We're sorry but this page doesn't work properly without JavaScript enabled. Please enable it to continue.
Feedback

Mobilität dank Daten und Algorithmen besser verstehen

00:00

Formal Metadata

Title
Mobilität dank Daten und Algorithmen besser verstehen
Title of Series
Part Number
87
Number of Parts
188
Author
License
CC Attribution - ShareAlike 3.0 Germany:
You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor and the work or content is shared also in adapted form only under the conditions of this
Identifiers
Publisher
Release Date
Language

Content Metadata

Subject Area
Genre
Abstract
Täglich sind Millionen Menschen in unseren Verkehrssystemen unterwegs. Mit Hilfe komplexer Daten-Modelle lassen sich Trends früher erkennen und die Planung erleichtern. Neue Formen der Visualisierung ermöglichen ungewohnte Einblicke in unsere Mobilität. Der Talk zeichnet anhand von Praxis-Beispielen aktuelle Entwicklungen nach.
2
Thumbnail
1:01:39
5
Thumbnail
57:37
14
52
Thumbnail
1:00:21
55
Thumbnail
1:02:36
96
102
Thumbnail
59:03
115
Thumbnail
1:01:49
128
148
162
176
185
HypermediaMicrosoftComputer networkAlgorithmAlgorithmLarge eddy simulationSmart cardMoment (mathematics)JSONXMLComputer animationLecture/Conference
AlgorithmAlgorithmLecture/ConferenceMeeting/Interview
AlgorithmSpring (hydrology)Lecture/ConferenceMeeting/Interview
AlgorithmPhysical quantityFilm editingMittelungsverfahrenComputer animationLecture/ConferenceMeeting/Interview
QuoteMeeting/InterviewLecture/Conference
Lecture/ConferenceMeeting/Interview
Annual average daily trafficMobile appStatisticsPhysical quantityEstimationLecture/Conference
Annual average daily trafficTrans-European NetworksStatisticsAnnual average daily trafficNumberFilm editingZahlMeeting/Interview
Computer animation
Power (physics)Computer animationLecture/Conference
PredictionStatistikerLecture/ConferenceMeeting/Interview
AlgorithmSet (mathematics)StatistikerComputer animationLecture/Conference
Device driverStatisticsComputer animationLecture/ConferenceMeeting/Interview
Annual average daily trafficNumberAnnual average daily trafficGrand Unified TheoryProduct (category theory)XMLComputer animationLecture/Conference
PredictionDevice driverGrand Unified TheoryGoogleStatistikerStatisticsLecture/ConferenceMeeting/Interview
GoogleInsertion lossHidden Markov modelWorld Wide WebConditional-access moduleMatroidSpur <Datentechnik>StatisticsGoogleStatisticsDirection (geometry)Stress (mechanics)CountingLecture/Conference
Film editingALT <Programm>Lecture/ConferenceMeeting/Interview
StatisticsArithmetic meanFilm editingSpring (hydrology)Mobile Web
Eigenvalues and eigenvectors
StatisticsDigital signalPropositional formulaZusammenhang <Mathematik>Grand Unified TheoryStress (mechanics)Meeting/Interview
ZeitreihePlane (geometry)CountingOrbitForceComputer animationLecture/Conference
Sample (statistics)ZahlMeeting/Interview
ZeitreiheSpur <Datentechnik>AutomatonMobile appDigitizingSubsetDigitizingAutomatonLecture/ConferenceComputer animation
AutomatonLecture/Conference
AutomatonSet (mathematics)Social classSimilarity (geometry)Computer fileOrbitLecture/ConferenceMeeting/Interview
DigitizingMobile appAutomatonGoogleGeometryMUSE <Lernprogramm>Computer animationLecture/ConferenceDiagram
DigitizingAlgorithmMatrix (mathematics)Set (mathematics)Lecture/Conference
DigitizingSet (mathematics)InferenceZahlRoute of administrationMusical ensembleMatrix (mathematics)Computer animationLecture/ConferenceMeeting/Interview
Local area networkWEBNeumann boundary conditionKAM <Programm>PredictionSocial classStress (mechanics)PredictionComputer animation
Value-added networkIBMFlugdatenStatisticsLecture/Conference
Value-added networkIBMAlgorithmRWE DeaMoving averageSimilarity (geometry)Zusammenhang <Mathematik>
Zusammenhang <Mathematik>Default (computer science)Computer fileSocial classMeeting/Interview
ORIGIN <Programm>Lecture/Conference
AlgorithmStress (mechanics)Continuous trackLecture/Conference
LaptopVelocityCodeSchärfeComputer animationSource code
Set (mathematics)UploadingObject-oriented analysis and designSound <Multimedia>Artificial neural networkMenu (computing)Uniformer RaumSPEIntelTOUR <Programm>MEGAComputer fileComputer animationLecture/Conference
Information systemsLecture/Conference
AlgorithmAnnual average daily trafficStress (mechanics)VelocitySource codeLecture/Conference
Router (computing)EstimationScientific modellingStreckeSet (mathematics)EstimatorStress (mechanics)Meeting/Interview
AlgorithmRoutingRouter (computing)Set (mathematics)Google BloggerScientific modellingBus (computing)RelationalsystemGrand Unified TheoryLecture/ConferenceMeeting/Interview
Lecture/Conference
MicrosoftJSONXML
Transcript: German(auto-generated)
Ja, ich freue mich sehr, dass Jonas Westfall hier ist und er arbeitet bei einem großen Verkehrsunternehmen
und hat auch ein Buch geschrieben zu dem Thema, von dem er euch gleich etwas berichten wird. Das Thema unserer Session heißt, Mobilität dank Daten und Algorithmen besser verstehen. Und ich übergebe das Wort an ihn. Hallo, danke. Erst mal eine Entschuldigung, dass ich einen Moment später bin.
Ich rede ja über ein bisschen Mobilität, Daten und Algorithmen. Ich bin hier mit dem Taxi her und dann hat der Taxifahrer das Bluesoos-Pairing seines EC-Lesekarten-Irräts deaktiviert. Da fängt das schon an und dann sitzt man eben da und wartet, bis dieses Pairing wieder aktiviert ist. So viel zu Daten, Algorithmen und dass es alles viel schöner wird.
Es hat ewig gedauert und schön, dass ihr da seid und schön, dass so viele von euch da sind. Genau, mein Talk soll sich ein bisschen damit beschäftigen, wie funktioniert Mobilität derzeit, was verändert sich, was sind so ein paar Markttrends und wie können wir dieses Phänomen besser einordnen. Das ist ja gar nicht so trivial zu erklären. Mobilität ist ja unheimlich vielschichtig.
Wir können gleich mal so eine Umfrage auch machen, wie ihr hierher gekommen seid. Das Fahrverhalten verändert sich, unser Mobilitätsverhalten verändert sich, Gesellschaft verändert sich. Und darauf möchte ich ein bisschen eingehen. Im ersten Teil des Talks, im zweiten Teil des Talks möchte ich so ein bisschen zeigen, na, wie hat man sich denn eigentlich in einer analogen Welt, in der hergebrachten Welt, dem genährt, diesen Phänomen. Wie erklärt man das?
Und im dritten Teil möchte ich da ein bisschen gucken, na ja, wie nährt man sich denn heute? Was haben wir denn eigentlich für Werkzeugen, Werkzeugetools, Methoden, Daten, etc., pp. Und wenn es dann noch reichzeitmäßig, ich hoffe so, dann gucken wir uns noch an, was ich da dann selber ein bisschen, wenn ich Mobilitätsdaten erhebe, mache und welche Quellen es da gibt und ähnliches.
Und dann haben wir schon eine halbe Stunde Talk beschlossen. Genau, machen wir mal erstmal eine Umfrage, klassisch in der Verkehrsmittelwahlforschung. Wie seid ihr denn zur Republika angereist? Also jetzt meint sozusagen, Anreise meint hier, wie seid ihr nach Berlin gekommen, wenn ihr nicht schon in Berlin wart? Wer ist mit dem PKW gekommen?
Aha. Wer ist mit der Bahn gekommen? Oh. Wer ist mit dem Fernbus gekommen? Ah, okay. Flugzeug auch? Lieber Scholli. So, und wer kam aus Berlin? Ist ÖPNV-Fahrradregion Berlin-Pottsdam? Na, siehst du wohl. So, jetzt gucken wir uns das Ganze noch mal sozusagen für die letzte Meile für heute an.
Wie ihr angereist seid, wie seid ihr denn heute hierher gekommen? Wer ist mit dem ÖV gekommen? Oh, ordentlich. Wer ist mit dem Fahrrad gekommen? Ah, das sind gar nicht so viele. Da werde ich nachher sagen, dass es einen Trend gibt, dass die Fahrradmobilität zunimmt. Wie ist es zu Fuß?
Ah, ordentlich. Viele Kreuzberger hier offensichtlich in der Mitte. Oder einfach Leute, die früh schnell zu Fuß sind. Früher hat man ja lange Zeit große Distanz ins Fuß zurückgelegt. Vor 100 Jahren war das im Schnitt noch 20 Kilometer am Tag pro Person. Heute nicht mehr ganz so viel. Da komme ich auch noch gleich drauf zu. Taxi? Also ich. Okay.
Und sonstiges? Was war das? Auto. Aber es ist tatsächlich die Minderheit. Guck mal, drei Leute von knapp 300 hier. Jeder 100 ist mit dem Auto. Das ist schon eine relativ interessante Quote. Genau. Wozu? Weshalb? Warum? Gucken wir uns jetzt im ersten Teil an.
Was macht die Mobilität? Wie verändert die sich? Dann gucken wir uns ein bisschen analoge Verkehrsforschung an. Und schauen uns ein bisschen digitale Verkehrsforschung an. Und ich hoffe, das funktioniert alles. Toi, toi, toi. Genau. Generell lässt sich sagen, dass unsere Gesellschaft im Wandel ist. Davon handelt ja diese Konferenz zum zehnten Mal.
Und ich habe auch schon zwei, drei Mal hier geredet. Und man merkt jedes Mal, die Konferenz ist im Wandel. Die Gesellschaft ist im Wandel. Es tut sich was. Und unser Verhalten ändert sich auch. Unser Alltag wird digitalisiert. Wir kommunizieren per App. Versuchen Taxis mit EC-Karten. Oder Kreditkarten oder ähnlichem zu zahlen. Wir buchen online. Wir haben Apps für eigentlich alles, was es gibt.
Und dementsprechend verändert sich auch unser Verkehrsverhalten. Unsere Mobilität verändert sich. Und wenn man Mobilität sogar größer fasst, vom Personenverkehr abstrahiert. Und guckt, was ist denn da groß unterwegs. Na ja, der Güterverkehr, der ändert sich auch radikal. Da komme ich auch noch gleich zu. Also, viele gute Gründe, sich dem ganzen Mal zu nähern. Gucken wir mal, was sagt denn die amtliche Statistik.
Das kommt aus Dobrins Ministerium. Die machen immer so alle 20 Jahre eine große Verkehrsschätzung. Versuchen so ein bisschen zu treffen, Statistik immer mit Vorsicht zu genießen. Und gerade auf Zeiträume von 20, 30 Jahren, da wird es ein bisschen schwierig. Gehen wir mal kurz rein in die Zahlen. Was haben wir denn da?
Na ja, es gibt das sogenannte Verkehrsaufkommen. Da werden Fahrten gezählt. Und da sieht man eigentlich, von 2010 auf 2030, ja, wir werden einen Tick mobiler, 1,2% mehr Fahrten sozusagen im Schnitt. Das ist aber gar nicht so viel. Was interessant ist, dass die Verkehrsleistung hingegen stark zunimmt. Die Leistung ist sozusagen Fahrten mal Kilometer.
Und in dem Fall hier Personenkilometer. Wir rennen von Personenverkehr. Das heißt, was lernen wir daraus als erstes? Na ja, also wir bewegen uns nicht nur häufiger, sondern wir bewegen uns auf längere Distanzen. Unsere Reisewege werden länger. Das unterstellt das Bundesverkehrsministerium. Sie liegen damit gar nicht so falsch. Die Vergangenheit gibt ihm recht. Ich kann natürlich sagen, okay, das kann man nicht linear fortschreiben, aber zumindest ist da ein Trend vorhanden.
Reiseweiten werden länger, wir reisen mehr. Unter anderem Low-Cost-Carrier im Airline-Bereich machen das möglich. Wir sehen gleich noch Luftverkehrswachstum. Also rein statistisch passiert da schon was. Gucken wir uns mal eine andere Zahl an. So Luftverkehr nämlich. Das ist ganz ordentlich. 3,6 Prozent Steigerung des
Luftverkehrsaufkommens im Jahr. Und das seit 20 Jahren. Das ist, wenn man das sozusagen mal hochrechnet, eine schöne, schöne, schöne, steile Kurve, die sich am Ende daher gibt. 1993 gab es keine Low-Cost-Carrier. 1993 war Fliegen sehr teuer. 2013 war Fliegen zum Taxi-Preis möglich.
Oder eigentlich auch schon 2005, je nachdem, wie man das nimmt. Jedenfalls gibt es eine ordentliche Zunahme des Luftverkehrs. Das Wachstum durchschnittlich in den nächsten Jahren geht davon aus, dass der Luftverkehr stark korreliert mit der Wirtschaftsleistung eines Landes. Da sagt man, na ja, wir werden nicht stagnieren, aber das Wachstum wird auch nicht durch die Decke schießen. Am Ende sind wir
bei 2,3 bis 2,5 Prozent Wachstum allein im Luftverkehrssegment. Und das ist der größtwachsende Verkehrssektor nach wie vor. Das ist ganz spannend. Ihr könnt ja annehmen, das sind andere Bereiche. In der motorisierten Verkehrsleistung, wenn man Fahrrad mal rausgeschmissen, gut, gibt's E-Bikes, aber lass mal die mal raus und zu Fuß gehen, dann ist Luftverkehr das Personenverkehr,
was am meisten gerade zunimmt. Das ist ganz erstaunlich, das ist nicht der Fernbus. Sagen die Statistiker, sagt die Prognose. Na ja, mal gucken, ob sie in 20 Jahren recht hatten. Interessant auch der Fahrradverkehr, wir hatten das erfohlen. Das Aufkommen starkt sehr stark. Und das die Leistung auch, also auch dort, nehmen sozusagen die Anzahl der Kilometer, die wir zurücklegen, stark zu.
Überproportional viel. Wir legen mit dem Fahrrad sehr lange Distanzen zurück. Und ganz interessanter Befund, wir gehen weniger zu Fuß. Man prognostiziert in den nächsten 20 Jahren pro Nase eine Abnahme von 7,6 Prozent unserer Fußwege, unser täglichen. Weil man uns dann die Wege zählt als Fahrten. Das ist eine ganze Menge.
Das schreibt sich auch linear fort aus den letzten 20, 30, 40 Jahren. Also das Fußgehen ist irgendwie nicht im Trend. Ein Hintergrund hierzu, warum gehen die Statistiker einfach Fußwegen so einen extremen Abschwung an? Na ja, das liegt daran, dass man unterstellt, wer geht am meisten zu Fuß? Schulklassen.
Da kommt man jetzt nicht unbedingt drauf. Schulklassen ist einer der Haupt-zu-Fuß-Treiber im Verkehrsmarkt. Die gehen, Schüler bewegen sich hauptsächlich zu Fuß. Und da man sozusagen aufgeht, dass demografisch sich einiges ändern wird in Deutschland, geht man davon aus, dass es weniger Schulklassen gibt, also weniger Schulwege. Dann gehen wir weniger zu Fuß. So einfach kann Statistik sein, ob wir es glauben oder nicht. Geschenkt, aber da gibt es ein paar Indizien, man sollte sich damit beschäftigen.
Genau, und dann kommt am Ende natürlich der Güterverkehr und der ist ganz ordentlich. Da sind ordentliche Wachstumsraten, die man erwartet. Vorsicht zu genießen, das wurde schon häufig hier überschätzt beim Güterverkehr. Aber trotzdem so zweistellige Wachstumsraten im Verkehrsaufkommen, also in Zahlen Fahrten, Flügen und sozusagen alles, was auf der Schiene unterwegs ist, ist schon ganz
ordentlich. Und eben auch, was die Transportleistung betrifft, wir transportieren unsere Güter immer weiter, immer weiter, immer weiter. Der Global Footprint, der Carbon Footprint auf unseren Produkten nimmt zu. Wir brauchen mehr CO2, weil wir unsere Produkte, unser Mineralwasser durch ganz Europakarren oder weltweit und deshalb geht auch die mittlere Transportweite, die geht nämlich steil durch die Decke.
Sagt die Prognose. Na ja gut, jetzt kann man natürlich sagen, okay, was ist eigentlich jetzt schon los? Na ja, also der Fernbus ist auf jeden Fall ein Riesentreiber am Markt, den gucken wir uns gleich nochmal an. Und dann gibt es natürlich noch klar, Google Car, autonomes Fahren, das lustigerweise nicht in der Statistik drin ist, von Herrn Dobrindt. Gut, da kann man jetzt irgendwie sagen, na gut, gibt es nicht, können wir davon nicht
vergleichen, aber insofern sieht man auch, das mit Vorsicht zu genießen, wenn wir autonomes Fahren in 10, 20 Jahren haben, ob dann diese Statistik überhaupt noch irgendwas taugt, wert ist, das wissen wir nicht. Genau, und heute, nachdem Google sozusagen etliche Versuche unternommen hat, im Silicon Valley durch California eine Zulassung bekommen hat und dann häufig mal das Auto verunglückt ist, hat man sich dann entschlossen, spontan, wir schließen uns nochmal kurz mit der Automobilindustrie
zusammen und machen einen Joint Venture mit Fiat Chrysler. Da sieht man eben auch, wohin die Richtung so in etwa geht. Also viele gute Gründe, sich mit Mobilität anzugucken, da ändert sich viel. Und jetzt gucken wir uns im zweiten Schritt an, wie haben wir das denn vorher gemacht? Wie macht man das denn klassischerweise? Ja,
das ist relativ einfach. Da gibt es die klassischen Marktforschungen, Umfragen, allerlei Fahrgastzählungen. Also nach wie vor muss man mal in Zügen darauf achten. Da gibt es häufig Leute, die da durch tickern, abschnittsweise. Im Flugzeug haben wir relativ fast eine Vollerhebung, komme ich gleich nochmal zu, weil wir da im Prinzip jedes Ticket ja erfassen. Jeder muss ja durch die Security,
jeder muss einchecken. Wir wollen ja wissen, ob wenn das Flugzeug abstürzt, eine Versicherungsprämie ausgeschüttet werden muss oder nicht. Häufig kann man nichts zuordnen. Es ist wirklich so makaber. So ist diese Logik gebaut von diesem System. Ich referiere das an. Ich glaube nicht, dass das richtig ist, auf einer ethisch-politischen Ebene, aber faktisch ist das so, dass wir erstmal für die Versicherung erfassen müssen, wer fliegt.
Dann haben wir Fahrgastbefragungen. Da fragt man also im Zug oder im Flugzeug oder auf sonst wo auf dem Flughafen, wo wollten Sie eigentlich hin? Wie ist Ihre Reisekette? Also nicht nur an den Teilweg, den ich zurückgelegle, im eigentlichen Verkehrsmittel, sondern den kompletten Weg von Haustür zu Haustür. Gib mir deinen aktuellen Standort, gib mir den vorigen Standort und den, wo du hin möchtest
und dann sagt mir idealerweise, welchen Modal-Split, also welcher Verkehrsmittel du wählst. Dann kann man zählen. Auch sehr beliebt. Kann man Mautbrücken nehmen oder man stellt sich mit dem Auto an eine Straße. Das funktioniert ganz gut. Und dann wird eben manuell durchgetickert, wie viel so im Schnitt pro Daumen in einer Stunde durch so eine Straße an Verkehrsmitteln
durchfließen. Ganz spannend, übrigens beim Güterverkehr gibt es eine Außenhandelsstatistik. In- und Exporte sind ja meldepflichtig bei uns. All das wird erfasst von deutschen und europäischen Behörden. Das heißt, da haben wir noch genauere Daten. Das ist dann quasi eine volle Erhebung bei Postsendungen sowieso. Gibt es auch eine Zeustatistik und es gibt zu guter Letzt den Zensus, der uns eben verrät, dass wir im Schnitt alle älter werden.
Gut, Flüchtlingskrise nicht berücksichtigt. Die ist natürlich im Zensus ein paar Jahren niederschlang. Mal gucken, ob dann sozusagen das mittlere, arithmetische Mittel sich hält oder die Altersstruktur. Aber das sind so die klassischen Quellen. Was kann man damit rausfinden? Nein, man kann rausfinden, das, was ich vorhin gemacht habe, nur eben repräsentativ.
Da guckt man sich eben an. Das ist dann gesplittet nach Bezirken. Das war 2008 eine Umfrage. Wie viele Leute haben denn welchen Verkehrsplit? Welche Verkehrsmittel nutzen sie? Genau, dann gibt es eben den mobilen Individualverkehr, Auto. Das ist hier das Rote. Und das andere sind eben zu Fuß, Fahrrad, ÖPNV, Gesamt. Und dann sieht man, jeder Bezirk in Berlin hat sein eigenes Verkehrsmittelwahlverhalten.
Das ist dann gruppiert auf Bezirksebene. Jeder fährt anders in der Bezirk. Jeder hat so eine andere Verkehrskultur. Das liegt natürlich auch an den Distanzen. Also Mitte, allein schon von der räumlichen Ausprägung ist ja ganz anders als Steglitz Zehlendorf. Da wird halt unheimlich viel mit dem Auto gefahren, wenn man sozusagen fragt, was wird als nächstes zurückgelegt. Oder eben auch Spandau hat relativ große Distanzen.
In der Mitte macht man das sehr viel zu Fuß. Das ist sozusagen ein klassisches Verkehrsmittelwahlmodell, wie wir das heute kennen und nutzen. Genau. Das Problem in der ganzen Geschichte ist, und damit komme ich jetzt zu dem Digitalen. Na ja, das mag für Berlin ja ganz gut funktionieren. Da kann man auch relativ schnell eine repräsentative Umfrage herstellen. Wenn ich jetzt
allerdings Exoten dabei habe, also ich will erst mal rausfinden, von Berlin nach München einen Reiseweg. Da wird es erkleglich viele Passagiere geben und ich kann über die Aussagen treffen. Wann fahren die? Zu welchen Uhrzeiten? Das ist ja auch ganz spannend. Also wann müssen mehr Züge, Flüge, Autos? Wann muss man mehr planen? Wann müssen wir mehr Busse disponieren? Et cetera. Das ist eine klassische Fragestellung.
Zu welchen Tageszeiten fahren die? Welche Reiseanlässe haben die? Sind die beruflich oder privatlich unterwegs? Gut, das kann man bei Berlin München sicherlich mit einer Falsa herstellen. Schwieriger wird zum Beispiel Westerwald-Hiddensee oder Worms-Hiddensee oder sowas. Wenn Sie da einen erwischen, haben Sie Glück. Und ob der dann repräsentativ ist für Hiddensee-Worms, für die Verbindung, ist schwierig.
Da merkt man, das klassische Modell hat seine Nachteile. Globale Sachen werden gut wiedergegeben, Zusammenhänge. Damit können wir sehr gut leben. Wir haben eine gute Statistik funktioniert. Kleinere, teilräumige Geschichten. Schwieriger. Das heißt, bisher haben wir eine gute Nachvollziehbarkeit. Wir haben erprobte Werkzeuge, die habe ich vorhin beschrieben. Wir haben sehr, sehr lange Zeitreihen, die zurückreichen.
Und auf verschiedensten Ebenen. Straßenzählungen für Ampelschaltungen. U-Bahn-Zählungen. Wir haben Verkehrszählungen in Bussen, Bahnen, Schiffen, sonst wo überall. Und das ist eine sehr lange Zeitreihe. Das ist natürlich super Material. Und wir haben eine sehr gute globale Aussagekraft, wenn man sich eben anguckt. Passt das denn allgemein statistisch zu Pi mal Daumen mit dem,
was wir erwarten würden übereinander? Nachteil ist eben, das sind eben alle Stichproben und das sind geringe Fallzahlen. Der Aufwand, das zu erfassen, ist schier unendlich. Man kann das sehr weit treiben. Es ist manuelle Erfassung. Das geht meist per Pencil Methode. Dann wird das nochmal abgetippt. Da wird eine Daten-Klibik gemacht. Und am Ende weiß man gar nicht mehr, bei der langen Verarbeitungskette,
die in vielen Schritten von den Daten erfassern, bis hin zu einer Analyse oder Auswertung, stimmt die Zahl eigentlich noch oder ging irgendwas auf dem Rechenweg im Behandeln der Daten verloren. Also das ist nicht so schön. Verteilmengen, spezifischen Phänomenen, wenn man das kleinräumiger macht oder ähnlich und dann haben wir eben Aussageprobleme.
Naja, das ist natürlich schön, halbschön. Gucken wir uns mal an. Digital macht nicht alles besser, aber macht einige Dinge anders. Und da schauen wir uns auch mal an. Was macht denn die Digitalisierung eigentlich im Verkehrsmarkt? Naja, also vor allen Dingen werden erstmal unsere Tickets vorwiegend elektronisch verkauft. Das ist eine Binsenweisheit.
Automat, Online, App, Reisezentren, Reisebüros. Können wir den Versuch machen. Wer hat sein Ticket nicht elektronisch erworben, mit dem er hierher gekommen ist? Okay, das nicht elektronisch meint hier, das war vorhin eine Zeitkarte oder einfach irgendwo am Automaten, gibt ja auch nicht. Sondern wie wurde es erworben? Am Schalter, ja das ist auch elektronisch.
Also es lässt sich nicht analog erwerben. So einfach ist das. Also um den Sack zuzumachen, es ist nicht vorgesehen im System, dass wir analog Tickets erwerben, das funktioniert einfach nicht. Alle Tickets, die wir erwerben, sind irgendwie mal digital gewesen. Klar, nicht immer steht ein Abfahrtsort und ein Ankunftsort
drauf, das ist klar, aber im Prinzip erstmal die Tickets an sich, die sind alle komplett digital. Ob Dateiwege draufstehen, ob draufsteht, welche Präferenzen ich habe, welchen Zug ich nehme, ob ich in der 1. oder 2. Klasse reise, welche Speisen ich verspeise im Bordrestaurant von einem Flugzeug oder ähnlichem oder am Catering im Platzservice, das habe ich natürlich nicht bei allen, aber bei relativ vielen Leuten, das sind eine ganze Menge Daten, die wir da
erfassen. Genau, wir haben im Prinzip auch bei vielen Verkehrsmitteln heutzutage eine Reservierungspflicht. Wenn nicht genug Leute in den Fernbus reinpassen, ist der zu, dann fährt der ohne sie. Genauso ist es beim Flugzeug, da ist es noch gravierender, da muss man eben aus bekannten Gründen eben jeden erfassen und wir haben natürlich noch
Bahnen und da gibt es zum Beispiel bei vielen ausländischen Verbindungen eine Reservierungspflicht. Im TGV verkehrt zum Beispiel bei der SNCF oder auch bei der SNCB im Thalys. Das heißt, auch dort haben wir eine relativ gute Vollerhebung. Dann gibt es natürlich solche Leute, die Problemfälle, Bahnkarten 100, Userzeitkarten und so, die bewegen sich natürlich rein willkürlich so im Netz.
Das ist natürlich schwierig für den Datensammler, die zu erfassen, ja, also auch Schülerzeitkarten, wo bewegen die sich jetzt, wann fahren die, da muss man sich mit der Befragung dann doch am Ende helfen, aber man sieht schon, da kriegt man einigermaßen einen guten Überblick. Dann haben wir eben Car- und Bike-Sharing-Daten. Das sind auch eine ganze Menge an Daten. Die Versicherer sind ja auch hohen Interesse, sozusagen die Autos noch zu vernetzen.
Da gibt es auch einige Talks zu. Datenschutzrechtlich, naja, teilweise schwierig. Zumindest gibt es da auch erstmal Standortdaten und häufig wissen wir den Fahrtanlass, wissen ungefähr sogar noch teilweise die Demographie des Nutzers, also sozusagen, gegruppiert, nach welcher Alterstufe war der denn jetzt, männlich, weiblich, etc., pp. Und dann gibt es eben einen Haufen Standortdaten
aus Navigationssystemen, Fahrzeugen, Taxis, ein unermesslicher Haufen. Kommt dann am Ende sowas raus, wenn den ganzen Datenboos katalogisiert, filtert, strukturiert, sammelt, dann wissen wir eben aus den ganzen Navis und aus den Android-Geräten, zum Beispiel bei Google, wer sich wo bewegt gerade in Berlin. Und da lässt sich eben sagen, wo wir
gerade Verkehrsstauungen haben, Verkehrsschwerpunkte, das sieht man hier extrem feinräumlich, das ist ja rund um das Republika-Gelände, da habe ich heute Vormittag aufgenommen, das Bild. Das geht natürlich auch global galaktisch für ganz Europa weltweit. Wo gibt es Staus? Wo sind viele Leute unterwegs? Wie ist der mittlere Verkehrsfluss? Wie bewegen wir uns? All das wissen diese Firmen natürlich sehr gut,
viel, viel teilweise besser als manches Verkehrsunternehmer. Sie stecken Menge noch Hau drunter und wenn man dann sozusagen ein digitales Echtzeitrouting drauflegt, ergeben sie natürlich völlig andere Möglichkeiten. Na ja, da gibt es eben den Logistikbereich. Da, wie schon erwähnt, das ist ein bisschen anders nochmal ausschaut, da gibt es eben statistische Zwänge, auch kein Datenschutz, das heißt eine flächendeckende digitale Erfassung
von Sendungen findet da statt. Und eben nicht zu vergessen die ganzen Echtzeitdaten, die wir haben in Containern, GPS-Geräte, die da funken. Der Container weiß häufig besser über seinen Zielortbescheid als manche Brücke, mit der er verladen wird. Also das ist ziemlich intelligent, das System. Und wenn man dann noch unterstellt, dass das
autonomer wird, dass diese Container miteinander interagieren, dann werden da noch mehr Daten anfallen. Das heißt der Heuhaufen an Daten, der wird größer. Die eigentliche Nadel da drin zu finden, das wird schwieriger. Mehr Daten heißt ja nicht unbedingt, dass es besser wird
oder ausserall kräftiger, sondern heißt erstmal nur mehr Daten. Aber im Prinzip kann man sagen, es gibt eine volle Erhebung der gesamten Reise- und Transportkette. Das ist eigentlich Wahnsinn. Also wenn man sich das vor 10, 20 Jahren vorgestellt hätte, man kann heutzutage komplett alles tracken, alles verfolgen. Das ist schon der schiere Datenwahnsinn. Das Ganze wird gespeichert in sogenannten
OD-Matrizen. Das ist der Fachbegriff Original Destination. Das sagen Abfahrt- und Zielstandorte. Und man kann auch unterwegs noch loggen, wo dann eben die Wegpunkte waren, Raststätten etc., pp., ob jemand umgestiegen ist und so weiter und so fort. Also das erlaubt uns natürlich eine ganze Menge Schlüsse über das Reise- und Mobilitätsverkehrsverhalten von uns
ein, wie wir hier sind. Selbst Fahrradfahrer, Hamburg gibt zum Beispiel Fahrrad, C-Geräte stark umstritten, also weil der Benefit auch teilweise nicht ganz klar ist. Die Zahl wird einfach nur ausgegeben am Bürgersteig und da fast auch Kinder wegen. Aber es gibt zumindest C-Geräte. Wir zählen eigentlich alles, wir lieben es zu zählen.
Na gut, was heißt das in der Praxis? Gucken wir uns mal ein Beispiel an. Das ist die Reiseauskunft von der SBB. Die sagt einem aufgrund eines Prognoseverfahrens und aufgrund von Echtzeitdaten, wie viele Leute werden in der ersten und zweiten Klasse in meinen Zügen sein? Das sagt die einem heute schon und die empfiehlt natürlich dann in den Zügen, die überfüllt sind, auch zu sagen, da nehmen wir den Normalpreis und die empfiehlt natürlich dann den Sparpreis in den
Zügen, in denen weniger Leute unterwegs sind. Das ist sozusagen heute stand heute das ist schon einigermaßen intelligent, da Fahrungsdaten hinter, aber das ist natürlich noch nicht das Ende der ganzen Angelegenheit, sondern erst der Anfang, wo es hingeht. Was lässt sich noch so mit Daten anstellen? Gucken wir uns mal ein bisschen ein paar Beispiele an.
Hier ist mal Destination und Division verwechselt. Das sind Flugdaten aus den USA. Das Schöne ist, dass in den USA es eine Statistikbehörde gibt und ein Büro für Transportation. Die haben relativ stark den Erfassungszwang mal irgendwann gesetzlich definiert per Verordnung. Das heißt, in den USA weiß ich gut über Flugbewegungen Bescheid.
Was sehen wir da? Wir sehen unter anderem wir sehen Flughäfen von A nach B. Ich würde sozusagen Reiserouten nehmen und gucke mir an, welche Verspätungen habe ich da drauf. Hier erst mal nur in der Grafik, welche Verbindungen gibt es eigentlich? Das sind alles Daten, die öffentlich zugänglich sind. Das ist alles Open Data. Gucken wir da mal rein. Dann sieht man eben Beziehungen zwischen Flughäfen,
welche Reiserouten werden besonders frequentiert, wo werden viele Flugsegmente angeboten etc. Es lassen sich auch Gabelflüge, ähnliches Umstiege feststellen. Das ist also schon sehr fein. Und dann kann man eben sich zum Beispiel Zusammenhänge machen. Wie häufig sind zum Beispiel die Verspätungen zwischen A und B? Wer leidet besonders häufig drunter? Wie viele Fahrgäste oder Fluggäste kann man auch noch unterstellen? Denn auch die Ticketdaten in den USA sind öffentlich zugänglich.
Zwar anonymisiert und so anonymisiert und hochaggregiert. Das heißt, da fehlen auch Tickets. Aber immerhin per Default wird jedes 10. Ticket von dem Beruf von Transportation eingezogen. Alle, die mit einer Null beginnen. Und dann wird eben gesagt, liebe Leute, gibt uns den Preis. Gibt uns unter anderem auch die Klasse, mit der ihr geflogen seid. Gibt uns
die Umstiege und gibt uns von A nach B. Und dann noch ein paar Sachen zur Demographie. Das sind schon richtig vierte Daten. Genau. Und uns allen auch zugänglich. Im Übrigen einfach eine SIP-Datei runterladen beim Beruf von Transportation. Was lässt sich sonst noch machen mit Daten und Verkehrsdaten? Na ja, man kann eben auch Zusammenhänge feststellen zwischen wie bewegen wir uns denn zur Arbeit?
Hier ist sozusagen der Umkreis von London. London als Epizentrum. Die Grafik ist nicht so 100% optimal. Da kann man zu überstreiten. Ist auch auf Befragungsdaten. Und dann gab es einen finnigen Nerd, der meinte, naja, das kann ich eigentlich auch besser. Und es gibt ja auch Open Data. Und er hat sich dann nämlich angeguckt. Gute Inspiration. Ich gucke mir mal die weltweiten Migrationsströme
an. Und zwar in Form von Bewegungen auf der Landkarte. In Form von Reisebewegungen. Das ergibt dann zum Beispiel so einen Schad. Das sind alles Origin Destination Grafiken. Alles Verkehrsdaten, wie wir sie von der Welt bankieren, in dem Fall bekommen. Auch das ist Open Data. Das ist schon mal relativ viel.
Ja, was können wir jetzt herausfinden? Im DIY-Verfahren. Ich weiß, dass es teilweise nicht mehr innen, aber man kann das mal machen. Also ich zum Beispiel habe mir interessiert für Positionsdaten in den Zügen. Da haben wir zum Beispiel die Deutsche Bahn. Funktioniert aber auch wunderbar bei Norwegian Airlines. Die haben ja online mittlerweile
im Flugzeug WIFI kostenloses anbieten. Da kann man dann mit einer Karte und sagen, wo sind wir gerade? Und die Daten kann man natürlich mit tracken. Also jeder kann da sein Laptop anschmeißen und einfach gibt mir ja sozusagen gerade den Standort, wo ich bin und eine Zeit. Und man kann sogar noch die Geschwindigkeiten herausfinden. Also bei der Deutschen Bahn nennt es das zum Beispiel ICE-Portal. Genau, und wenn man dann dahinter guckt in den Code,
dann sieht man eben irgendwann, ach guck mal an, Travel Distance, gibt mir noch ein paar Daten dazu und ein paar Statistiksachen. Das sind sozusagen alles, was auch dem normalen Nutzer angezeigt wird. Das ist natürlich eine Service-Dienstleistung, die ein bisschen durch das System führt. Ja, und dann kann man eben sich da hinsetzen mit einem Laptop und einfach mal mitloggen. Ich hab dann immer die Zugbegleiter
mal gefragt und die Lokführer ob sie was dagegen haben, aber das war nicht der Fall. Wir waren eher positiv überrascht, dass das überhaupt geht. Was kriegt man da raus? Man kriegt einen Haufen von lustigen Dateien, die wir gleich mal reingucken raus, und man kann die nachher auf eine Karte legen.
Das schauen wir jetzt mal kurz nochmal an, was man so mit Daten anstellen kann. Und gucken wir in einen Open-Source-GIS rein, namens QGIS. Hoffen wir mal, dass das gleich klappt und der Layer hier sich wechselt. Sonst kann ich es auch kurz erzählen. Jetzt kommt was.
Also, die Daten in ein Open-Source-System reingelegt. Ich probiere es nochmal, ob es irgendwie klappt. Wenn nicht, erzähle ich es einfach. Es gibt sozusagen geografische Informationssysteme, die uns ein bisschen ermöglichen, Daten zuzuorten, Daten zu mappen. Und wenn man das im ganzen Stream, den wir da gerade gesehen haben,
von Bahndaten, die extrahiert, überführt, da gibt es eine Source auf GitHub und Co., dann kann man eben relativ schnell Beziehungen herstellen, weiß seine Wegstrecken und jeder von uns selber kann seine eigenen Sensordaten erfassen. Das funktioniert ziemlich gut. Ich habe dann verschiedenste Reisewege ausgeplottet. Das sehen wir jetzt leider nicht.
Aber kurze Zusammenfassung ist, in der Tat, man kann unter anderem Umleitungen erkennen, man kann erkennen, wann weichen Züge von der Normalgeschwindigkeit ab, wann werden sie langsam, wann knubbeln sich Züge, wann weicht man Reiseweg ab. Also, das kann man schon selber erfahren. Und wenn man das Ganze weiter strickt, da gibt es natürlich Daten in den Verkehrsunternehmen, kann man unter anderem herausfinden, wo sind zum Beispiel
Engpässe im Netz. Eine klassische Frage, wie muss ich meine Netzinfrastruktur zukünftig bestellen? Und dazu geben diese Daten Ausschluss. Also, jeder von uns kann das machen und natürlich die Verkehrsunternehmen das auch. Das ist einer der Wege, sozusagen, sich dem Ganze zu nähern. Ein anderer Weg ist das, was wir über die Infrastruktur herausfinden können. Die Infrastruktur liegt
in Form von Gleisdatenvorbahn, zum Beispiel bei der Bahn und Sensoren, Weichen, Schienen, etc. pp. Da wurde eben Nachbart Eibling stark darüber diskutiert, welches Signal wurde wie gestellt. Und dann gab es eben empfindige Menschen, die vor Ort hingegangen sind und das kartiert haben. Das gibt es sozusagen als Layer in der Open-Street-Map, gibt es in der Open Railway-Map, die flächendeckend für Europa
uns Trammdaten liefert, jede Art von Schiene, Schienenbewegungen, etc. pp. Also, da gibt es auch eine Menge über die Infrastruktur. Wir wissen eine Menge über die Verkehrsdaten. Wenn man das Ganze zusammenmappt, kommt man relativ schnell zu relativ komplexen Modellen. Und diese Modelle ermöglichen uns eben Routen zu machen. Gibt mir von A nach B Durchschnittsgeschwindigkeiten, gibt mir dann eine Reisegeschwindigkeit, etc. pp.
Und diese Modelle, die ermöglichen dann Schätzungen. Und da sind wir dann im Anfang. Wie wissen wir mehr über unser Mobilitätsverhalten? Naja, indem wir Schätzen und Modelle nehmen, indem wir wissen, wie Züge, wie lange die brauchen auf Gleistücken. Ich kann zum Beispiel mal empfehlen, datadeutschebahn.com gibt es sogenannte Inspiredaten von allen europäischen Bahn. Das hat die EU mal festgelegt per Richtlinie.
Da kann man eben sehen, Elektrifizierungsgrad, Durchschnittsgeschwindigkeit einer Strecke. Man kann sehen, wie ist die mit den europäischen Gleisnetzen verbunden. Und man kann eben auch herausfinden, wie ändern sich Gleisnetze. Das ist natürlich hochspannend. Wird mehr investiert? Wo wird mehr investiert? Wo wird mehr ausgebaut? Wo wird es langsamer am Netz? Es wird nämlich teilweise langsamer am Netz. Es wird teilweise schneller am Netz.
Europäisch kann man das komplett vergleichen. Und dazu geben uns offene Daten, insbesondere die Inspiredaten, die ich hier sehr empfehlen kann. Blogge ich auch nochmal, dann könnt ihr das nachlesen. Relativ gute Aufschlüsse. Einer der wesentlichen Punkte sozusagen, die Präsentation funktioniert nicht mehr, aber ich gehe trotzdem weiter, ist am Ende des Tages,
wenn wir uns nähern, Modelle haben und Daten erfassen, wie wir uns sozusagen die Zukunft vorstellen können. Wir machen Prämissen und gucken uns an, wie viele Menschen werden in einem Bus fahren. Wir machen Preisprämissen und ähnliches. Und jeder von uns kann das mal austesten. Das funktioniert ganz gut für sich selber, wenn man Daten erfasst und Netze hat, darauf routet und jeder selber seine Routenwahl austestet.
Wie sind wir hierher gekommen? Das sozusagen abstrahiert. Wie kommen wir in 20 Jahren hierher? Dann nährt man sich unseren mobilen Verkehrsverhalten ziemlich gut. Und ihr habt ja gesehen, vorhin tut sich eine ganze Menge in dem Bereich. Deshalb gibt es gute Tools, wie zum Beispiel den Open-Trip-Planner, den ich hier empfehlen kann, der auch ein Analyseswerkzeug ist.
Da könnt ihr dann selber, oder können auch Wissenschaftler und Routenplaner hingehen und sagen, okay, gib mir die Verkehrsmodelle, gib uns den Modal-Split, gib uns verschiedene Flugzeuge, gib uns Pkw-Fahrrad, und dann gibt uns die Route von A nach B, und dann spuckt das Ding am Ende des Tages aus, welche Präferenzen hat welche Zielgruppe, wie schnell sind die Leute unterwegs,
wie viel wird die Reise kosten, und das kann man eben linear fortschreiben. Und damit haben wir dann eine ganze Menge verstanden über Mobilität, dank Algorithmen und Daten. Sorry, dass die Präsentation am Ende nicht mehr geklappt hat. Ich stelle die nochmal online, aber da könnt ihr dann auch gucken, was ich mit den Daten gemacht habe, wie ich da vorgegangen bin, und bedanke mich jetzt auf jeden Fall schon mal
für die Aufmerksamkeit. Vielen Dank, Jonas Westfall. Und jetzt thematisch passend haben wir einen Vortrag von Stefan Kaufmann aus Ulm. Der arbeitet für die Open Knowledge Foundation
und beschäftigt sich mit Nahverkehrsdaten. Und kommt jetzt gleich.