Detailergebnis zu DOK-Nr. 77728
Integrative Analyse multimodaler Verkehrsdaten: Offene Herausforderungen mit Big-Data-Analytik in Lissabon (Orig. engl.: Integrative analysis of multimodal traffic data: addressing open challenges using big data analytics in the city of Lisbon)
| Autoren |
C. Lemonde E. Arsenio R. Henriques |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 5.3 Stadtverkehr (Allgemeines, Planungsgrundlagen) 6.1 Verkehrserhebungen, Verkehrsmessungen |
European Transport Research Review 13 (2021) Nr. 64, 22 S., 11 B, 3 T, 73 Q. - Online-Ressource: verfügbar unter: https://doi.org/10.1186/s12544-021-00520-3
Weltweit bemühen sich Städte um die Erhebung von Verkehrsdaten aus verschiedenen Verkehrsträgern und Quellen. Die Integration von Verkehrsdaten zusammen mit ihrem situativen Kontext bietet einen umfassenderen Überblick über die laufenden Mobilitätsveränderungen und unterstützt entsprechend verbesserte Managemententscheidungen. Daher werden Städte zunehmend sensorisch erfasst und heterogene städtische Datenquellen mit dem Ziel konsolidiert, multimodale Verkehrsmuster zu überwachen, die alle wichtigen Verkehrsträger (Straße, Schiene, Binnenschifffahrt) und aktive Verkehrsarten wie das Gehen und das Radfahren umfassen. Die in dem Beitrag vorgestellten Forschungsarbeiten zielen darauf ab, die bestehende Literaturlücke bei der integrativen Analyse multimodaler Verkehrsdaten und ihres situativen städtischen Kontextes zu schließen. Die Arbeit basiert auf den wichtigsten Ergebnissen und Beiträgen des Forschungs- und Innovationsprojekts "Integrative Learning from Urban Data and Situational Context for City Mobility Optimization" (ILU), einem multidisziplinären Projekt auf dem Gebiet der künstlichen Intelligenz, das auf die städtische Mobilität angewandt wird und an dem die Stadtverwaltung von Lissabon, öffentliche Verkehrsbetriebe und nationale Forschungsinstitute beteiligt sind. Das Manuskript konzentriert sich auf die kontextbezogene Analyse von multimodalen Verkehrsdaten mit Schwerpunkt auf dem öffentlichen Verkehr und bietet vier Hauptbeiträge. Erstens bietet es einen strukturierten Überblick über die wissenschaftlichen und technischen Herausforderungen und Möglichkeiten für datenzentrierte multimodale Mobilitätsentscheidungen. Zweitens werden auf der Grundlage vorhandener Literatur und empirischer Erkenntnisse Prinzipien für die kontextbezogene Erkennung multimodaler Muster aus heterogenen städtischen Datenquellen skizziert. Drittens wird Lissabon als Fallstudie vorgestellt, um zu zeigen, wie diese Prinzipien in der Praxis umgesetzt werden können, zusammen mit einigen wesentlichen Erkenntnissen. Schließlich werden einige Prinzipien durch eine raum-zeitliche Analyse von Multimodalitätsindizes in der Stadt im Vergleich zum verfügbaren Kontext umgesetzt.