ways2go, 4. Ausschreibung (2011)

BikeWave

Grünlicht für RadfahrerInnen durch selbstlernendes Routing und Assistenten am Smartphone.

Wartezeiten bedingt durch für den MIV optimierte VLSA kosten RadfahrerInnen im urbanen Raum viel Zeit und Energie und erschweren realistische Reisezeitabschätzungen in Fahrradroutern. Das Projekt BikeWave löst dieses Problem mithilfe einer Smartphone-App zur Fahrradnavigation, die durch die Analyse von GPS-Bewegungstrajektorien kontinuierlich VLSA und deren Signalprogramme erkennt und lernt. Die dadurch entstehenden Modelle sind in der Lage dem Routing geschwindigkeitsabhängige Wartezeiten zu liefern und auch Empfehlungen zu einer angepassten Fahrweise zu generieren - unabhängig von aufwändigen Schnittstellen zu Verkehrsleitzentralen.

Problematik:
Zur Wegfindung kommen bei FahrradfahrerInnen immer öfter technische Hilfsmittel aus dem Internet (anachb.at etc.) und auf dem Smartphone (Google maps etc.) zum Einsatz. Von aktuellen Fahrradroutern berechnete und tatsächliche Reisezeiten von RadfahrerInnen weichen trotz möglicher Vorgabe von Durchschnittsgeschwindigkeiten stark voneinander ab. Grund dafür ist die Varianz der gefahrenen Geschwindigkeiten in Abhängigkeit von Strecke, FahrerIn und anderen Faktoren, die größer ist als beim MIV. Zudem sind Verkehrssteuerungsanlagen nicht auf Fahrradgeschwindigkeiten optimiert. So kann eine grüne Welle für den MIV und schnelle RadfahrerInnen zur roten Welle für langsamere RadfahrerInnen werden. Für eine realistische Reisezeitabschätzung ist es im urbanen Raum vor allem notwendig, auch die Wartezeiten an Knoten mit koordinierter Verkehrssteuerung und deren Abhängigkeit von gefahrenen Geschwindigkeiten zu kennen.

Ziele:
1. Schaffen von Methoden zur probaten Erzeugung und Analyse von Bewegungslinien aus mikroskopischer Simulation und GPS-Ortung.
2. Wartezeitmodelle: Modellierung der Variabilität der Reisezeit für beliebige Routenunter Berücksichtigung statistischer Abhängigkeiten zwischen Teilstrecken.
3. Realistisches, individuelles Fahrradrouting im urbanen Raum unter Berücksichtigung der individuell bevorzugten und tatsächlich möglichen Fahrgeschwindigkeit (Level of Service, Fahrradtyp) sowie der stochastischen Verteilung von Reisezeiten.
4. Implementierung eines Assistenzsystems, das RadfahrerInnen Tipps wie „Zwischen den folgenden 2 Ampeln reicht Schrittgeschwindigkeit“ geben kann und Kontextinformationen anbietet.

Ergebnisse:
Der Prototyp der App berücksichtigt die ermittelte Reisezeitschätzung zum Finden von Alternativroutensets mit Trade-Off zwischen Reisezeit und Attraktivität. Die Route sowie ein Grüne-Welle-Assistent sollen RadfahrerInnen ermöglichen möglichst angenehm, schnell, und mit minimalen Ampelwartezeiten von A nach B zu kommen. Weitere Kontextinformationen über Energieeinsparung und Reisezeitgewinne werden generiert, um den Nutzen des Services hervorzuheben und die Anwendung auch für Vielfahrer interessanter zu machen. Durch die Nutzung von OpenStreetMap, GPS Trajektorien der Benutzerinnen, und selbstlernende Wartezeitenmodelle ist der Prototyp ortsunabhängig einsetzbar.

zurück