Projektbeschreibung

Aktuelle Verkehrsinformationen sind die Voraussetzung für Navigationslösungen, um die beste Route und die Fahrzeit zu bestimmen. Es gibt jedoch keine frei verfügbaren Verkehrsinformationen auf weltweiter und Bundesebene. Offene amtliche Daten sind nicht flächendeckend verfügbar. Kommerzielle Daten auf Basis einer Flotte sich bewegender Fahrzeuge sind für gemeinnützige, offene Routing-Lösungen finanziell nicht tragbar.

Ergebnisse und Wirkungen

SocialMedia2Traffic nutzt frei verfügbare Daten aus Sozialen Medien wie z.B. Twitter-Nachrichten, um daraus aktuelle Verkehrsinformationen für die Navigation zu bestimmen. Mit Hilfe von Methoden des Maschinellen Lernens wurden verschiedene Modelle trainiert, um basierend auf geokodierten Twitter- und OpenStreetMap-Daten die Verkehrsgeschwindigkeit in elf Städten weltweit vorherzusagen. Aus den Tweets wurde dabei nur die Standortinformation verwendet, ihr Inhalt oder persönliche Daten der Nutzenden wurden nicht analysiert. Nach diesem Prinzip könnten in Zukunft auch Daten aus weiteren Social-Media-Plattformen in solche Modelle integriert werden. Ergänzend dazu wurden pro Stadt auch mehrere Tausend Autofahrten basierend auf OpenStreetMap-Daten und der Bevölkerungsverteilung simuliert, um die Vorhersage in Gebieten zu verbessern, wo zu wenig Twitter-Daten verfügbar sind.

Die Verkehrsinformationen wurden anschließend testweise im freien Navigationsdienst openrouteservice integriert, um diese bei der Routenberechnung zu berücksichtigen und die Vorhersage der Ankunftszeit zu verbessern. Die Ergebnisse aus den Studiengebieten sind auf einer Web-Karte visualisiert und über die mCLOUD des BMDV zum Download verfügbar. Die Teile der Verkehrsdaten, welche für die Integration im openrouteservice aufbereitet wurden, sind über eine öffentliche API verfügbar.