DaKiMo

Daten und KI als Befähiger für nachhaltige, intermodale Mobilität (DaKiMo)

Das Projekt DaKiMo, welches offiziell Ende November 2021 startet, stellt einen zentralen „Enabler“ für den Umstieg auf nachhaltige Mobilität dar. Das Zielvorhaben ist es, die Nutzung von Mobilitätslösungen in der Gesellschaft gezielt zu fördern, indem das Angebot alternativer Verkehrsmittel hinsichtlich Verfügbarkeit und Planbarkeit optimiert wird.

Dabei werden Mobilitätsdatenräume geschaffen, mit denen Daten gesammelt und gebündelt werden, um hieraus über die Nutzung von künstlicher Intelligenz (KI) und des maschinellen Lernens (ML) Möglichkeiten und Bedürfnisse besser zu verstehen. Bürger:innen individuell zugeschnittene intermodale Verbindungsrouten vorzuschlagen, die nicht nur Nutzerpräferenzen, sondern u.a. auch Wetter- und Umweltdaten berücksichtigen, soll dabei im Fokus stehen.

Konsortium

An dem Forschungsprojekt DaKiMo arbeiten Partner aus der Wissenschaft der Bereiche Verkehrsforschung, Informationsmanagement, Leittechnik und Smart City/Region mit Unternehmen aus dem Mobilitätsumfeld eng zusammen. Als Experte für digitale, nachhaltige Mobilitätslösungen analysiert raumobil den Einfluss verschiedener Datensätze auf das Mobilitätsverhalten von Nutzern. Alle gewonnenen Ergebnisse und Ideen sollen dazu dienen, alternative Mobilitätsangebote nutzbar zu machen und dadurch einen maßgeblichen Beitrag zur Verkehrswende zu leisten.

Das Fraunhofer IOSB wird sein Wissen insbesondere im Bereich der Auswertung hardware-gestützter Sensordaten im öffentlichen Raum vertiefen, dazu die datenschutzsichere Erfassung von Personengruppen sowie die Bestimmung relevanter Situationsparameter durch den Einsatz maschineller Lernverfahren und künstlicher Intelligenz.

Der Fokus des Karlsruher Institut für Technologie (KIT) besteht darin, ihr Verkehrsnachfragemodell mobiTopp dahingehend zu verbessern, dass Umfelddaten integriert werden können. Insbesondere Wetterdaten haben einen starken Einfluss auf das Mobilitätsverhalten, der allerdings noch nicht ausreichend in Modellen berücksichtigt wird. Hierdurch sollen genauere Ursache-Wirkungs-Zusammenhänge nachvollziehbar werden, die bessere Prognosen erlauben.

INOVAPLAN möchte die gewonnenen Erkenntnisse für Städte und Kommune zur Verfügung stellen, um den Transfer in die Praxis zu fördern. Daher untersucht INOVAPLAN die Möglichkeiten die gewonnenen Daten in Verkehrsplanungssoftware zu integrieren.

Im Rahmen des Projekts wird die INIT die ÖV-seitige Daten so aufbereiten, dass sie den Projektpartnern zu weitergehender Analyse und Nutzung zur Verfügung stehen. Zudem sollen KI-Verfahren genutzt werden, um heterogene Datensätze zu vereinheitlichen und Datenmodelle aufeinander abzustimmen.