This presentation was given at the fourth "Floating Car Data Forum", organized by Salzburg Research. The idea was to transfer concepts and methods from FCD research and application to bicycle traffic. The presentation provides a rough overview of potential future research avenues.
6. „Floating Bicycle Data“
In Analogie zu Thema des Forums
In Literatur als Begriff nicht etabliert
GPS Trajektorien von Radfahrern (N > 1)
Nicht notwendigerweise in Echtzeit
Floating Bicycle Data
6
7. Wachsende Bedeutung des Radverkehrs in Städten
Salzburg aktuell bei ca. 20% Modal Split Anteil des Radverkehrs
Tendenz steigend (s. Initiativen zur Förderung des Radverkehrs)
Radverkehr mit vielen unbekannten Variablen:
Status-quo Radverkehr und Infrastruktur
Bedarfsanalyse Radverkehrsinfrastruktur
Monitoring von Maßnahmen
Massive Förderung einer Mobilitätsform, die
in vielerlei Hinsicht unbekannt ist
Bedarf
7
8. Punktuelle Zählungen
Sporadische Erhebungen (Mobilitätsbefragungen)
Schlechte Validität und Vergleichbarkeit
Popularisierung des „Peoples/Humans/Citizens as Sensors“
Konzepts (Goodchild 2007) durch ubiquitäre Verfügbarkeit
von Internet und billigen GPS Sensoren
Ausgangslage
8
https://vimeo.com/33712288
10. 10
STEENBERGHEN, T., TAVARES, T., RICHARDSON, J., HIMPE, W. & CRABBÉ, A. 2017. Support study on data
collection and analysis of active modes use and infrastructure in Europe. Brussels: European Comission,
Directorate-general for Mobility and Transport.
12. Datenquellen
Sampled (bestimmte Flotte) vs. crowd-sourced (z.B. durch diverse
Apps) Daten » Auswirkungen auf Informationsgehalt!
Unterschiedliche Anwendungskontexte » Auswirkungen auf ableitbare
Aussagen
Qualität und Beschreibung der Daten
V.a. bei crowd-sourced Daten unterscheidet sich intendierter Zweck
von Analyseanwendung
Metadatenverfügbarkeit
Verfügbarkeit der Daten
Häufig innerhalb geschlossener, proprietärer Anwendungen
Projekte zur Datenspende (z.B. https://bikedataproject.org)
Datencharakteristik
12
13. Fahrradverleihsysteme
Repräsentieren Ausschnitt des Radverkehrsaufkommens
Räumlich meist zentrumsnah bzw. nicht gleichverteilt
Routenberechnung vs. Tracking
Crowd-sourcing Projekte (z.B. European Cycling Challenge)
Meist Fokus auf Pendelmobilität » Aussagen v.a. hinsichtlich
Alltagsmobilität
Abhängigkeit von Durchdringungsrate; erhöhte Beteiligung bei
Gamification-Ansatz
Möglichkeit ergänzende Daten zu erheben
Datenquellen
13
14. Apps (z.B. BikeCitizens)
Möglichkeit repräsentative Samples zu erstellen (demographische
Informationen meist vorhanden)
Zugang zu Daten für nicht-kommerzielle Anwendungen abhängig von
Policy
Abhängigkeit von Durchdringungsrate und räumlicher Verfügbarkeit
Fitnesstracker (z.B. Strava)
Meist Schwerpunkt auf Freizeitverkehr
Geschlossene Systeme (z.T. Zugriff auf Daten)
Bei etablierten Produkten globale Abdeckung mit Zeitverlauf
Datenquellen
14
15. Forschungsprojekte (z.B. Bikealyze)
Räumlich, zeitlich und inhaltlich auf Projekt beschränkt
Repräsentativität abhängig von Studiendesign und -größe
Spezifische Daten
Datenquellen
15
17. Distanz, Reisezeit, Geschwindigkeiten, Velozität, Quell- und
Zielgebiete
Fahrrad Mobilitätskennzahlen
17
http://www.bikecitizens.net/heat
map-visualisation-of-cycle-traffic/
Stops in Salzburg und Wien (Bikealyze)
21. Zur Kalibrierung und Validierung von Verkehrsmodellen
Verkehrsmodelle und -simulationen
21
http://www.bikecitizens.net
22. Unfallanalysen leiden meist unter mangelnder
Grundgesamtheit
Unfallrisikoberechnung
22
LOIDL, M., WALLENTIN, G., WENDEL, R. &
ZAGEL, B. 2016. Mapping Bicycle Crash Risk
Patterns on the Local Scale. Safety, 2, 17.
23. Repräsentativität der Daten
Participation inequality
90-9-1 Regel (Nielsen 2006)
Herausforderungen
23
https://www.nngroup.com/articles/participation-inequality/
25. Vergleichbarkeit und Standards
Aktuell sehr heterogene,
inkompatible Datenlandschaft
http://ec.europa.eu/transport/
sites/transport/files/cowi_activ
e_modes_final_report.zip
Herausforderungen
25
26. Unbekannte Grundgesamtheit
Keine Registrierung von Fahrrädern
Anhaltspunkte aus Mobilitätserhebungen, Registerzählung
Schwierigkeit von Sample auf Grundgesamtheit zu schließen
Radverkehrsaufkommen räumlich nicht gleichmäßig verteilt
Herausforderungen
26
30. Bedarf an Evidenzgrundlagen in der (Radverkehrs-)
Mobilitätsplanung wird weiter steigen
„Floating Bike Daten“ vielfach vorhanden, aber nicht immer
zugänglich, nutzbar oder geeignet
Analog zu FCD werden Methoden und Technologien (weiter-)
entwickelt
Datengenerierung
Datenverarbeitung
Datenanalyse
Anwendungen
Markt ist kleiner als bei FCD, kann aber gerade für Städte
entscheidend sein
Entwicklung von Use-/Best-Practice-Cases
Zusammenfassung & Ausblick
30
@gicycle_gicycle.wordpress.com
Danke für die Aufmerksamkeit!