46 Stunden verbringen deutsche Autofahrer*innen laut dem aktuellen Inrix-Staureport im Durchschnitt jedes Jahr im Stau. Dabei entstanden 2019 insgesamt 2,8 Milliarden Euro Kosten. Mit im Schnitt drei Tagen Stau pro Fahrer*in und Jahr ist München laut der Studie die Stauhauptstadt der Bundesrepublik Und auch in Berlin und Düsseldorf heißt es geduldig sein.
Überall auf der Welt kommen Städte in Sachen Verkehr an ihre Grenzen. Dabei stehen sie vor größeren Herausforderungen als jemals zuvor. Zum einen gilt es den Bürger*innen eine lebenswerte Stadt zu bieten, zum anderen allen Mobilitätsansprüchen gerecht zu werden.
Der Einsatz von Verkehrsdaten ist nur ein erster Schritt, um die Hot-Spots für Staus in Städten zu analysieren. Große Datenmengen zu nutzen, kann wesentlich zur Schaffung zukunftsfähiger Verkehrssysteme beitragen und ein Schlüssel zur Lösung von urbanen Mobilitätsproblemen sein.
So helfen Daten Verkehrsplaner*innen dabei, fundierte Entscheidungen für die Gestaltung ihrer Stadt zu treffen. Softwaretools helfen dabei diese Daten, z.B. innerstädtische Bewegungen und Parkraumdaten, Wetter- und Event-Daten zu analysieren und zu kombinieren. So lassen sich Problemfelder erkennen und passende Maßnahmen erarbeiten.
Verkehrsdaten vielfältig einsetzen
„Bei der PTV setzten wir neben Verkehrsdaten von Inrix viele weitere Mobilitäts- und Rahmendaten aus anderen Datenquellen ein, um fundierte Aussagen und Handlungsempfehlungen liefern zu können“, erklärt Carmen Nowack, Expertin für Daten. „Wir verarbeiten dabei die unterschiedlichsten Daten, etwa auch sozio-demographische, ökonomische z. B. für die Erstellung von Verkehrsmodellen. Oder auch Mautdaten und Beschränkungen für Lkw in der Logistik.“
Hinzu kommen Sensordaten aus Smartphones und Apps: mit Hilfe von Bewegungs- und Nutzungsdaten lassen sich so verschiedene Erkenntnisse ableiten, z. B. wie schnell jemand unterwegs ist oder welcher Weg bzw. welcher Verkehrsträger genommen wurde.
So erhalten Stadtplaner und Ingenieure wertvolle Hilfestellung, wenn es darum geht, brennende Fragen für die Zukunft unserer Mobilität zu beantworten. Zum Beispiel: wie lassen sich neue Mikromobilitätsservices in das bestehende Mobilitätsangebot sinnvoll integrieren? Wie viele Fahrzeuge sind für den profitablen Betrieb eines neuen Bikesharing-, E-Scooter- oder On-demand Shuttle-Service notwendig?
Data Analytics können also vielseitig eingesetzt werden:
Verkehrsdaten für ein ganzheitliches Mobilitätsbild
Die Visualisierung von Daten hilft dabei, Transparenz über alle relevanten Mobilitätsparameter zu erhalten. Je vielseitiger die urbane Mobilität wird, z. B. mit neuen Mikromobilitätsangeboten, umso wichtiger ist es, den Überblick zu behalten. Dazu zählen: die Belegung von Parkhäusern, Standorte, Verfügbarkeiten und Bewegungsmuster von Leihrädern und E-Scooter-Flotten, die aktuelle Verkehrssituation, Positionen der ÖV-Flotte, das Verkehrsverhalten bei unterschiedlichem Wetter und Tageszeiten, etc.
Für die Umsetzung von Regulierungsmaßnahmen
Von Durchfahrts- und Abstellverboten bis hin zur Errichtung von Umweltzone: Datenanalysen können Entscheidungsträger*innen in der Verkehrspolitik dabei helfen, die Umsetzung von Regulierungsmaßnahmen unmittelbar zu testen und fundiert zu bewerten
Data Analytics für die Angebotsplanung
Bei der Angebotsplanung zum Beispiel eines neuen On-Demand-Services, ist es wichtig den Bedarf an Fahrzeugen unter verschiedenen Rahmenbedingungen im Voraus zuverlässig zu ermitteln. Wie viele Fahrzeuge werden morgens voraussichtlich in Stadtgebiet A benötigt? Wie sieht das Ganze bei Regenwetter aus. Die Kombination aus historischen Daten und Verfahren der Künstlichen Intelligenz helfen dabei, Gebiete mit Überangebot bzw. höherem Bedarf transparent zu machen und damit vorausschauend zu planen.