielsweise nur, dass sich zwischen Mobilfunkzellen in einem bestimmten Zeitraum 50 Mobiltelefone in eine bestimmte Richtung bewegen. Aber mehr ist auch nicht nötig, um das Strömungsverhalten zu analysieren und beispielsweise temporäre Stauquellen zu identifizieren.

Aber Sie haben noch keine Ergebnisse?

Ziel der Studie war es herauszufinden, ob Mobilfunkdaten potentiell einen sinnvollen Beitrag zur Verkehrsplanung leisten können, welche Stärken und Schwächen sie gegenüber anderen Datenquellen besitzen und wo Handlungsbedarf besteht, um dieses Potential auch aktivieren zu können. Außerdem haben wir während des Cannstatter Wasen und des Stuttgarter Weindorfes getestet, welche Aussagen sich über diese Methode generieren lassen.

Mit welchen Ergebnissen?

Die Daten sind kurzfristig gut geeignet, um bestehende Verkehrsmodelle zu überprüfen und zu ergänzen. Auf längere Sicht können speziell für Mobilfunkdaten entwickelte Algorithmen und Modelle zu einer deutlichen Verbesserung der Planung von neuen bedarfsorientierten Mobilitätsservices, der Minderung von Stauzeiten und der Verbesserung des Angebots im öffentlichen Personennahverkehr führen. Dafür aber müssen die Marktteilnehmer in einem nächsten Schritt aber Tools und Services entwickeln, die diese immensen Datenmengen nutzerfreundlich verarbeiten und auswerten können.

(aku)

 

Weitere Informationen

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Sechs + = 7
Bitte Zahl eintragen!
image description
Interviewpartner
Alle anzeigen
Alexander Schmidt
  • Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO
Weitere Artikel
Alle anzeigen
Quo Vadis Big Data
Daten-Treibstoff, oder doch nicht?
Zwischen Hype und Realität – Die Big Data Days 2018
Stellenangebote
Alle anzeigen