Ob zur Planung von flexiblen Verkehrssystemen oder zur Analyse von Schadstoffemissionen – aus Mobilfunkdaten erstellte Frequenzzählungen und Analysen helfen bereits heute, gesellschaftlichen Herausforderungen zu begegnen. Durch ein TÜV-geprüftes Anonymisierungsverfahren wird hierfür der stetige Datenstrom aus den Handynetzen von Telefónica Deutschland für smarte Städte nutzbar. Erst Anfang des Jahres hat das Fraunhofer Institut für Arbeitswirtschaft und Organisation (IAO) das Potenzial von Mobilfunkdaten für die Verkehrsplanung bestätigt.

Mobilfunkdaten aus den Handynetzen der deutschen Mobilfunkanbieter gehören zu den neuesten und umfassendsten Datenquellen, die der Verkehrsplanung in der Smart City heute zur Verfügung stehen. Im Regelbetrieb von Telefónica Deutschland etwa werden Mobilfunkdaten durch über 48 Millionen mobile Kundenanschlüsse erzeugt. Jeden Tag, wenn Handys, z.B. beim Surfen oder Telefonieren, mit den Mobilfunkzellen kommunizieren, entstehen täglich über fünf Milliarden Datenpunkte, die in aggregierter Form Bewegungsströme abbilden können.

Solche Daten stellen für gesellschaftliche und wirtschaftliche Fragen, vor allem auf dem Weg einer Stadt zur Smart City, einen großen Schatz dar. Gleichzeitig unterliegen sie dem Fernmeldegeheimnis nach dem deutschen Telekommunikationsgesetz (§ 88 TKG), das weltweit mit die strengsten Anforderungen an den Datenschutz stellt.

Unter Einhaltung der Vorgaben des TKG hat Telefónica Deutschland in Begleitung durch die Bundesbeauftragte für den Datenschutz und die Informationssicherheit über mehrere Jahre ein Anonymisierungsverfahren entwickelt, dass diese Mobilfunkdaten sicher anonymisiert und dadurch für aggregierte Analysen auswertbar macht. Dies geschieht durch die 2016 gegründete Tochterfirma Telefónica NEXT.

Nach der Anonymisierung sind Mobilfunkdaten für vielfältige Analysen einsetzbar - zum Beispiel der Verkehrsnachfrage, für die Verkehrsplanung oder auch für Handel und Tourismus

Bild 1 – Anonymisierung der Mobilfunkdaten von Telefónica Deutschland

Die diesem Verfahren zugrunde liegende „Data Anonymization Platform“ (DAP) wurde vom TÜV mit dem Siegel „Geprüfter Datenschutz“ ausgezeichnet. Wie auch bei der individuellen Befragung von Personen ist es verkehrsplanerisches Ziel, Aussagen über das Mobilitätsverhalten von Gruppen zu treffen, nicht über Einzelpersonen. Entsprechend sind in anonymisierten Mobilfunkdaten – genau wie in konventionell erhobenen Befragungsergebnissen – keine individuellen Reiserouten oder persönlichen Daten enthalten oder rekonstruierbar.

Mobilfunkdaten in der Verkehrsplanung

Die Anwendbarkeit der Mobilfunkdaten für die Verkehrsplanung hat das Fraunhofer Institut für Arbeitswirtschaft und Organisation (Fraunhofer IAO) in Stuttgart in der im Februar 2017 veröffentlichten Studie „Potenzialanalyse zur Mobilfunkdatennutzung in der Verkehrsplanung“ [1] untersucht und damit einen wichtigen Grundstein für die Nutzung von Mobilfunkdaten in der Smart City gelegt.

Prof. Anette Weisbecker, stellvertretende Institutsleiterin des Fraunhofer IAO, erklärt: „Unsere Studie zeigt, dass Mobile Network Data einen positiven Beitrag zur Verkehrsplanung leisten können. Die Daten sind zeitlich und räumlich hochaufgelöst vorhanden und ermöglichen neue Einblicke in die Einflussfaktoren des urbanen Verkehrs“ [2].

Anonymisierte Mobilfunkdaten werden in der Regel als Quelle-Ziel-Matrizen auf PLZ5-Niveao mit Modalsplit zwischen Straße, Schiene und Luft ausgegeben.

Bild 2 - Analyse von Bewegungsströmen über Mobilfunkzellen

Um das Potenzial der Mobilfunkdaten für die Verkehrsplanung zu ermitteln, verglich das Fraunhofer IAO Mobilfunkdaten (Mobile Network Data) mit existierenden Erhebungsmethoden wie beispielsweise der Befragung von Reisenden, automatischen Zählstellen oder GPS-Daten. Zudem wurden 18 Experten aus Unternehmen, Interessensverbänden, Forschung und Politik zu den Potenzialen der Daten interviewt. So sagt etwa Thomas Hachenberger, Geschäftsführer des Verkehrs- und Tarifverbundes Stuttgart: „Mit Hilfe der Mobilfunkdaten wäre es möglich, kontinuierliche Informationen zur allgemeinen Verkehrsnachfrage zu gewinnen. Damit könnten wir unsere eigenen manuellen Verkehrserhebungen, die wir in größeren Abständen durchführen, ergänzen. Ein Vorteil dabei wäre, dass wir Kosten für punktuelle Erhebungen – beispielsweise bei bestimmten Ereignissen – einsparen könnten“ [2].

Zur Verdeutlichung der heute schon bestehenden Möglichkeiten von Mobilfunkdaten führt das Fraunhofer IAO beispielhafte Analysen für die Stadt Stuttgart mit anonymisierten Daten von Telefónica Deutschland durch. Kurzfristig können Mobile Network Data dazu dienen, bestehende Verkehrsmodelle zu prüfen und zu ergänzen. Mittelfristig ermöglicht die weitere Entwicklung von speziellen Algorithmen und Modellen eine bessere Planung von Mobilitätssystemen sowie neue Erkenntnisse für den Personenverkehr. „Das beträchtliche Potenzial von Mobile Network Data kann nur durch das begleitende Angebot entsprechender Analysewerkzeuge realisiert werden“, fassen die Autoren Alexander Schmidt und Tobias Männel zusammen [1].

Die Stuttgarter Forscher haben mithilfe der Daten von Telefónica Deutschland, unterstützt durch den Schweizer Analysepartner Teralytics, untersuchen können, wie sich lokale Ereignisse auf den Verkehr im Großraum auswirken. Für das Frühlingsfest auf dem Cannstatter Wasen weist die Analyse eine Erhöhung des Zielverkehrs um bis zu 40 Prozent im Vergleich zu einer Referenzwoche außerhalb der Volksfestzeit aus. Die hohe zeitliche Auflösung der Daten ermöglicht untertägige Analysen, bei denen die Daten stundenfein zwische­­n der Referenzwoche und dem Frühlingsfest verglichen werden. Die zusätzlichen Wege entfallen insbesondere auf die späten Nachmittage der Wochentage; freitags und samstags dehnen sich die Rückreisen bis in die frühen Morgenstunden aus [1]. Weitere externe Einflussfaktoren auf die Größe des Besucherstromes, die in der Betrachtung exemplarisch herangezogen werden, sind das Wetter (Niederschläge) und ein Feuerwerkstermin.

Sonderereignisse im Verkehr lassen sich mit anonymisierten Mobilfunkdaten gut betrachten, da die Erhebung durchlaufend erfolgt und die Analyse auch rückwiirkend möglich ist.

Bild 3: Einfluss von Wetter und Sonderereignissen. Sonderereignisse im Verkehr lassen sich mit anonymisierten Mobilfunkdaten gut betrachten, da die Erhebung durchlaufend erfolgt und die Analyse auch rückwiirkend möglich ist.

Die räumliche Auflösung der Daten bewegt sich innerstädtisch auf der Ebene so genannter KGS14-Zonen, welche durchschnittlich ca. 400 Haushalte pro Zone umfassen. So ergibt die Analyse zum Beispiel, dass überdurchschnittlich viele Menschen aus dem Stuttgarter Nordosten und dem Gebiet Vaihingen (Nord)/Büsnau anreisen, wo es viele Studentenwohnheime gibt.

Der Detailgrad der Datenanalyse zeigt sich vor allem im Vergleich mit einer weiteren öffentlichen Veranstaltung, dem Stuttgarter Weindorf, das die Innenstadt um zahlreiche Stände mit regionalen Weinen und Spezialitäten bereichert. Im Gegensatz zum Cannstatter Frühlingsfest erzeugt das Weindorf keinen signifikanten zusätzlichen Verkehr in Richtung Stuttgart-Mitte (PLZ 70173). Stattdessen verdeutlicht die Analyse (Bild 4), dass sich während der Weindorf-Wochen die An- und Abreisezeiten in das Gebiet zeitlich nach hinten verschieben, was vor allem ab 13 Uhr deutlich wird. „Diese Verschiebung indiziert, dass vor allem Bewohner und Pendler des Innenstadtbezirkes ihren Feierabend und Samstag im Weindorf verbringen“ [1].

Bild_4_FraunhoferStudie_Abb12.png

Bild 4: Verkehrsaufkommen in der Stuttgarter Innenstadt während und außerhalb des Weinfests

Bild_5_FraunhoferStudie_Abb13.png

Bild 5: Einzugsgebiet des Stuttgarter Weindorfs

Da es sich bei den Arbeitsplätzen in Innenstädten zu einem großen Anteil um Bürojobs handelt, sollten sich die vorrangigen Einzugsgebiete des Weindorfes erheblich von dem durch Arbeiter und Studenten geprägten Cannstatter Frühlingsfest unterscheiden“, schließen Männel/Schmidt. Tatsächlich zeigen die Daten überdurchschnittliche Anreisen aus den bürgerlich geprägten, südlichen Stadtteilen Degerloch, Möhringen und Sillenbuch sowie aus dem benachbarten Stuttgart-Feuerbach (Bild 5) [1].

Bewertung neuer Mobilitätskonzepte

In der Smart City ist es anhand von Mobilfunkdaten zum Beispiel kurzfristig möglich, Zubringerlinien im ÖPNV sowohl für entsprechend stärker nachgefragte Routen als auch zeitlich anzupassen. Mittel- und längerfristig lassen sich Verkehrssysteme für komplette Städte nachfrageorientiert überdenken, wie eine Untersuchung mit der Mitfahr-App „flinc“ für das Stadtgebiet Hamburg zeigt. [3] Auf Basis der anonymisierten Mobilfunkdaten von Telefónica NEXT untersucht flinc die Auswirkungen eines haltestellenbasierten Shuttle-Systems für die Hansestadt, das Passagiere durch einen Algorithmus auf die Fahrzeuge mittels Pooling verteilt. Ziel des Systems ist nichts weniger, als den motorisierten Individualverkehr komplett zu ersetzen – und das bei Wartezeiten von unter fünf Minuten nach Bestellung einer Fahrt.

Hamburg kämpft bereits jetzt mit akuter Parkplatznot für die mittlerweile 761655 zugelassenen Pkw [4], die im Schnitt 23 Stunden pro Tag ungenutzt bleiben [3] und dadurch wertvollen Platz einnehmen. Basis der Untersuchung ist eine über zwei Monate aus Mobilfunkdaten ermittelte Quelle-Ziel-Matrix mit rund 35 Millionen Fahrten im Stadtgebiet Hamburg, unterteilt nach Stunden und Postleitzahlen, wohingegen herkömmliche umfragebasierte Erhebungsmethoden einen deutlich kleineren Datensatz mit einigen tausend Fahrten erzeugen.

Die Untersuchung ergibt, dass mit einem Sicherheitspuffer für Ausfälle, Unwetter, etc. rund 22000 Shuttles nötig wären, um alle innerstädtischen Fahrten abzudecken. Dies entspricht einer Reduzierung des Fahrzeugbestandes um rund 97 Prozent. So könnte Hamburg als Smart City mit Shuttle-System deutlich mehr Lebensqualität für seine Bürgerinnen und Bürger erreichen, was Flächenverbrauch, Wartezeiten im Stau, Lärm- und Schadstoffemissionen sowie weitere Kenngrößen betrifft [3], und so auch der Stadtplanung neue Spielräume eröffnen.

Messung von Schadstoffemissionen

Auch die Reinhaltung der Luft lässt sich mit Mobilfunkdaten-basierten Analysen unterstützen, wie ein Pilotprojekt von Telefónica NEXT, Teralytics und der South Pole Group mit der Stadt Nürnberg zeigt, das vom EU-Programm Climate-KIC im Rahmen des „Low Carbon City Lab“ (LoCaL) gefördert wird (Bild 6) [5]. Hier konnten die Projektpartner über zwei Monate 1,2 Millionen Wegstrecken in Form einer Quelle-Ziel-Matrix ermitteln und daraus mit Hilfe eines Dispersionsmodells die Schadstoffbelastung, indem sie auch zusätzliche Informationen über Schadstoffe des Umweltbundesamtes zu einzelnen Verkehrsträgern sowie Wetterdaten miteinbezogen. Durch den Vergleich mit vorhandenen Messwerten aus Nürnberg konnte die Genauigkeit der Methode gut überprüft werden. So zeigte sich beispielsweise, dass die durch stationäre Messstationen bekannte Luftqualität in der Nürnberger Stadtmitte sich mit den Berechnungen auf Grundlage der Mobilfunkdaten annähernd deckt [6].

Bild_6_o2-infograph-Luftverschmutzung__ (2).png

Bild 6: Schematischer Vergleich von Emissionsmessungen

Climate-KIC hat die Förderung bereits für ein Folgeprojekt verlängert, in dem die Methodik bis Ende 2017 weiterentwickelt wird, um Städten neue Möglichkeiten im Kampf gegen Luftverschmutzung und Smog zu geben.

Datenschutz in der Smart City

Analysen großer Datenbestände (Big Data) bergen für Anwendungen in der Smart City ein immenses Potenzial. Um dieses Potenzial zu nutzen, müssen die Bürgerinnen und Bürger allerdings nachvollziehen können, welchen Nutzen ihre Daten stiften können, wer sie verwenden darf und vor allem, wie ihre Privatsphäre dabei gewährleistet bleibt. Die Datensouveränität des Einzelnen inklusive Wahlmöglichkeiten ist dabei eine Voraussetzung. Telefónica Deutschland etwa bietet Mobilfunkkunden die Möglichkeit, sich auch von der anonymisierten Datenanalyse ausnehmen zu lassen, und geht damit über gesetzlich vorgegebene Datenschutzerfordernisse hinaus.

Das gewählte dreistufige Anonymisierungsverfahren der DAP macht es selbst für Mitarbeiter unmöglich, aus den Daten Rückschlüsse auf Einzelpersonen zu ziehen. Die anonymisierten Daten werden je nach Fragestellung aggregiert und transformiert, das heißt nur als Gruppensegmente je nach Fragestellung ausgegeben und ggf. mit weiteren Datenquellen, z.B. Zensusdaten, verschnitten.

Die Untersuchung anonymisierter Daten bietet gerade für neuartige und innovative Anwendungen der Datenanalyse, wie sie für die Smart City unterstellt werden können, den Vorteil, dass auch explorative Analysen datenschutzkonform möglich sind. Die EU-Datenschutzgrundverordnung wird die Verwendung nicht anonymisierter, personenbezogener Daten ab 2018 weiter deutlich einschränken.

Fazit/Ausblick

Mobilfunkdaten in anonymisierter Form stellen einen Datenstrom für Smart Cities dar, der vielfältige Anwendungsmöglichkeiten bietet. Erfolgreich erprobt ist der Einsatz für verkehrsplanerische Zwecke, sowohl was den öffentlichen als auch den Individualverkehr betrifft. Methoden zur einfachen Emissionsmessung in der Stadt sind in Grundzügen vorhanden und werden aktuell weiterentwickelt. Um dieses Potenzial zu nutzen, müssen die Bürgerinnen und Bürger allerdings nachvollziehen können, welchen Nutzen ihre Daten stiften können, wer sie verwenden darf und vor allem, wie ihre Privatsphäre dabei gewährleistet bleibt.

Neben der oben am Beispiel der Stadt Stuttgart beschriebenen Angebotsanpassung und -optimierung können Mobilfunkdaten generell im Rahmen der Infrastrukturplanung eingesetzt werden. Mit Hilfe von Verkehrsaufkommensanalysen in einem bestimmten Korridor kann der Bedarf für neue Infrastrukturen ermittelt und eine anschließende Evaluation der gebauten Infrastrukturen durchgeführt werden. Letzteres gilt auch für die Bewertung der Wirksamkeit von Verkehrsbeeinflussungsmaßnahmen und neuen Mobilitätskonzepten. So kann die Situation vor und nach deren Einführung untersucht und verglichen werden, und zwar relativ zeitnah und kostengünstig im Vergleich zu klassischen Erhebungsmethoden mit Fragebögen und Interviews.

Zusätzlich denkbar ist die Nutzung von Mobilfunkdaten zur Validierung bestehender Verkehrsmodelle, welche ebenfalls meist auf recht teuren Befragungen mit mehr oder minder großen Stichproben beruhen. Umfangreichere Befragungen werden aufgrund der anfallenden hohen Kosten lediglich in Intervallen von mehreren Jahren durchgeführt. Dahingegen stehen Mobilfunkdaten binnen kurzer Zeit zur Verfügung, sobald Änderungen im Verkehrssystem vorgenommen werden.

Perspektivisch ermöglichen Mobilfunkdaten eine Längsschnittbetrachtung auf das Mobilitäts- und Verkehrsverhalten, da dynamische Daten für einen längeren Zeitraum vorliegen. Bisher wenig untersucht ist der Bereich des Personen-Fernverkehrs, wo Mobilfunkdaten, vor allem bei größeren Distanzen, nützliche Ergebnisse liefern können. Im Sinne einer nachhaltigen Entwicklung der Städte können darüber hinaus Verlagerungspotentiale vom motorisierten Verkehr auf den Umweltverbund, d.h. auf den ÖPNV, Rad- und Fußverkehr, analysiert werden.

Titel_TranCit_3_2017-212x300.jpg

Dieser Fachbeitrag wurde zuerst in Transforming Cities Ausgabe 3/2017 "Urbane Kommunikation" veröffentlicht. Die Ausgabe kann beim Verlag als Einzelheft bestellt werden.

 

Literatur:

[1] Männel, T; Schmidt, A.: Potenzialanalyse von Mobilfunkdaten in der Verkehrsplanung. Fraunhofer Institut für Arbeitswirtschaft und Organisation IAO (2017). (letzter Zugriff: 14.07.2017)

[2] Fraunhofer IAO (2017): Smarte Datenanalyse für Verkehr in Stuttgart. (letzter Zugriff: 14.07.2017)

[3] Frick, C.; Heß, S.; Keck, M. (2016): Erneuerung der städtischen Mobilität – Wie kann ein Shuttle-System den kompletten motorisierten Individualverkehr in Hamburg ersetzen? flinc GmbH. (letzter Zugriff: 14.07.2017)

[4] Statistisches Amt für Hamburg und Schleswig-Holstein (2017): Statistische Berichte. Kraftfahrzeuge in Hamburg 2015/2016. (letzter Zugriff: 14.07.2017)

[5] Climate-KIC: Innovative monitoring of CO2 for transport (IMC4T). (letzter Zugriff: 14.07.2017)

[6] Telefónica Deutschland (2017): Analyse der Luftqualität mit Mobilfunkdaten erfolgreich erprobt. (letzter Zugriff: 14.07.2017)