Lösungsansatz und Resultate

EcoMove integriert Echtzeit-Daten anonymisierte Nutzerströme von öffentlich zugänglichen WiFi Hotspots mit kommunizierten Inhalten aus Nachrichten, sozialen Medien und Event-Datenbanken. Darüber hinaus werden Open Data Quellen wie DBpedia oder die Echtzeitdaten der Wiener Linien herangezogen. Die Integration dieser Daten in Kombination mit prädiktiver Modellierung wird es erlauben, Mobilitätsengpässe zu identifizieren (Überschreitung der nominal verfügbaren oder durch eine Störung eingeschränkten Kapazität der Verkehrsmittel in einem klar definierten geographischen Bereich, z.B. bei Massenansammlungen aufgrund von Demonstrationen). Darüber hinaus wird EcoMove konkrete Empfehlungen für individuelle Mobilitätsentscheidungen geben. Datenvisualisierungen werden zeigen, wie Mobilitätsverhalten durch Minimierung von Wartezeiten und Priorisierung einer bewegungsaktiven, suffizienten Mobilität effizienter und umweltbewusster gestaltet werden kann.

Datenerfassung

Der Lösungsansatz inkludiert zudem die Prognose von Mobilitätsengpässen basierend auf aktuellen Trends in vielfältigen Datenquellen. Bereits im ersten Projektabschnit (Jänner – Juni 2019) wurden monatlich mehr als 1 Million Dokumente aus den definierten Online-Quellen erfaßt. Die integrierte und mit umfangreichen Metadaten angereicherte Datenbasis von in Summe rund 8 Mio. Dokumenten setzt sich aus mehr als 600.000 Nachrichten-Artikeln, 31.500 Online-Publikationen des öffentlichen Sektors, 12.200 Dokumenten von Unternehmens-Websites, 6.5 Mio. Twitter-Postings und 22,000 YouTube Videos zusammen. 

EcoMove Quellenliste
(Nennungen, Reichweite und Sentiment)

Visualisierung

Im Hinblick auf die Datenvisualisierung lag das Hauptaugenmerk der Entwicklungstätigkeiten auf der geographischen Projektion. Hier ist insbesondere (i) die Verbesserung der Granularität der Darstellung von Suchergebnissen (Straßennamen, POIs, etc.) zu erwähnen, die Möglichkeit Metadaten von eingespeisten Datenpunkten zu visualisieren, (iii) inhaltliche Trends als Animation darzustellen sowie (iv) die Skalierbarkeit der zugrundeliegenden Verfahren zu erhöhen. Zudem wurde die Komponente in der zweiten Berichtsperiode um die Darstellung von Polygondaten erweitert, etwa zur Darstellung von Straßenverläufen.

Screenshot des EcoMove-Dashboards
(Abfrage zu “Wiener Linien”, 04-07/2019)

Vorhersagen

Darüber hinaus besteht die Möglichkeit, nicht nur historische Daten zu analysieren, sondern auch inhaltliche Trends auf Basis von Online-Diskussionen über künftige Ereignisse vorherzusagen. Der folgende Screenshot zeigt künftige Events rund um die vier Suchbegriffe “ÖBB”, “ASFINAG”, “Verkehrsverbund” und “Wiener Linien” zwischen November 2021 und Dezember 2023. Die Darstellung erfolgt in Form eines Streamgraphs und der zugehörigen Dokument-Cluster (“= Stories”), gemeinsam mit farbkodierten geographischen Projektionen und einer Tag Cloud mit den assoziierten Begriffen.

Screenshot des EcoMove-Dashboards
(Künftige Events von 11/2021 bis 12/2023)

Empfehlungssystem

Innovativen Empfehlungsalgorithmen werden historische Daten und aus der öffentlichen Debatte automatisch extrahiertes Wissen heranziehen, um auf zukünftige Ereignisse zu schließen. Die integrierten Datenbestände werden über Datendienste und ein Mobilitäts-Dashboard zur Verfügung gestellt, um professionelle Stakeholder bei der Mobilitätsplanung zu unterstützen. Im Hinblick auf individuelles Verhalten wird eine Analyse der WiFi- und Interaktionsdaten es ermöglichen, jene Faktoren und Anreize zu identifizieren welche Touristen und die ansässige Bevölkerung dazu bewegen ihr Mobilitätsverhalten zu ändern – zum Beispiel von einem ursprünglich geplanten Ziel abzuweichen um einer Ballung entgegenzuwirken.

Auszug aus dem Verkehrsmodell
(Verkehrsströme inklusive Umsteiger bei einzelnen Haltestellen)