Hauptziele des Projektes MUST sind eine direkte und indirekte Beeinflussung des Mobilitätsverhaltens im Sinne eines klima- und umweltfreundlichen Verkehrsmanagements durch Verkehrsvermeidung, Verkehrsverlagerung und Verkehrsverbesserung. Es soll beispielsweise getestet werden, mit welchen Informationskombinationen zielgruppenübergreifend Verkehrsinformation transportiert werden kann, um positive Wirkungen zu erzielen.
In Österreich stellen Verkehrsinformationen im Rundfunk, über straßenseitige Anzeigen, Apps u.ä., mit Informationen über das aktuelle Verkehrsgeschehen und seit einigen Jahren mit dem multimodalen Routenplaner der VAO (Verkehrsauskunft Österreich) eine breite Informationsbasis dar. Mit aufeinander abgestimmten Informationen, die das breite Know-how der Betreiber von Verkehrswegen und Verkehrsmitteln und die aktuellen Situationen auf deren Netzen bzw. in deren Verkehrsmitteln beinhalten, wird im Projekt MUST die Basis für ein zukünftig intermodales und gesamtheitliches Verkehrsmanagement gelegt. In den letzten Jahren wurden Verkehrsträger insbesondere für die Routenplanung miteinander kombiniert. Services wie ÖBB Scotty, AnachB, Smartride, Wegfinder oder Wien Mobil bieten hier bereits entsprechende Informationen von MIV, ÖV, Rad- und Fußverkehren sowie Kombinationen wie Park & Ride Routen oder das Routing mit Sharing-Varianten (Leihräder, Scooter etc.) an.
In MUST, das ein Folgeprojekt von DOMINO (www.domino-ooe.at) ist, werden neue Informationskanäle erarbeitet (z.B. Monitore für Mitfahrinformationen, Outlook Add-In für die Planung von gemeinsamen Arbeitswegen) und bestehende Kanäle verbessert (Usability, Funktionen der App, Belohnungssystem, Kommunikationsinhalte etc.) und erweitert (z.B. Vernetzung bestehender österreichischer Mitfahrbörsen mit der VAO) Medienpartnerschaften im Projektverlauf sollen helfen, Reichweite zu schaffen und sehr rasch Feedback der Nutzer*innen zu erhalten. Hauptziele des Projektes sind eine direkte und indirekte Beeinflussung des Mobilitätsverhaltens im Sinne eines klima- und umweltfreundlichen Verkehrsmanagements durch Verkehrsvermeidung, Verkehrsverlagerung und Verkehrsverbesserung. Es soll beispielsweise getestet werden, mit welchen Informationskombinationen zielgruppenübergreifend Verkehrsinformation transportiert werden kann, um positive Wirkungen zu erzielen.
Mit Testkorridoren wird die Wirksamkeit von im Projektkonsortium vorhandenen (neuen) Informations- und Kommunikationskanälen anhand von Piloten getestet. Diese Korridore sind im Flachgau (A1, B1, Westbahn), im Pongau (A10, B159, Giselabahn), im Mühlviertel (A7, S10, B3, B125, B127, Mühlkreisbahn) und im Industrieviertel (A2/ A23, B17, Badner Bahn, Südbahn). Die Ergebnisse und Resultate werden als Grundlage für Evaluierung und Optimierungen bei der kooperativen Erstellung und Distribution von Mobilitätsinformationen herangezogen und dienen als Basis zur Weiterentwicklung und Verbesserung bestehender, produktiver oder noch zu konzeptionierenden Kanäle bzw. Serviceleistungen.
Die Hauptaufgabe der RISC Software GmbH in Projekt MUST liegt im OÖ Piloten bei Wirkungsanalyse der gesamten Informationskette.
Zur Auswertung des Einflusses von verschiedenen Informationskanälen auf das Nutzungsverhalten von Verkehrsteilnehmer:innen sollen die Zugriffszahlen auf Informationsangebote des öffentlichen Verkehrs mitverfolgt und deren Einfluss auf das Verhalten der Verkehrsteilnehmer:innen, wie den Zählstellen des Land OÖ & der ASFINAG und den Nutzungsdaten der Domino Mitfahrbörse App, ausgewertet werden. Weiters fließen Wetterdaten in die Beurteilung des Nutzerverhaltens ein. Die Daten werden über verschiedene Protokolle in unterschiedlichen Formaten geliefert und müssen bereinigt werden, um die weitere Auswertung der Daten effektiv zu unterstützen, wofür ein an die geplanten Abfragen angepasstes Datenmodell entworfen wird. Aufgrund des erwarteten Anstiegs der Datenmengen durch die laufende Sammlung von verschiedenen Kanälen liegt ein weiterer Fokus auf kurzen Antwortzeiten sowie der Skalierbarkeit des Systems.
Aufbauend auf den aufbereiteten und verknüpften Daten wird in einem ersten Schritt der IST-Zustand des historischen Nutzungsverhaltens im verfügbaren Datenzeitraum analysiert und auf Stationarität bzw. langfristige Trends, saisonale Bewegungen und kurzfristige Schwankungen untersucht.
Um Aussagen über die Wirkung der Informationskanäle tätigen zu können, sollen ausgewählte Referenzschaltungen und die tatsächlichen Nutzungszahlen für unterschiedliche Wirkungs-Zeitspannen ausgewertet werden. Abhängig von den gesammelten Erkenntnissen aus der aufgebauten Datenbasiswerden verschiedene Methoden aus dem Bereich der Zeitreihenanalyse evaluiert, u.a.Korrelationsanalysen, Hypothesentests und Feststellen der statistischen Signifikanz, Untersuchungen auf einen Ursache-Wirkungs-Zusammenhang (Kausalität) oder Methoden aus dem Bereich Change Point Detection zur Detektion von abrupten Änderungen, z.B. basierend auf statistischen Charakteristiken wie Mittelwert oder Varianz, aber auch Änderungen in Mustern in multidimensionalen Zeitreihen.
In iterativen Feedbackschleifen sollen diese Effekte gemeinsam mit den Domänen-Expert*innen in visuellen Darstellungen ausgewertet und validiert werden.
Die RISC Software GmbH hat durch die Umsetzung von mehreren umfangreichen Projekten im Forschungs- sowie im kommerziellen Umfeld eine solide Wissensbasis im Bereich intelligenter Verkehrssysteme, Big Data Engineering sowie Data Science in der Abteilung Smart Mobility & Analytics aufgebaut.
Das Projektkonsortium besteht aus ASFINAG, ÖBB, ORF, VAO, VOR Verkehrsverbund Ost-Region, ÖAMTC, AlphaHapp GmbH, OÖ Verkehrsverbund, FH OÖ Forschungs-& Entwicklungs GmbH, Fluidtime Data Services GmbH, netwiss OG, tbw research, s.mobil, Salzburg Research, RISC Software GmbH und den Wiener Lokalbahnen. Viele reichweitenstarke Informationskanäle befinden sich im direkten Wirkungsbereich dieses Konsortiums – somit kann eine effiziente und zielgerichtete Abwicklung der Projektinhalte und eine effektive Pilotphase im Projekt sichergestellt werden.
Dieses Projekt wird unter der Projektnr. 902291 aus Mitteln der Österreichischen Forschungsförderungsgesellschaft (FFG) gefördert.
Senior Data Engineer
