Forschungsprojekt 5G-Libra

5G als Treiber für die Zukunft der Mobilitätsforschung

Invenium ist dank langjähriger Erfahrung in der Datenanalyse ein kompetenter Partner für Mobilitätsanalysen auf Basis von Mobilfunksignalisierungsdaten. Unser Anspruch ist es, stets an den neuesten technologischen Entwicklungen anzuknüpfen, um die bestmöglichen und zukunftsweisenden Lösungen bereitzustellen.

Mit der Einführung des derzeit modernsten Mobilfunkstandards 5G eröffnen sich neue Chancen der Bewegungsstromanalysen und präzisen Mobilitätserfassung auf Basis der täglich aufgezeichneten Mobilfunktrajektorien. Unser Ziel war es, das Potenzial dieses Netzstandards zu erschließen und dessen Anwendungsmöglichkeiten zu evaluieren. 

Als Projektkoordinator standen wir an vorderster Front der Forschung im Rahmen des Projekts 5G-Libra, dass genau diese Chancen wissenschaftlich analysierte. Gemeinsam mit unserem Projektpartner der Technischen Universität Graz und mit finanzieller Unterstützung der Österreichischen Forschungsförderungsgesellschaft (FFG) durch das geförderte Programm Breitband Austria 2030: GigaApp konnten wir das Projekt erfolgreich abschließen.

Neuer Mobilfunkstandard: Innovation für eine intelligente Verkehrsplanung

Die zunehmende Verbreitung der 5G-Technologie verspricht nicht nur schnellere Datenübertragungen, sondern auch eine deutlich präzisere Erfassung und Analyse von Mobilitätsdaten. Durch kleinere Funkzellen und geringere Latenzzeiten kann 5G die Ortsgenauigkeit von Mobilfunkdaten erheblich verbessern und steigert damit die erzielbare Qualität datenbasierter Verkehrsanalysen. Eine flächendeckende Einführung von 5G eröffnet vielversprechende Anwendungsfälle, die durch die erhöhte Datenqualität und -kapazität erst möglich werden.

Bereits heute werden Mobilfunkdaten genutzt, um Verkehrsströme zu analysieren und das Reiseverhalten besser zu verstehen. Allerdings bestehen nach wie vor Herausforderungen bei der sicheren Identifikation der genutzten Verkehrsmittel direkt aus den Mobilfunktrajektorien. Im Rahmen des Forschungsprojekts 5G-Libra wurden deshalb innovative Methoden zur Verkehrsmittelerkennung entwickelt, um einerseits die Voraussetzungen für eine nachfragegestützte Mobilitätsplanung im ländlichen Raum zu optimieren und andererseits auch die Schnittstellen an Umstiegspunkten zum Öffentlichen Personennahverkehr besser erfassen zu können. 

Übergeordnetes Ziel im gegenständlichen Forschungsprojekt war es, die Vorteile der 5G-Technologie gegenüber dem 4G-Standard zu untersuchen und neue Ansätze für eine präzisere Erkennung von Bahn-, Bus- und Individualverkehr zu entwickeln. Im Zuge des Projekts wurde hierfür ein Analysewerkzeug entwickelt und in ein prototypisches Dashboard integriert. Dieses ermöglicht nicht nur die Identifikation von Verkehrsmitteln auf Basis von Mobilfunkdatentrajektorien, sondern kann auch synthetische 5G-Daten generieren, um so unterschiedliche Genauigkeiten (z.B. Stand Alone vs. Not Stand Alone 5G-Standard) abzubilden.

Besseres Verkehrsmanagement durch präzisere Daten

Mobilfunkdaten sind bereits etabliert, um großräumig und zeitlich flexibel Quell-Ziel-Beziehungen zu analysieren und die Verkehrsplanung mit fundierten Daten zu unterstützen, um unter anderem auch Verkehrsnachfragemodelle erstellen und kalibrieren zu können. Allerdings gibt es weiterhin Defizite bei der direkten Identifikation der verwendeten Verkehrsmittel aus den Mobilfunkdaten. Bisher erfolgt diese oft nachgelagert durch zeit- und kostenintensive Erhebungen und Befragungen. Das Projekt 5G-Libra bietet nun die Möglichkeit, diese Lücke zu schließen und die Verkehrsmittelerkennung direkt aus der Quelle der Mobilfunktrajektorien abzuleiten.

Im Zuge einer projektbegleitenden Messkampagne wurden Mobilfunktrajektorien aufgezeichnet und dienten als annotierter Datensatz, auf Basis dessen spezifische Genauigkeitsanalysen stattfinden konnten, um die Unterschiede zwischen 4G- und 5G-Trajektorien im Betrachtungsgebiet analysieren zu können.

Die Untersuchung ergab, dass der Bahnverkehr bereits mit 4G-Daten gut identifizierbar ist, insbesondere durch die Berücksichtigung von Fahrplänen und Bahnhofsstandorten bei der Verkehrsmittelerkennung. Der Einsatz von 5G führte hier zu keiner signifikanten Verbesserung. Anders verhält es sich bei der Bus-Erkennung. Während die Genauigkeit mit 4G-Daten noch ausbaufähig war, verbesserte sie sich durch den Einsatz von 5G-Trajektorien erheblich. Zusätzliche Berücksichtigung von Fahrplänen, insbesondere Echtzeitdaten über Verspätungen, könnte die Verkehrsmittelerkennung weiter optimieren. 

Die größten Herausforderungen zeigten sich bei der Erkennung des Individualverkehrs, sowohl des motorisierten als auch nicht-motorisierten Verkehrs. Ein besonders großes Potenzial für weitere Verbesserungen liegt hier in der Anwendung von vertieften Map-Matching-Methoden, um den tatsächlichen räumlichen Verlauf von Wegen präziser zu rekonstruieren und damit die Reiseweiten und -geschwindigkeiten präziser in der Modus-Unterscheidung berücksichtigen zu können.

Ein Erfolg für die Mobilitätsforschung

Das Projekt 5G-Libra hat eindrucksvoll gezeigt, dass 5G einen erheblichen Beitrag zur Präzisierung von Verkehrsanalysen leisten kann. Besonders für den öffentlichen Verkehr ergeben sich vielversprechende Verbesserungen in Punkto einer erhöhten Zuverlässigkeit in der Verkehrsmittelerkennung auf Basis von Mobilfunktrajektorien. 

Das entwickelte Dashboard zur Verkehrsmittelerkennung und die dadurch erzielten Ergebnisse und Erkenntnisse unterstützen insbesondere auch die Verbesserung der Angebote des öffentlichen Verkehrs im ländlichen Raum, um die Mobilitätsnachfrage besser in der Angebotsplanung berücksichtigbar zu machen. Dabei können detaillierte Analysen der verkehrsmittelspezifischen Mobilitätsnachfrage im Untersuchungsgebiet die Planenden in der Optimierung von Angeboten des öffentlichen Verkehrs unterstützen.

Mit 5G-Libra wurde ein entscheidender Schritt in Richtung smarter Verkehrsanalysen und optimierter Mobilität gemacht – ein Erfolg für Forschung, Infrastrukturplanung und letztlich alle Verkehrsteilnehmenden.