Bestand wählen
Merken

Intelligente Mobilität durch App, Vernetzung und Machine Learning

Zitierlink des Filmsegments
Embed Code

Automatisierte Medienanalyse

Beta
Erkannte Entitäten
Sprachtranskript
wir kommen aus Hannover aber wir sind tatsächlich seit Juni letzten Jahres eine 100-prozentige
Siemens-Tochter aber nichtsdestotrotz weiterhin eine eigenständige Firma auch ein Konzern wie Siemens hat begriffen dass Digitalisierung in diesen Konzernstrukturen er nicht in der notwendigen Geschwindigkeit funktionieren kann deswegen lässt man uns sozusagen größtenteils in Frieden so weitermachen wie wir das bisher getan haben wir haben 330 Mitarbeiter die in Hannover die sind alle am Lister Platz in aus statt ein größtenteils auf Entwickler wir haben noch 2 Töchter die Mobiles Ticketing machen einmal die ihres abhält in Hamburg und Heitmann hat in Jork und haben noch das Siemens für Teams dazu bekommen so dass so ungefähr 700 Personen sind die jetzt gemeinsamen digitalen Lösungen für intelligente Mobilität hat unsere
Kunden sind in der Regel die großen nationalen Eisenbahn in der in Europa also zu was die Deutsche Bahn zum Beispiel die französische Staatsbahn und so weiter aber auch für das lokale Verkehrsunternehmen aufgelistet finden Sie
leider die regionalen Unternehmen in Hannover nicht der Prophet ist im eigenen Land oft nicht so viel wert aber sie aber trotzdem durch eine App die wir App-Store stellt haben Hannover heißt im Club die Gelegenheit in Hannover aber auch so Produkte mal ausprobieren zu können und wir haben Kunden wie zum Beispiel die Auto Motor Industrie die sich hier auch dem ÖPNV in der hat und diese Daten ihre Systeme integrieren möchte in 20 integrieren möchte aber auch Kunde Apple
und Google den wir helfen entsprechende Daten so zu verarbeiten dass die zum Beispiel in den Google der mit Echtzeitdaten zu Bus Neuyork zum Beispiel entsprechend erscheinen das unser Kontext weil sie diesen viele Kunden sind große Kunden mit vielen Nutzern Millionen von Nutzern und da entsteht tatsächlich die Datenmenge die Sie eben angesprochen haben die natürlich der wunderbare 1 Datenmenge so Maschinist China auf auf diesen Daten durchführen zu können
2015 ist schon paar Jahre her und wird vielleicht müssen einig dass man das auch zeigen möchte aber trotzdem haben uns also drüber gefreut dass es immer noch zeigen müssen sind wir vom MIT Technology Review auf die Liste der 50 smartesten Firmen in weltweit sozusagen gelandet und stehen also in einer illustren Runde zwischen Uber und Tesla eingekesselt und das Thema warum wir auf diese gekommen sind ist aber eben genau die intelligente Mobilität die damals schon beim Maidli als wichtige zukunftsweisende Technologie die das Leben von Millionen Menschen weltweit beeinflussen wird im erkannt worden ist und da wir in diesem Fall schon sehr viele Systeme Life hatten die diese intelligenten vität abgebildet haben sind wir auf diese Liste geraten
über Maschine Learning reden dann gibt es ein paar Anwendungsfälle diesen sehr offensichtlich auf Basis der Daten die durch unsere Systeme durchfließen aber und da sind zum Beispiel
Echtzeit Daten die wir jetzt schon unser System verarbeiten wir Kompositions- Meldung von Straßenbahnzügen Bussen und die die natürlich dazu und den Kunden die aktuelle Echtzeit Situation der Systeme darstellen zu können aber die kann man natürlich auch aufzeichnen und bricht dann sozusagen darüber natürlich auch historische Erfahrung die haben sich bestimmte Szenarien Dinge Fragen stattgefunden haben immer wieder vielleicht gleichartig ausgewirkt aber da kann man entsprechendes Casterin machen und hätte anzuerkennen und daraus dann auch eine Prognose zu ermitteln also sowas wie wenn der ICE nach Berlin in Hannover mit plus 10 Minuten losgefahren ist dann wird er wahrscheinlich über den Hauptbahnhof mit plus 18 Minuten ankommen es sei denn es Freitag das nochmals anders sei das wiederum sind Ferien da ist dann wiederum noch mal anders und so weiter und da kann mit relativ einfachen Algorithmen mit sehr einfachen Modellen die sehr sind dann Ende des der das Modell Bereich sind schon vergleichsweise solide Ergebnisse erzielen der Störfaktor im
ist wieder da kann der Mensch nicht gibt in diesem ganzen Prozess noch sehr viel manuelle Eingriffe und da muss man Sozialnetz Eingangsdatum auch den Fahrdienstleiter und dem Disponenten mit nehmen und dessen Verhalten noch den Algorithmus mit einfließen zu lassen das sind so die Dinge die der Learning
teilweise Wintersteller das gleiche gilt für
Bewegungsdaten also damit zum Beispiel Bewegungsdaten Muster bekommen von von Zügen des zwischen Züge die Hitze in London erfahren können Güterzüge an da kann man es sich aus diesen Mustern wunderbare Vorhersagen Waffengang berechnen die entspricht Bewegungen in der Zukunft sein werden was wiederum zu reisen Lenkung sehr wertvolle Informationen darstellen das Kunden
Front-End was wir haben sind in der Regel inzwischen Apps Apps und unter iOS Android aber auch wer Apps die auf dem Test ablaufen und dort habe natürlich sehr sehr viele Anwendungsfälle die Kunden generieren Daten die Kunden formulieren dort ihre Reisewünsche das entsprechend sehr große Datenmengen die wir
generieren zur übersicht der Apps die da so da draußen unterwegs sind und diese Apps
unterstützen in der Regel 1 2 Phasen eines Reisenden nämlich einmal die Planungsphase also vor einer Reise wie komme ich denn eigentlich von A nach B und dann wird auch
ein Produkt gekauft am Ende also sozusagen wird dokumentiert welche Entscheidung der Kunde tatsächlich gefällt hat aus Was ist das Angebot und dann mit dem Kunden auch vor der Reise werden vielleicht schon Updates gegeben Informationen die dann eben zum Beispiel wir aus entsprechenden Mustern und Echtzeitdaten generiert werden können also zum Beispiel die Warnung der Zug wird sehr voll werden bitte vielleicht eine Platzreservierung kaufen ist ein typischer Anwendungsfall während der
Reise kann bekommt vielleicht Daten System reinfließen aber die Echtzeitdaten Lage verändert sich kontinuierlich vielleicht vor was man seinen Anschluss bei der aktuelle Zug verspätet ist vielleicht wird man in aber doch wieder bekommen weil vielleicht auch der ab prägende Bezug die man erreichen möchte wiederum der Verspätung aufbauen wird und auch da ist wieder die Qualität von Prognosedaten auf Basis von historischen vertrauen eine sehr sehr wichtige Eingangsdaten kann das Ganze geht dann in so weit dass wir endlich finden PKW-Navigationssysteme natürlich den Kunden auch gerne tatsächlich Schritt für Schritt durch seine Reise kehrte er begleiten wollen und da gehen dann noch ein ganz Datenreihen wie wie voll es zum Beispiel bei der Bahnhof fiel dann brauche ich dann tatsächlich vom Gleis 1 zu 7 vom Ziel der Aufzug und solche Dinge um es ein bisschen die anfallenden
Datenmengen zu illustrieren hier mal so verschiedene Beispiele an die meist Apps der DB Navigator die hat ungefähr 30 Millionen Downloads drin enthalten ist die komplette ÖPNV in Deutschland und es wird europäische Eisenbahnnetz wir haben so 30 bis 40 Millionen Anfragen pro Tag von Verbindungs- wünschen unter Wasser stehen natürlich von signifikante Datenmengen er den 1 gut nutzen kann um Analysen darauf treiben zu können alleine Ärzte die BVG in Berlin
hat auf 3 Millionen Downloads hat so 500 Tausend Anfragen am Tag und mein Beispiel aus Dänemark dort ist die Reise planen die einzige ÖPNV er sozusagen Dänemark 4 Millionen auch nutzt es erstaunlich keine 5 Millionen Einwohnern von denen markante sehr gut Durchdringung auch sehr sehr viele Daten der Genetik
intelligente Digitalisierung von Mobilität dient auf wenn man sich Beispiele wie Uber anschaut nicht nur dass
der Kunden guten Zugang bekommt über über über digitale Instrumente und gute Prognosen sondern eben auch das Unternehmen selber komplett digitalisiert ist oberstes klassischerweise so der Endkunde hat eine eine App der also Zeit einfach Wunsch formulieren kann und dann keine den sprechen Fahrer aussuchen sieht auch das Verzicht auf sich zukommen der Fahrer wiederum kennt die Bewertung des Benutzers
und Uber selber zentral kann dann noch durch Botulin versuchen vielleicht sogar mehrere Personen auf eine einzige hat er zu vereinen und diese Kombination ist natürlich dann eine Erfolgsgeschichte und unendliche Kombination gibt es natürlich im ÖPNV auch also zum Beispiel eine Fahrer Fahrer-App des Busfahrers der seine aktuelle Position damit meldet der Anschluss Fahrgäste melden kann er wo wir aber auch entsprechend haben wir genau die GPS Checks des Busses aufzeichnen können und mit den Fahrplandaten vergleichen können und genau erkennt anhand der verschiedenen Muster ist überhaupt der Fahrplan solide genug und kann entsprechend gefahren werden und diese Daten wiederum sind im Austausch mit den Kunden Apps die dann wiederum mit
diesen Informationen versorgt werden können zum Beispiel und Navigationsdienste anzubieten das
sind wenn man nur den reinen ÖPNV betrachtet noch vergleichsweise in sich geschlossene Systeme es gibt einen Fahrplan also einen Plan aber da gibt es Eingangsdaten
die sind auch schön klassifizierten Verspätung von 2 Minuten an dieser Haltestelle ist sehr exakt wert das alles wird ein bisschen komplizierter über Anschluss Mobilität und erweiterte Mobilitätsdienste reden was meinen wir
damit da geht um Dienste wie K stellen Autovermietungen Leihfahrräder Carpooling also Mitfahrzentralen die BlaBlaCar zum
Beispiel weit Schergen sind alle Dienste sei es nun Moojer Oboe und sonstige Dienste die letztendlich versuchen mit individuellen nicht nach Fahrplan fahren verklären entsprechend mehrere Personen in einem Fahrzeug mit zu nehmen es geht aber um Elektromobilität also die Kombination aus mit meinem Elektrofahrzeug irgendwohin hinzufahren das dann dort auch wahrscheinlich mit einer freien Ladesäule laden zu können dann zum Ziel mit dem ÖPNV zu fahren rechtzeitig zurückzukommen und die lade sollen nicht zu blockieren und damit dem Folgen Elektroautos sozusagen den Rückweg anzutreten ganz klassische Parkplatz Daten und ein ganz wichtiges Element ist für uns das jemand Bronze also Bedarfs Verkehre kommt später nochmal zu wo wir sehr sehr hohen Bedarf
für maschinelles Lernen sehen um solche Systeme entsprechend überwiegend aus Stahl im Ei diese Schienenverkehrs mit
integrierten also zu Fuß zu gehen das eigene Auto zu nutzen den ÖPNV den Reisebus die Flüge Park entweiht Bike entweiht stellen und so weiter bis hin zum selbstfahrenden Auto was wahrscheinlich in Zukunft mal eine neue Mobilitätsformen des Bedarfs Verkehrs darstellt weil eben durch die vielen Fahrer günstiger zu bieten damit in der Fläche besser bereit zu stellen wenn wir diese Dienste alle mit einbezieht dann kommen Lösung raus wie die folgende
passen Beispiel der Schweizer waren in der in der Schweiz offensichtlich wo diese verschiedenen Verkehrsdienste integrierten 1 die Band und wenn Sie bei Google Maps zum Beispiel drohte suchen dann stellt Google Maps ihn vor wollen Sie mit dem PKW fahren oder wollen Sie mit dem SV fahren oder mit dem Fahrrad und der Fuß wie bitte auch immer noch angezeigt dass sind dann 2 Tausend 860 Kilometer und dauert mehrere Tage was
aber Google Maps nicht an mit dass die Kombination von verschiedenen verkehren also Reise Ketten zu bilden die letztendlich darauf beruhenden intelligente verschiedenen Verkehrsform miteinander zu verbinden und das sind genau die Dinge die wir versuchen mit mit unseren Kunden zusammen und hier zum Beispiel sieht man jetzt verraten die entweder mit dem eigenen Auto kontert stattfinden oder aber auch mit dem Fahrrad zur
Herstellung Station führen oder eben zu Fuß eine falsche Einschätzung führen oder eben auch einen romantisch mit einem Mietfahrrad zum Zug fährt mit dem Zug zum ziehen damit die Mietfahrrad weiter und das Ganze dann integriert in einer Buchung in einer App Buchpreis inklusive zum Beispiel des Parkplatzes die man noch benötigt um sein Auto dann am Bahnhof abzustellen und mitten weiter zu weiterzufahren und natürlich wir brauchen
diese Daten warum diese Systeme insbesondere
gute Prognosen wie die Verfügbarkeit dieser verschieben Mobilitätsdienste in der Zukunft sich darstellte aber wenn Sie in Berlin sind da es Car2Go zeitnah und sonstige K stellen diese diese Autos können Sie nur 15 Minuten bevor sie das Auto nutzen wollen reservieren wenn Sie jetzt also in
Hannover mit dem Zug losfahren und sich überlegen wie komme ich in Berlin am Main Finales zielt das ist sehr sehr wichtig zu wissen wie wahrscheinlich ist das dass ich wenn ich um 17 Uhr heute am Wiener Hauptbahnhof ankommen entscheide mich dafür ein Car2Go Autozone wie wahrscheinlich ist das eigentlich dass sich da auch als vorfindet das ist nicht garantiert da gibt es keinen Fahrplan sollen da kann man nur mit Heuristiken entsprechenden Pittermännchen ist sozusagen das versuchen das zu lernen und der gegangen zu haben um überhaupt ist Empfehlung auszusprechen noch ein Beispiel
aus Dubai haben da sind auch
entsprechend Limousinenservice ist mit integrierten in den andern Verkehrsform und da kann man dann eben zum Beispiel mit dem Bus irgendwo ankommen und dann einen Huber oder ein Karin das ist ein ein ein Dubai Janisch es so nur eine entsprechend buchen und sie dann auch wieder wie bei Ober selber sowie der Fahrer heißt die Bewertung ist und und wie das Fahrzeug auf einen zukommt und natürlich auch diese Verfügbarkeit dieser Limousinenservice ist ist ja kein garantiert das Produkt sozusagen zum auch das Buch ich
erst wenn ich mich langsam dem Ziel nähere wo ich dann in ein anderes Verkehrsmittel umsteigen insofern es ist sehr sehr wichtig die Verfügbarkeit dieser Fahrzeuge im Vorhinein auf Basis von historischen Daten aufgezeichnet hat mehr es gibt aber nicht das Problem dass man die
Verfügbarkeit der verschiedenen Verkehrsmittel lernen möchte die eben nicht nach einem Fahrplan funktionieren sondern die eben vom Nutzerverhalten anderer Menschen mit abhängen sondern ein ganz großes Problem hat sich uns gestellt dass er nicht mehr das Problem dass für
diese Kombination von verschiedenen Verkehrsmitteln gut berechnen können finden sehr sehr gute Routen wissen sehr sehr viel Routen wie man von A nach B kommt das Problem ist dass der Mensch bei der Auswahl von verschiedenen Reiseketten zwischen überfordert ist eine Untersuchung gemacht und bestellen zwischen fest dass zum normalen Nutzern bei mehr als 7 verschiedenen Alternativen die man von A nach B in Kombination verschiedener Verkehrsmittel fährt aussteigt also das an nicht nicht mehr komfortabel aussuchen Mark zu und die Frage ist wie vielleicht sozusagen aus dem Angebot was aus der Komplexität der Möglichkeiten der Kombinatorik entsteht sozusagen die richtigen Reise die tatsächlich auch für den Nutzer hilfreich sind und dann natürlich erst Marsfeld vor gedacht und haben versucht allgemeine Geschäftsträgern zu finden es gibt
niemanden der mit einem Carsharing-Autos an der Bushaltestelle fährt und dann Bus steigt und weiter fährt er unter nicht dementiert man das und und Tag später ruft einer anderes sagt Forum hatte mir das nicht gezeigt so mache ich das immer also das ist das ist genau
das Problem und deswegen bei uns subsumiert unter dem Stichwort mein TV haben wir seit ungefähr einem Jahr vermehrte Anstrengungen das individuelle Nutzerverhalten zu Monitoren und daraus letztendlich Nutzerverhalten zu lernen weil das auch nicht funktioniert es einfach zu pflastern und zu sagen der Herr Sohn kann bis vielleicht ein Geschäftsmann und Herr Müller es vielleicht ein Student zu Abend und so weiter weil die Rollen ändern sich der Kontext basiert wenn ich mit 7 Kindern zum Kindergeburtstag unterwegs bin habe sein Verhalten anders als wenn ich geschäftlich zu einem Termin fahren das 2. auch anderes Obst vielleicht gerechnet und und und sonstige Randbedingungen die da im stehen wenn ich hiermit wird vielleicht zu freuen verdient vom Bahnhof ab für das haben wir jetzt bald ein anderes als wenn ich irgendwohin fahre und mich eben niemand kennt und die man vom Bahnhof abholte und das zu verstehen da subsumieren Untermain
Mobile-Team und da geht es eben da dran die Komplexität von Nutzern wegzunehmen dass der eben nicht durch viele Parameter die der in seiner Anfrage stellt also in seinem Wunsch wir von A nach B kommen möchte wegzukommen und eben durch das auf Benutzerverhalten individuelle Vorschläge zu unterbreiten die dann eben pro aktiver sind das Ganze ist stark im
Spannungsfeld der Datenschutz Bestimmungen zu sehen natürlich braucht es in jedem Fall ein aktives auch in des Nutzers so muss den Mehrwert solcher Dienste für sich erkennen und bereit sein die Daten aufzuzeichnen und muss auch sehr genau da drüber nachdenken welches Maschinen den wo macht also welche Daten gelangen überhaupt auf den Server und was macht das Beispiel auf dem lokalen Endgerät des Nutzers um sozusagen in dem Spannungsfeld der Datenschutzgrundverordnung er da den richtigen Weg zu finden das ganze Volk
dann wird die mit dem Tenor Alessio Ei Humor L 1 also
mehr künstliche Intelligenz und weniger Joser Interfer ist es gibt einfach gewisse Komplexitäten die kann man nicht mehr durch geschicktes User Interface Design der überdeckten überpinseln sondern da muss mal kommt ist der rausnehmen und das kann man eben nur durch die Individualisierung des Angebots und das wiederum kann eigenständig maschinelles Lernen Sch da gibt es so
ganz simple just Käse wie zum Beispiel automatische Erkennung wo denn mein zu Hause und wurde meine Arbeit steht ist das kann man anhand von Aufenthaltsdauer und Häufigkeit von Aufenthalten sehr sehr einfach Klasse also da wo man tags über ist
ist starb er die Arbeitsstelle der Runge die Nacht verbringt ist wahrscheinlich zu Hause jetzt kommt der Nachtschichtarbeiter der zerstört das einfache Modelle direkt wieder also natürlich im Wissen der weitere Eingangsdaten reingehen man kann auch die
Geographie bis kennen welche Bereiche ist in die jeweilige Lokalität und so weiter und kann dann zum Beispiel schon automatisch entsprechend wichtige Orte des Kunden klassifizieren viel wichtiger aber für die
pro Aktivität der Dienste ist es Nutzerverhalten zu erkennen und das ist eben sehr sehr individuell aber da geht es um für den Fall dass der Händler vielleicht zweimal die Woche ein Termin hat und zweimal die
Woche 2 Striche zu Uni fährt und wenn man das erkennt dann demjenigen auch direkt gleich passend aber ohne das Nutzeraktivität notwendig war gleich das richtige Ticket vorzuschlagen er durch einen einzigen ob spuckt sozusagen die Komfortfunktion haben und nicht dienen dazu aufzufordern erst eine gute zu Uni zu suchen weil die Kinder sowieso gefällt das jeden Tag er weiß welche Straße hinsehen muss aber einfach vertritt das Ticket vorzuschlagen oder geht es ihm vielleicht entfallen kommt eine Flughafen an und das Nutzerverhalten wie man vom Flughafen in die Stadt fährt ändert sich von der Tageszeit und dem jeweiligen er fällt auch Wochentag ja vielleicht in den Abendstunden möchte man nicht mit dem ÖPNV fahren weil man das fühlt weil aber auch die Service Dichte nicht mehr so groß ist uns einfach und bequem ist während man tags über dann vielleicht doch er den in den faulen werde man dann Taxi nehmen würde man im Stau stehen würde war Atrash rasch äußerer H und dieses Verhalten ist sehr individuell und Kontext basiert und wenn man natürlich solche wiederkehrenden Verhaltensmuster erkennt können mit den Nutzern zumindest gute Vorschläge machen der natürlichen Zweifel wenn die Situation dann doch mal anders ist als das gelernte Verhalten dann natürlich wieder besteuern kann und sagen kann ich doch in anderen Wunsch von einer ist wahr ja gerade habe ich über
die integrierte Mobilität gesprochen also nicht nur sich auf eine bestimmte Verkehrsträger zu beziehen sollen insbesondere die Kombinatorik von verschiedenen Verkehrsträgern zu nutzen um daraus gute Vorschläge zu machen wie man von A nach B fahren kann dann erst mal so den Rhein Auskunfts- Teil betrachtet da gibt es ein neues Schlagwort was würde das schon auch so langsam wieder sogar schon wieder ein bisschen aus der Mode kommen ist ja das geht den nächsten Schritt und versucht daraus auch ein Produkt zu machen also nicht mit
dem Kunden Information zu geben kannst erst in ist Ticketkauf 2 2 der ganze die über die Car2Go wo er von dem Auto mieten und dann am Ziel vielleicht nachmittags sie selber rufen sondern das sozusagen als ein integriertes Produkt anzubieten und wenn
man da bis in die Geschichte die Digitalisierung in anderen Branchen betrachtet 7 am Beispiel der
Musikindustrie da hatten wir 19 95 eigentlich noch immer Musik haben wolltest den lokales Geschäft gegen eine CD gekauft 2000 um die Zeit wo dann der Online Handel das großes hat man die CD er bei Emerson bestellt ist nicht mehr Geschäft gegangen wo das Produkt war weiterhin noch das ursprüngliche Produkt was eben dann nur über digitale Kanäle auswählbar war und das ist quasi der Startschuss die wir den aktuellen haben wir solche Auskunftssysteme haben die Einreise Ketten anbieten dann ist das Produkt immer noch das gleiche wie vorher nämlich nur ein Einzelfahrschein und Orten Flächen DBT klebt und in diesem Buch das Taxi aber es ist schon über digitale Kanäle verfügbar
gemacht und einfach war sozusagen aus der immer dann kann aber in 1 Ei Zions hat das Produkt selber ritualisiert also ich konnte es nicht nur online kaufen soll uns oder online ausgeliefert nämlich als MP3-Dateien K A und dann irgendwann 2010 kann so Dienste wie
Spotify war die dann das Ganze ist sogar das virtuelle digitale Produkte virtualisiert haben und alles auf Streaming umgestellt haben mit dem die ist und da draußen auch Flat Welt angeboten haben und dann wird es einfacher Schluss oft gesagt deswegen geht Mobilität eine ähnliche Geschichte erfahren Mobilität wird auch in den als für den Bürger einer Stadt zu Verfügung stehen und natürliche Kipsang Einschränkungen die
dieses zu sein die Fortführung der Geschichte aus anderen Branchen also nicht so einfach macht
und Novität ist eben kein rein virtuell das Produkt
sondern wir brauchen am Ende Fahrzeuge in die Menschen einsteigen können also die Ressourcen Geld binden die auch in Form von Emission haben auch Elektromobilität wird den welche Auswirkungen haben und wenn es am Ende auch nur ist das vielleicht keine Mission sind aber einfach der Platz auf der Straße entsprechend beansprucht wird natürlich können durch autonomes Fahren Kosten gesenkt werden und es werden trotzdem pro Fahrtkosten entstehen da anders als man MP3-Datei dich einfach die Beziehung insofern müssen Algorithmen an die gute Wege finden um dort anders funktionieren als einfach nur gutes Produkt Katalog darzustellen und sozusagen eine Flat Welt das Produkt
dann zu verkaufen dann unterscheiden sich die Produkte oder die der sieht das Angebot ganz stark regional er halt Geist im Harz und betrachten man kann man da erstaunlicherweise mit einer Dampflokomotive Vorfahren und wird vielleicht ein Taxi rufen können Stunde dauern bis das kommt da gibt es den Fahrradverleih und es fährt alle 3 Stunden am Bus vorbei das hat sich nur andere Situation als zum Beispiel einer Großstadt haben wie in Berlin wo wir 4 verschiedene Carsharing-Anbieter haben mehrere Tausend Kaschemmen Autos in der Stadt haben mehrere Leihfahrrad Anbieter Elektrik Scud war Schering und was nicht alles und natürlich auch ein sehr sehr dichtes ÖPNV-Netz das heißt das Produkt
Mobilität ist einfach nicht wie zum Beispiel bei einem Musikangebot überall da wo ich Internetzugang hat das gleiche sondern es ist stark abhängig auch von der lokalen Verfügbarkeit und auch hier sind wieder maschinelle des Maschinist lernen unheimlich wichtig und gerade die über Karten die vielleicht sogar teilweise knappen Ressourcen im ländlichen Raum gut zu verwalten sehr sehr wichtig weil wenn das Fahrzeug im Harz hat dann 60 Kilometer von falschen Standort ist muss gerade benötigt wird dann dauert es eine Stunde um es einen Platz zu bringen muss benötigt würde er in der Stadt wiederum haben andere Situation dort haben in der Regel verstopfte Straßen überlastet ÖPNV Systeme da geht es eher um Reisenden Lenkung um das dann Systeme nicht kollabieren zu lassen
weil er natürlich ist Mobilität
auch ganz stark von der politischen oder gesellschaftlichen Agenda bestimmt digitalen intelligenten Mobilitätsdiensten wird in der Regel auch die Hoffnung verknüpft Mobilität besser zu machen aber zum einen besser zu machen im Sinne davon dass Mobilität vielen Menschen zu zugänglich gemacht wird wie das vielleicht heute nicht optimal nutzen können weil sich vielleicht kein eigenes Auto leisten können oder wollen aber natürlich auch im Bereich von Emissionen und natürlich auch den Platzbedarf gerade in den Städten und
wenn nach einer nach der politischen Agenda geht und das Verkehrssystem dahin gehend optimieren will dann ist zu Fuß gehen das Allerbeste was man sozusagen seinem Bürger kann und die zweitbeste Option das Fahrradfahren und dann kommt vielleicht so was wie Fahrrad und den ÖPNV oder das Leihfahrrad aber zum Beispiel das eigene Auto hier das ist ganz und es damit das Allerschlechteste Carpooling dass mehrere
Leute sich ein Auto teilen müssen Option damals allein dem Markt überlässt und das
sozusagen als Business Käse betrachtet dann kann man aber dummerweise mit genau den Diensten die man politisch und gesellschaftlich nicht haben möchte am meisten Geld verdient aber und das ist eben zum Beispiel das Limousinen Verzicht der Ober er das ist der Flug aber dass die Vermittlung von Kunden und so weiter und da gibt es einen Konflikt aber dass der freie Markt zudem für was so 10 die Politik will und umgekehrt die Politik vielleicht ist genau das liefern kann was vielleicht auch der Bürger möchte und natürlich auch was entsprechen Unternehmungen die Geld verdienen wollen entsprechend als Bedürfnis haben so dass
wir da dann Interessenkonflikt haben zwischen öffentlichen Interessen und in den individuellen Interessen nämlich des Bürgers der vielleicht gerne sagt ich möchte einfach genauso weiter bequem reisen wie bisher aber ich möchte nicht Fahrrad fahren als gibt die Interessen der Unternehmen die dem entspricht natürlich Geld verdienen wollen und im aber sich Interessen die geschickt des Rotliegenden Stauvermeidung und Emissionen zu vermeiden und um das
Ganze ende Beine auszubringen brauchst eigentlich gut roten Strategie der die können wiederum nicht für jeden nutzbar nach Standard Geschäftsregeln immer gleich sagen dann sind stark Kontext abhängig mit sehr sehr vielen ein
eingangs Faktoren wie ich gerade die Situation auf der Straße ist gerade die Tageszeit ist gerade Smogalarm ist ist vielleicht hatte Diesel-Fahrverbot ausgesprochen in einer bestimmten Region haben aber auch die volle sind gerade die öffentlichen Verkehrsmittel das bringt nichts den Leuten anzudienen ihr Auto stehenzulassen alle in dem Bus 100 zu steigen der aber gerade schon überführt ist und an der Haltestelle vorbeiführt weil dann nehmen dabei und da
geht es natürlich ganz stark der darum auch hier wieder Muster zu erkennen Situation zu lernen um dann entsprechende Reisenden Lenkung die dann vielleicht über preise sensitive entfernte Systeme der gesteuert werden entsprechen in sein System einfließen zu lassen um eben diesen Interessensausgleichs herstellen zu da wir sehr viele Daten generieren durch die
Systeme beschäftigen seit 2 3 Jahren intensiver mit der Delta eines ist versuchen unseren Kunden klarzumachen was für ein
digitales rollt sie da in Händen halten und wir
machen verschiedene Dinge zum Beispiel haben sich hier mal die Anfragen
in Berlin von Nutzern analysiert 1 ganzen Jahres und haben sozusagen geschaut an welchen Stellen in Berlin gibt es weite Fußwege für die Menschen überhaupt in das ÖPNV System einsteigen zu können entsprechend droht und die grüneren Flecken sind so zwang kürzere Fuß und über davor so rot ist da stellt sich einig heraus den Städten größer Mobilitätsbedarf der aktuellen nicht gedeckt werden kann Fußwege mag eigentlich fast niemand und deswegen bietet sich an diesen Stellen zur Spiel an Linien umzuplanen haben oder vielleicht neue Mobilitätsformen wie die Sonne zum Royal System sozusagen vielleicht in dem kleinen in dem im kleinen ganz regionalen Umfeld so zwang einzusetzen um Uhr die Erreichbarkeit in dieser Haltestellen entsprechend zu verbesserten ein Leihfahrrad System angestellt sind
Fahrzeiten sind natürlich auch sehr sehr wichtig wir haben und da wir die Carsharing Daten in München zu Verfügung haben der dort vorhanden K stellen Dienste und natürlich auch das ÖPNV-Netz habe kennen haben begonnen längere Zeit analysiert was ist denn eigentlich schneller er mit dem K schnellen Auto oder mit dem öffentlichen verkehr zum Flughafen München zu fahren das entsprechend auf die
Karte dann gelehrt kommen Sie dummerweise das aus dem Innenstadtbereich München in der Regel das Car-Sharing-Auto zum mindestens außerhalb der Stoßzeiten das schnellere Verkehrsmittel und das sind viele interessante Aspekte die zum Beispiel bei einer lang fristigen Verkehrsplanungen
schon helfen da zum Beispiel für Abhilfe zu sorgen und ganz wichtiger Punkt für
unsere Kunden ist Kapazität Prognosen zu bekommen und normalerweise ist am Passagieraufkommen schon relativ gleichförmig ja alle wollen freitags nachmittags nach Hause und alle wollen sonntags abends wieder zurück oder montags morgens am besten zu relativ Vergleichs einfache piekst die auf die man sich in gewisser Weise einstellen kann sofern man den genug Material hat rollendes Material hat um um um sich über brauche einstellen zu können was
Störung sozusagen dazukommen sind spezielle also eine große Messe er ähnliche welche Konzerte und so weiter so wir große Messe wie die Hannovermesse die haben ja auch ein ganz erwähnt gehabt die zu den Fahrplan eingearbeitet ist bekannt dass es keine Event was ein überrascht Events wenn sie ein überraschend sind verschiedene er gleichzeitig statt die wenn sie sogar durch das an unterschiedlichen Orten sind die aber gleichzeitig für Auswirkungen auf das keine Frau System die Kapazität und das ist sehr sehr wichtig mir mal
2 Beispiele aus Berlin haben Nase und der Tisch Mod Konzert unten YouTube Konzert beide im Olympiastadion und man sieht anhand der Kurven wie sich so sozusagen Tage vorher schon durch die Anfragen von Nutzern McGinniss ergibt dass da irgendwas ist ja jetzt kann man sagen ja an YouTube Konzert und der geschmort Konzert durch Mustererkennung in Anfrage Daten zu finden wo mehrere 10 Tausend Menschen in ein Fußballstadion gehen das ist jetzt zu seinem algorithmisch nicht so herausfordernd das kann man auch mit dem Exe schied wahrscheinlich hinbekommen das stimmt das interessante ist aber dass die Form der wo wir haben relativ gleichförmig ist um anhand von bestimmten Nievos 3 Tage vor dem Event durchaus die tatsächliche Reisenden Menge vorhersehen kann und da unten sieht man noch ein paar Ausschläge sind kleinere Konzerte also das ist zum Beispiel so was wie die Band Broilers vorher nicht bekannt in dem kleinen und der mit Lokation spielen oder zum Beispiel auch in den Rundfunk Orchester erst entsprechend spät und auch bei den kleineren Events ist der Verlauf der Kurve sehr sehr nicht das heißt also man kann aus diesen Anfrage fallen den Nutzern die sich überhaupt noch orientieren wollen mehrere Tage zuvor wie komme ich denn da hin kann man schon in den der
Förderungsbedarf sozusagen Tage vorher eine müssen natürlich sehr sehr wichtige Daten für für unsere für unsere Verkehrsunternehmen
insbesondere wenn die sich dann überlagern
weil man kann verschiedene Events die in einem gleichen Tag dann automatisch erkannt worden sind dahingehend nutzen dass man die auch auf dem Netz entsprechend visualisiert wo sozusagen das Überlappung von an und Abreiseverkehr auf bestimmte Linien sozusagen so zu besonders hohen Engpässen kommen was es ist nicht nur allein die maximale Anzahl der Nutzer die ihren von einem schönen Ort sein wollen sondern auch
woher sie kommen beziehungsweise wo der Abreise dahin wollen und dabei mehrere Events an einem Tag statt überlagernde sich natürlich auf Teilen des Netzes müssen sehr sehr wertvolle Informationen die man aus diesem Mustererkennung sozusagen gewinnen kann und man kann auch ganz andere
wirklich bahnbrechende Erkenntnisse gewinnen nämlich
zum Beispiel wo wohnen eigentlich die Yutu Fans und wo wohnen die Dipesh Mut Fans in Berlin aber man sieht die röter des zu der geschmort und die blaue des durch YouTube und man erkennt Westberlin ist stark in Yutu Hand und Ostberlin ist mir so verderblich Mut dafür kann damit kann das vergessen dann dem ist nicht so viel anfangen aber das sind zu Abfallprodukte die man sozusagen der aus den Erlösen nach Hause kommt für uns ganz
wichtig hat ich eingangs schon erwähnt das verkläre ÖPNV klassischerweise
auf dem Land mitzunehmen zurückgefahren es gibt man immer mehr Schüler die man schon muss fahren wollen das heißt der 2 Mantafahrer muss auch noch eingestellt wie ersetzt man aber dass für die Grundversorgung sitzen auf dem Land ich bedarf Verkehre das sieht dann
so aus der gab schon Untersuchung des Bundesministers für verkehr Bau und Stadtentwicklung 2009 im wurde also die Zukunft es bedarf Verkehrs in Deutschland er arbeitet und prognostiziert und
tatsächlich ist das auch noch der Stand lieber das verkehr Akte über und stattfindet
in anderen Regionen der Welt gibt es da er sehr dynamische Dinge die da passieren wenn man denkt immer an und solche Dienste weil die eben in der in der Öffentlichkeit stark bekannt sind aber zu Spielplatz bleibt ist der weltweit größte Bedarfs Verkehrsanbieter haben die haben pro Tag 3 Millionen Fahrten die die entsprechend vermitteln pro Tag und sind aber erst 2012 gegründet worden und dann
bei uns sieht das verkehr so aus da gibt es ja ähnliche Schiller war man anrufen muss eine Stunde vorher und so weiter allein ich glaube dass viele Studenten im Auditorium noch Wählscheibe benutzt haben das aber trotzdem noch so sein das Symbol für den Bedarfs verkehr
Dienst der dort vorhanden ist natürlich müssen diese Dienste um effizient zu sein ein gutes Angebot darzustellen und gleichzeitig für den Steuerzahler kostengünstig betriebenen müssen natürlich stark digitalisiert werden und aber dieser Stau Digitalisierung dieser Dienste ist in China und Link quasi essenziell weil wir dort sehr sehr viele die Fuse Eingangsdaten haben diese Dienste ohne die Leute in der Regel zu Hause ab das heißt der Gäste große Varianz Infarkt wünschen und haben da entsprechende vor uns haben wie viel Fahrzeuge brauche ich wann in welcher Region und da er kurzfristig Bedarf decken zu können ohne aber zu viele Fahrzeuge vorzuhalten ist ein sehr sehr essenzieller Wert und da stehen ganz am
Anfang aber aber intensiv dran und sind dann natürlich über jede Kooperation froh die sich da vielleicht er geben kann von der Auskunft von
Routinier haben zwischen Dänemark schon im ganzen Land integriert man kann das doch alles entsprechen kaufen aber in die Disposition der Fahrzeuge in der intelligenten Art und Weise ist im Moment noch nicht wirklich gelöst ja jetzt gibt es die Schritt noch zurück
wie man sie haben erwähnt ist inzwischen Siemens-Tochter das Siemens ist natürlich als großer Konzern durch das auch in der
Straßenmitte Technik stark vertreten Ampel an der Verkehrssteuerung als Anlagen und so weiter etliche auch Züge U-Bahnen und so weiter und deswegen beschäftigt sich Siemens auch mit selbstfahrenden Fahrzeugen natürlich möchte Siemens keine Fahrzeuge bauen sondern die Infrastruktur
bereitstellen damit Städte was mit selbstfahrenden Fahrzeugen gut zusammen
funktionieren da sind zum Beispiel Beispiele dass die Ampel dann eben den Fußgänger Strom der um die Ecke stattfindet denn das Uber Fahrzeug vielleicht mit seiner Videokamera gar nicht sehen kann oder der Tesla für die kenne ich um die Ecke gucken haben entsprechen schon dadurch durch Bild Erkennung analysiert wenn anders hat sich übermitteln kann ansonsten müssten zum Beispiel einfach bei zum wo ganz starke Fußgängerverkehr sind die selbstfahrenden Fahrzeuge mit sehr sehr verlangsamter Geschwindigkeit Martin können abends allein zu viel auf Basis von Radar und Lothar fassen und soll wenn aber schon die Infrastruktur um die Ecke gucken kann zum Beispiel dann kann das sicherlich viele Verkehrsfluss wesentlich beschleicht wenn und trotzdem wo Sicherheitsfaktoren wenn der ÖPNV sich komplett umstellt auf wegfahren Einzelfall Bussen also wir glauben dass Züge und U-Bahnen erhalten bleiben als Massen Beförderungsmittel auf auf starken ihnen
aber so der einzelne wusste durch die fortfährt der würde der Zukunft sicherlich durch selbstfahrende Fahrzeuge ersetzt werden und das wären sicherlich kleinere Fahrzeuge seien nicht mehr so groß wie muss wenn aber der prognostizierte Fahrgast Bedarf relativ hoch ist dann müssen wir die Meere
von diesen Fahrzeugen einsetzen und wenn die dann wiederum die einzelne Fahrzeuge mit großem abstimmten dann erfahren und hat man eigentlich er nichts gewonnen sondern er sogar Schaden angerichtet weil der Platz denn diese verschiedenen einzelne kleinere Fahrzeuge einen denen erfahren dann so zum verschenkt da gibt es sogenannte Platoon ihnen das also zum selbstfahrende
Fahrzeuge quasi digital miteinander verbunden in relativ kurzen Abstand als eine Einheit durch die Straßennetze fahren und die Technologie an der wird eben auch entsprechend im Rahmen dieses Siemens-Chef Klein-Glienicke Programms gearbeitet
genau zum Abschluss möchte ich noch nen paar
Fragen in den Raum stellen sozusagen das Wichtigste ist glaube ich dass Mobilität stark Erfahrungs- und ja man man hat dort sein eingefahrene Verhaltensmuster als als nutze und dann natürlich jetzt intelligente
Maschinen Learning Algorithmen 1 täglich ständig neue Vorschläge machen hat dann ist die Frage wie groß die Nutzerakzeptanz ist also insofern ist die Frage wie kriegen wir das hin Erkenntnisse die mit Maschinen an den Gewinnen die den Nutzer Entscheidung abnehmen gleichzeitig einzubringen mit dem Menschen der doch ein Gewohnheitstier ist er und nicht den Vorschläge bekommen muss möchte wir von A nach B kommen dann gibt es keine rechtliche Fragen gibt Fahrgastrechte wenn ich ein Produkt kaufe wohl verschiedene Verkehrsmittel in einer Verbindung dienen die Informationen über diese Verkehrsmittel sehr individualisierte wissen das dann eigentlich sozusagen mit Regress zur Forderung des Nutzers wenn es am Ende nicht funktioniert hat und wie kann ich das nachvollziehbar machen an dann sind wir natürlich er damit den Datenschutzgrundverordnung er
konfrontiert die in Konflikt stehen natürlich mit dem Wunsch möglichst viele Daten zu sammeln um die Algorithmen zu füttern am Tag kann man aber sicherlich durch intelligente Systeme Designs durchaus Abhilfe schaffen und dann ganz am Ende eine intelligente Mobilität wird sicherlich neue Mobilitätsformen erzeugen diese vielleicht auch um sehr bedarfsgerecht durchmischen einen anbieten können aber dagegen steht aber noch ein sehr analoges Personenbeförderungsgesetz was außer Zeit kommt wo es eben nur Fahrplänen und Taxen mehr und das auch die Frage wie
der Gesetzgeber das in den nächsten Jahren ermöglicht dass solche Dienste in tatsächlich auch angeboten werden können von denen wir wissen dass sie genau die Richtigen für den Buzzer und aber auch im für die Allgemeinheit das war so meine mein
Überblick ich habe gesagt es wird etwas bodenständiger sich habe mehr Anlass gegeben von Anwendungsfällen zu sprechen und weniger über die tatsächlichen Algorithmen weil wir sind tatsächlich keine externen Maschinen den aber wir die die uns auch in das Feld rein aber wir sind eben Experten dafür und Mobilitätsdienste an den Mann und unsere Verkehrsunternehmen zu bringen sofern bedanke ich mich für Aufmerksamkeit
Objektklasse
Stellenring
Virtualisierung
Momentenproblem
Verfügbarkeit
t-Test
Programm
Information
LOLA <Programm>
TAX
Streaming <Kommunikationstechnik>
Last
Apple <Marke>
Algorithmus
Programminspektion
Lokalität <Informatik>
Kanal <Bildverarbeitung>
Matroid
Koroutine
App <Programm>
Endgerät
Durchdringung
Constraint <Künstliche Intelligenz>
Verfügbarkeit
Systemidentifikation
sed
Humanoider Roboter
Biprodukt
Arbeitsplatzcomputer
Verkehrsformung
Ereignishorizont
Dichte <Physik>
Dienst <Informatik>
Software
Kombinatorik
Menge
Ein-Ausgabe
Abstrakter Automat
Server
Routing
Geschwindigkeit
Mathematische Größe
Algebraisch abgeschlossener Körper
Folge <Mathematik>
Multiplikation
Große Vereinheitlichung
Google
Sieden
Office <Programm>
Feldgleichung
Dienst <Informatik>
Maschinelles Lernen
TUNIS <Programm>
Informationsmodellierung
Flächentheorie
Fächer <Mathematik>
Abstand
Varianz
Digitalisierer
Position
Systemplattform
Detektion
Update
Binder <Informatik>
Einfache Genauigkeit
Chipkarte
TOUR <Programm>
Echtzeitsystem
Rungescher Approximationssatz
Rundung
Minimum
Ecke
Faktorisierung
Punkt
Rollbewegung
Datenanalyse
Digitalisierung
Formation <Mathematik>
Mensch-Maschine-Schnittstelle
Ecke
ASSIST <Programm>
Primzahlzwillinge
Uniforme Struktur
MAS
Router
Internetdienst
Kurvenanpassung
Druckertreiber
Multimediaprodukt
Parametersystem
Datenbus
IBM
Heuristik
Fläche
Digitalisierung
Hub <Informatik>
Hausdorff-Raum
Mustererkennung
iTunes
Netscape
Modem
Numerisches Gitter
COM
Hitze
Downloading
Information
World Wide Web
Server
Zugbeanspruchung
Strich <Typographie>
Maschinelles Lernen
Lokation <Statistik>
Prognostik
Prognose
Ungleichung
Front-End <Software>
Arbeitsplatzcomputer
Softwareentwickler
Neun
Provider
Expertensystem
Benutzeroberfläche
Kurve
make
PACE
Künstliche Intelligenz
Sun <Marke>
Randbedingung <Mathematik>
Lösung <Mathematik>
Skalarprodukt
Mono-Framework
YouTube
HMS <Fertigung>
Systems <München>

Metadaten

Formale Metadaten

Titel Intelligente Mobilität durch App, Vernetzung und Machine Learning
Serientitel Leibniz-Symposium “Maschinelles Lernen – Intelligente Digitalisierung”
Autor Sünderkamp, Stephan
Lizenz CC-Namensnennung - keine kommerzielle Nutzung - keine Bearbeitung 3.0 Deutschland:
Sie dürfen das Werk bzw. den Inhalt in unveränderter Form zu jedem legalen und nicht-kommerziellen Zweck nutzen, vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/36802
Herausgeber Technische Informationsbibliothek (TIB)
Erscheinungsjahr 2018
Sprache Deutsch

Inhaltliche Metadaten

Fachgebiet Informatik

Ähnliche Filme

Loading...
Feedback