Ableitung von Quelle-Ziel-Matrizen im ÖPNV auf Basis von WLAN- und Bluetooth-Daten

Bieland, Dominik

dc.date.accessioned	2023-07-28T10:23:07Z
dc.date.available	2023-07-28T10:23:07Z
dc.date.issued	2023
dc.identifier	doi:10.17170/kobra-202306018138
dc.identifier.uri	http://hdl.handle.net/123456789/14943
dc.description	Zugleich: Dissertation, Universität Kassel, 2022
dc.language.iso	ger
dc.publisher	kassel university press
dc.rights	Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/4.0/	*
dc.subject	ÖPNV	ger
dc.subject	Angebotsplanung	ger
dc.subject	IT-gestützte Datenerfassung	ger
dc.subject	WLAN- und Bluetooth-Daten	ger
dc.subject	Quelle-Ziel-Matrizen	ger
dc.subject.ddc	004
dc.title	Ableitung von Quelle-Ziel-Matrizen im ÖPNV auf Basis von WLAN- und Bluetooth-Daten	ger
dc.type	Buch
dcterms.abstract	Demografische und sozioökonomische Entwicklungen sowie Veränderungen im Mobilitätsverhalten führen zu weniger Zwangskunden im ÖPNV. Gleichzeitig steigt das Kundenpotential, das sich situationsabhängig für ein bestimmtes Verkehrsmittel entscheidet (multimodales Verhalten) und im Zuge der Verkehrswende werden tarifliche Maßnahmen wie Nulltarif oder Bürgertickets diskutiert, die das Potential zu einer hohen und kurzfristigen Steigerung der Fahrgastnachfrage besitzen. Informationen zur Nachfrage erhalten damit einen Bedeutungsgewinn, um die bestehenden Potentiale zu nutzen und auf ggf. kurzfristige Nachfragesteigerungen reagieren zu können. Gleichzeitig steigt der Smartphone-Besitz in Deutschland seit Jahren an. Vor dem Hintergrund, dass die meisten Smartphones regelmäßig und ohne das Zutun des Nutzers Signale aussenden, um WLAN-Netze (Wireless Local Area Network) oder Bluetooth-Geräte zu finden, fallen bei entsprechenden Routern in Reichweite entlang des realisierten Weges Registrierungs- und ggf. Nutzungsdaten an. Diese Daten besitzen das Potential in Verknüpfung mit anderen Datenquellen (AFZS) ein Gesamtbild der Verkehrsnachfrage im ÖPNV-Netz aufzubauen, das für die ÖPNV-Planung und Marketing verwendet werden kann. Diese stets aktuelle Datengrundlage kann insbesondere in den Bereichen der (Angebots-)Planung, Einnahmenaufteilung sowie Tarifkonzeption einen Mehrwert bieten. Das zentrale Ziel dieser Dissertation stellt daher die Entwicklung und Anwendung eines Verfahrens dar, das basierend auf AFZS-Daten, die in vielen Verkehrsunternehmen und -verbünden vorliegen, sowie automatisch erfassbaren Daten unterschiedlicher Quellen (WLAN- und Bluetooth-Daten) die Fahrgastnachfrage in Form von linienspezifischen Quelle-Ziel-Matrizen automatisch, mit ausreichender Genauigkeit und für lange Erhebungszeiträume, ermittelt. WLAN-Daten bezeichnen hier WLAN Probe Requests, die bei der Suche von Endgeräten nach Access Points entstehen. Bluetooth-Daten bezeichnen Inquiry-Response-Nachrichten, die als Antwort auf eine Inquiry-Nachricht durch (aktive und sichtbare) Endgeräte in der Reichweite versandt werden. Das in dieser Dissertation entwickelte Verfahren kann als Grundbaustein genutzt werden, um Quelle-Ziel-Daten abzuleiten. Zur Optimierung der Ergebnisse können weitere oder zusätzliche Datenquellen integriert werden, die eine höhere Qualität als die in dieser Arbeit genutzten WLAN- und Bluetooth-Daten besitzen. Dazu zählen Datenquellen mit eindeutigem Zuordnungsmerkmal – etwa durch Nutzung von E-Ticket-Daten oder Daten einer eigens für die Erfassung von Quelle-Ziel-Relationen der Fahrgäste entwickelten App. Da das Verfahren offen für eine Integration zusätzlicher Datenquellen ist, können auch weitere Datenquellen wie Daten aus Verbindungsanfragen, Bus- WLAN, einem stadtweiten WLAN oder Vertriebsdaten integriert werden. Die Eignung der Daten sowie deren Nutzbarkeit sind jedoch methodisch zu prüfen. Bei Nutzung mehrerer und zusätzlicher Datenquellen ist insbesondere zu prüfen, ob es sich um disjunkte Mengen an Daten einzelner Fahrgäste bzw. Endgeräte handelt. Bei der Verwendung von WLAN- und Bluetooth-Daten ist zu berücksichtigen, dass Maßnahmen zum Schutz der Privatsphäre der Smartphone-Nutzer seitens der OEM zunehmen, etwa durch die MACRandomisierung. Dies führt zu einer sinkenden Anzahl verwertbarer Daten. Aus Sicht des Autors besitzt bereits das bestehende Verfahren großes Potential – insbesondere für Anwendungsfälle, in denen lange Fahrtabschnitte (>30 Minuten zwischen Haltestellen) dominieren. Mit steigendem zeitlichen Abstand zwischen Haltestellen ist darüber hinaus davon auszugehen, dass die Erfassungsquote der Fahrgäste zwischen den Haltestellen zunimmt und damit die Genauigkeit der Zuordnung von Ein- und Ausstiegshaltestelle steigt. Weiterhin ist offen, ob eine zeitliche Aggregation, d. h. die Aggregation mehrerer Linienfahrten des gleichen Tagtyps und der gleichen Zeitschicht dazu führen können, die Güte der Verfahrensergebnisse zu verbessern. Auch xiv Kurzfassung die Verbesserung der Verfahrensgüte durch räumliche Aggregation – ggf. in Kombination mit der zeitlichen Aggregation – sind detailliert zu prüfen. Derzeit zielt das Verfahren darauf ab, Quelle-Ziel-Relationen auf Linienfahrtebene zu betrachten. Für die Angebotsplanung, wie auch für die Einnahmenaufteilung ist aber die Betrachtung von Verbundfahrten von Relevanz. Daher ist weiterhin auf Basis zusätzlicher Fahrzeugdaten oder zusätzlicher Datenquellen die Güte des Verfahrens zur Ermittlung von Umstiegen, bzw. Verbundfahrten zu prüfen.	ger
dcterms.abstract	Demographic and socio-economic developments as well as changes in the mobility behaviour led to fewer mandatory customers in public transport. At the same time, the potential of customers who choose a certain means of transport depending on the situation (multimodal behaviour) is increasing. Furthermore, tariff measures, such as zero fares or citizen tickets, are being discussed, which have the potential for a short-term increase in passenger demand. Information on the demand is thus becoming more important in order to utilize the existing potential and to be able to react to any short-term increases in demand. At the same time, smartphone ownership in Germany has been on the rise for years. Given that most smartphones regularly send out signals to find WLAN (Wireless Local Area Network) networks or Bluetooth devices without the user's involvement, the corresponding routers within range along the realized route receive registration and usage data. In combination with other data sources (APC - automatic passenger counting) these data have the potential to provide insight into the overall traffic demand in the public transport network, which can be used for public transport planning and marketing. This constantly updated data basis offers added value, especially in the areas of (service) planning, revenue sharing, and fare design. The central objective of this dissertation is therefore the development and application of a procedure which, based on already existing data in the transport companies and transport associations (APC data) as well as automatically collectable data from different sources (WLAN and Bluetooth data), automatically determines passenger demand in the form of line-specific origin-destination matrices with sufficient accuracy and for long data collection periods. WLAN data refers to WLAN probe requests that are generated when devices search for access points. Bluetooth data refers to inquiry response messages sent in response to an inquiry message by (active and visible) devices within range. Line- and day-based origin-destination matrices enable public transport operators to perform detailed evaluations broken down by day of the week and time of day. The results of which can be incorporated into the planning and operating process. At the same time, the required infrastructure equipment is cost-effective. Transport companies are thus able to collect the data independently, so that they are neither dependent on other data suppliers nor burdened by a permanent financial burden for the (recurring) purchase of data. The data capture is carried within the vehicles of different lines in the study area of the North Hessian Transport Association (lines 54, 100, 500). The buses were equipped with the technical hardware for data collection. Data privacy concerns were already taken into account when the data was collected and in all subsequent steps of the process. All WLAN and Bluetooth data collected by the vehicles, which are composed of signals from passengers and non-passengers (pedestrians, cyclists, automobile drivers, etc.), form the data basis for the approach. The approach developed in this dissertation can be used as a foundation to derive origin-destination data. To optimise the results, other or additional data sources can be integrated that have a higher quality than the WLAN and Bluetooth data used in this work. Such data sources include data with a unique mapping feature – for example, e-ticket data or data from an app specifically designed to capture passenger origin-destination relations. As the approach is open to the integration of additional data sources, other data sources such as data from connection requests, bus WLAN, a city-wide WLAN or sales data can also be integrated. However, the suitability of the data as well as its usability must be methodically checked. When using multiple and additional data sources, it must be checked in particular whether disjunctive amounts of data of individual passengers or end devices are involved. When using WLAN and Bluetooth data, it must be taken into account that measures to protect the privacy of smartphone users on the part of the OEM are increasing, for example through MAC randomisation. This leads to a decreasing number of usable data. From the author's point of view, the existing approach already has great potential for applications in which long journey segments (>30 minutes between stops) dominate. With increasing time intervals between stops, it can be assumed that the detection rate of passengers between stops increases and thus the accuracy of the assignment of boarding and alighting stops increases. Furthermore, it remains to be seen whether a temporal aggregation, i.e. the aggregation of several line trips of the same day type and the same time shift, can lead to an improvement in the quality of the process results. The improvement of the process quality through spatial aggregation - possibly in combination with temporal aggregation - must also be examined in detail. Currently, the approach aims to consider origin-destination relations at the level of line trips. However, for service planning, as well as for revenue sharing, the consideration of the entire trip of the passengers (possibly using several lines) is relevant. Therefore, the quality of the approach for determining transfers or entire trips must continue to be tested on the basis of additional vehicle data or additional data sources.	eng
dcterms.accessRights	open access
dcterms.creator	Bieland, Dominik
dcterms.dateAccepted	2022-10-22
dcterms.extent	xxxiii, 301 Seiten
dc.contributor.corporatename	Kassel, Universität Kassel, Fachbereich Bauingenieur- und Umweltingenieurwesen
dc.contributor.referee	Sommr, Carsten (Prof. Dr.)
dc.contributor.referee	Friedrich, Markus (Prof. Dr.)
dc.publisher.place	Kassel
dc.relation.isbn	978-3-7376-1120-6
dc.subject.swd	Öffentlicher Personennahverkehr	ger
dc.subject.swd	CIL	ger
dc.subject.swd	Daten	ger
dc.subject.swd	Angebot	ger
dc.subject.swd	Planung	ger
dc.type.version	publishedVersion
dcterms.source.series	Schriftenreihe Verkehr
dcterms.source.volume	Heft 35
kup.iskup	true
kup.price	39,00
kup.series	Schriftenreihe Verkehr	ger
kup.subject	Naturwissenschaft, Technik, Informatik, Medizin	ger
kup.typ	Dissertation
kup.institution	FB 16 Elektrotechnik / Informatik
kup.binding	Softcover
kup.size	DIN A5
ubks.epflicht	true