Select Page

16% schneller unterwegs durch cloudbasierte Echtzeitnavigation mithilfe von GPS-Taxidaten

Viele Großstädte und Metropolregionen haben ein Stauproblem. Durch die hohe Bevölkerungsdichte existiert ein großes Bedürfnis an und somit ein hohes Verkehrsaufkommen. Aber der hängt nicht nur von variablen Faktoren wie Verkehrsunfällen, Tageszeiten oder Witterungsverhältnissen ab, sondern auch von konstanten Faktoren. Dazu gehörten topografische Gegebenheiten, die Bevölkerungsverteilung, Platzierung von Wohn- und Gewerbegebieten sowie ein intelligentes Zusammenspiel der verschiedenen Verkehrsmittel.

Generell wird die gefahrene Geschwindigkeit von folgenden drei Faktoren beeinflusst:

  1. Die physischen Gegebenheiten der gefahrenen Strecke wie Entfernung, Kapazität, Anzahl der , Abbiegehäufigkeit und Abbiegebeziehungen, etc.
  2. der zeitabhängige Verkehrsfluss auf der gewählten Strecke
  3. das Fahrverhalten des Fahrers (mit / ohne Streckenkenntnis, Aggressionspotenzial, etc.)

Mit moderner Computertechnik versuchen Metropolen dieses Problem der Urbanisierung zu lösen. möchte niemand, er kostet Wirtschaftskraft, hat aber durchaus auch seine guten Seiten wie beispielsweise die Deattraktivierung des motorisierten Individualverkehrs. Stadtbewohner verursachen mit ihrem Verhalten zwar den Stau, möchten ihn aber nicht. Städte, bzw. die jeweiligen Kommunalpolitiker fördern daher viele Maßnahmen um Staus zu vermeiden. Unternehmen wie Microsoft, IBM und Cisco möchten den Verkehrsfluss mit moderner Technik messen, vorhersagen und besser fließen lassen. Und eine Menge Geld verdienen…

Echtzeitdaten als Grundlage für wirkungsvolle Verkehrsprognosen

Um die notwendige Datengrundlage für eine effektive Verkehrssteuerung zu schaffen, werden unterschiedliche Datenquellen angezapft. Tomtom und Vodafone werten Bewegungsdaten von Handynutzern aus, bisherige Anbieter wie Navteqs TMCpro setzten stattdessen auf 4000 an Brücken angebrachte Infrarotsender, 6500 Induktionsschleifen und 50.000 Fahrzeuge der Marke BMW, die als „Connected Cars“ für ihre Fahrdaten an ein Rechenzentrum schicken.

Microsoft Research Asia wählt einen anderen, wenn auch ähnlichen Weg. Um die Verkehrslagen analysieren zu können, wurden die GPS-Daten von 33.000 Pekinger Taxis aus den Jahren 2009 und 2010 für die Stauforschung ausgewertet 1. Taxis sind 24 Stunden am Tag überall im Stadtgebiet unterwegs, der perfekte Weg Verkehrsdaten zu sammeln. Die Versuchsleitung hatte Dr. Yu Zheng inne.

Microsoft setzt aber nicht nur auf die GPS-Daten, die den Verkehrsfluss in messen, sondern auch auf die „Fahrerintelligenz“ der Taxifahrer. Diese wählen oftmals aus dem Bauch heraus die besten Routen für die jeweilige Tageszeit und umfahren somit anhand ihrer Erfahrung die Staus.

Ziel der Forschungsarbeit war es, die genauen Stauursachen zu erforschen und mögliche Lösungsansätze zu entwickeln. Verstopfte Straßen(abschnitte) sind meist nur ein Symptom – nicht das Problem selbst. Häufig entstehen Staus durch Überlastung des Verkehrsnetzes. Ein Problem, das sich nur teilweise durch den Bau neuer Straßen lösen lässt (Problem: ). Stattdessen müssen Alternativen zum motorisierten Individualverkehr geschaffen werden, die mindestens genauso leistungsfähig und attraktiv sind, wie die Fahrt mit dem Auto. Zu diesem Zweck muss man allerdings das Verkehrssystem erst einmal verstehen.

Das bisherige Verkehrsmittelwahlverhalten basiert auf speziellen Gründen. Entweder sind andere Verkehrsmittel nicht vorhanden, unkomfortabel, ineffizient oder zu teuer. Verhaltensänderungen sollten erst gefordert und unterstützt werden, wenn man den Grund weiß, wieso Menschen Entscheidungen bislang so trafen, wie sie es taten.

Städte sind äußerst komplexe und dynamische Gebilde. Die Änderung eines Parameters kann die gesamte Struktur verändern. Und damit das Leben der Stadtbewohner. Mithilfe dynamischer Anpassungsmodelle kann man versuchen, die Folgen vorab zu modellieren und den Umfang und Einfluss späterer Verhaltensänderungen zu ermitteln.

Doch dafür braucht es zunächst Daten.

33.000 mit GPS-Sendern versehene Taxis dienen als mobile Sensoren. In ganz Peking fahren insgesamt 67.000 lizenzierte Taxis mit 1,2 Millionen Fahrten (besetzt) jeden Tag.

Für den Versuch wurde Peking in mehrere räumlich vollkommen voneinander getrennte (=disjunkte) Regionen eingeteilt. Mithilfe der gesammelten GPS-Daten wurde die Verbindungsqualität zwischen den einzelnen Regionen ermittelt. Zu diesen harten Fakten kamen noch die individuellen Entscheidungen der Taxifahrer. Existiert eine direkte Verbindung zwischen zwei Punkten, wird aber nicht durch den Taxifahrer gewählt, so kann davon ausgegangen werden, dass die Güte der direkten Verbindung nicht so gut ist wie die der Umfahrung. Auch Taxifahrer möchten die Reisezeit möglichst weit minimieren, um möglichst viele Fahrgäste befördern zu können.

Diese Daten können auch für die Planung des Öffentlichen Verkehrs genutzt werden. Denn nicht immer sind die Gegenden mit starker Verkehrsbelastung auch die problembehafteten. So können zum Beispiel Personen von Region A zu Region C gelangen wollen. Dazu durchqueren sie Region B. Es ist sinnvoller die Region A direkt mit der Region C zu verbinden als die Region B ebenfalls anzubinden oder gar die (Straßen-)Netze in Region B auszubauen.

Taxiankünfte in Peking nach Zeit und RegionenHeatmap (Diagramm zur Visualisierung von Daten, deren abhängige Werte einer zweidimensionalen Definitionsmenge als Farben repräsentiert werden) vom gleichen Werktag (12.05.2009/2010). Je dunkler die Farbkachel ist, desto mehr Menschen sind innerhalb einer Stunde mit dem dort angekommen

Durch einen zeitabhängigen Orientierungsgraphen wird sowohl der dynamische Verkehrsfluss als auch die subjektive der Fahrer abgebildet. Auf diese Weise wird die schnellste Route zu einem vorgegebenen Ziel und einer vorgegebenen Abfahrtszeit ermittelt. Durch eine Varianz-Entropie-basierte Häufigkeitsverteilung kann die Reisezeitverteilung zwischen zwei Orten zu jeweils unterschiedlichen Zeitabschnitten ermittelt werden. Auf Basis dieses Graphen wurde ein zweistufiger Routenwahlalgorithmus entwickelt, der auf Grundlage dieser Daten die jeweils schnellste Route errechnet.

Ablauf der TaxiroutenwahlGrobablauf von der Erhebung der einzelnen GPS-Punkte zur Reisezeitschätzung

Das System basiert auf den Daten der 33.000 Taxis, die über einen Zeitraum von jeweils drei Monaten in zwei Jahren erhoben wurden. Die Algorithmen wurden in verschiedenen statistischen und realen Versuchen überprüft.

Sechzig bis siebzig Prozent der vorgeschlagenen Routen waren schneller als bisherige Routenalgorithmen, 20 Prozent waren gleichschnell. Im Durchschnitt waren 50% aller getesteten Routen mindestens 20 Prozent schneller. Die Wege konnten etwa 16 Prozent schneller bewältigt werden. Bei einer 30 Minuten langen Fahrt konnten somit alleine durch die Routenwahl fünf Minuten eingespart werden.

Somit konnten mit Hilfe von GPS-Taxidaten Mängel im Pekinger Straßennetz und Verbindungsmängel zwischen verschiedenen Stadtteilen aufgedeckt werden. Die Modelle können auf andere Städte mit hoher Taxidichte wie beispielsweise übertragen werden. Dadurch erhalten Stadt- und Verkehrsplaner ein genaues Bild über Schwächen der Verkehrsinfrastruktur und können bei zukünftigen Planungen zielgerichteter und effektiver planen. Und man kann bereits heute berechnen, wie zurzeit im Bau oder in der Planung befindliche Maßnahmen, den städtischen Verkehrsfluss verändern werden.

Cloud-basierte Navigationslösungen

Als Anwendung wäre eine cloudbasierte Navigationslösung denkbar 2. In könnten GPS-Taxidaten und GPS-Daten des zu leitenden Pkw verknüpft werden und mithilfe verschiedener Algorithmen die Reisezeit minimiert werden. Hinzu kommen Informationen bezüglich Sperrungen, Wetter, Straßenbeschaffenheit, etc. Unter Zuhilfenahme von Onlinekarten könnte eine -Navigationslösung, die Zustandsdaten aus dem Straßennetz nutzt.

Im Laufe der Zeit wird sowohl für jeden Taxifahrer als auch jeden Nutzer des GPS-Geräts ein spezielles Profil angelegt, in dem das Fahrverhalten gespeichert wird. So kann die Routenwahl passiver Fahrer mit denen passiver Taxifahrer abgeglichen werden und die aggressiverer Fahrer mit denen aggressiverer Taxifahrer. Ebenso können bereits bekannte Strecken schneller befahren werden als unbekannte.

Diese Unterschiede fließen durch einen benutzerspezifischen Faktor α in das Modell ein. Je höher dieser Faktor ist, desto risikoaffiner ist der Nutzer. Beträgt α = 0,7, so fährt der Fahrer schneller als 70% der Taxifahrer auf dieser Route.

Durch den persönlichen Zuschnitt auf das Fahrverhalten kann die jeweils für den Fahrer passende Route gewählt werden. Dadurch wird Überforderung vorgebeugt. Gleichzeitig kann der Algorithmus die Verkehrslage mit Hilfe von 30.000 „Sensoren“ in Echtzeit analysieren und somit stets die günstigste Route ermitteln.

Eventuell ein Weg um die Effizienz der Verkehrsplanung zu erhöhen. Und die Verkehrsprobleme in der Stadt der Zukunft ein wenig zu verringern.

  1. Yu Zheng, Yanchi Liu, Jing Yuan, Xing Xie: Urban Computing with Taxicabs, Microsoft Research Asia, Beijing, China; University of Science and Technology Beijing, Beijing, China; 2011 – http://research.microsoft.com/pubs/152137/ubic370-Zheng.pdf
  2. Jing Yuan, Yu Zheng, Xing Xie, Guangzhong Sun: T-Drive: Enhancing Driving Directions withTaxi Drivers’ Intelligence; Microsoft Research Asia, http://research.microsoft.com/pubs/153688/tdrive_tkde.pdf

Verfasst von:

Martin Randelhoff

Herausgeber Zukunft Mobilität. Studium der Raumplanung an der TU Dortmund, Studium der Verkehrswirtschaft an der TU Dresden. Ist interessiert an innovativen Konzepten zum Lösen der Herausforderungen von morgen insbesondere in den Bereichen urbane Mobilität, Verkehr im ländlichen Raum, Wirkung autonomer Fahrzeugsysteme und nachhaltige Verkehrskonzepte.

2 Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Jetzt abonnieren!

Twitter

Pofalla soll Netz-Vorstand bei der Bahn werden und die operative Führung von Schienennetz und Bahnhöfen übernehmen m.rp-online.de/wirtschaft/unt…

Auszeichnungen

Grimme Online Award Preisträger 2012

Zukunft Mobilität hat den Grimme Online Award 2012 in der Kategorie Information erhalten. Ich möchte mich bei all meinen Lesern für die Unterstützung bedanken!

PUNKT Preisträger 2012

Zukunft Mobilität hat den PUNKT 2012 der Deutschen Akademie der Technikwissenschaften (acatech) in der Kategorie "Multimedia" gewonnen.

Logo VDV Verband Deutscher Verkehrsunternehmen

Der Verband Deutscher Verkehrsunternehmen e.V. (VDV) hat mich im Rahmen der VDV-Jahrestagung 2013 in Mainz als “Talent im ÖPNV” des Jahres 2013 ausgezeichnet. Der VDV vertritt rund 600 Unternehmen des Öffentlichen Personennahverkehrs, des Schienenpersonennahverkehrs, des Schienengüterverkehrs, der Personenfernverkehrs sowie Verbund- und Aufgabenträger-Organisationen.

Lizenz

Zukunft Mobilität Creative Commons

Die Inhalte dieses Artikels sind - soweit nicht anders angegeben - unter CC BY-SA 3.0 de lizensiert. Grafiken sind von dieser Lizenz aus Vereinfachungs- und Schutzgründen ausgenommen (Anwendung aufgrund der Verwendung von Grafiken / Bildern mit unterschiedlichen Lizenzen zu kompliziert) außer die CC-Lizenz ist ausdrücklich genannt.

Weitere Informationen
Share This