Zurück zur Projektübersicht

Mobile Methods & Big Data im Radverkehr

Die Arbeitsgruppe an der Philipps-Universität Marburg befasst sich intensiv mit der Optimierung der Fahrradmobilität in Marburg, einer Stadt, die durch ihre geografischen Besonderheiten und Nutzungskonflikte zwischen Radfahrenden und motorisiertem Verkehr herausgefordert wird. Durch die Analyse von Daten, darunter Unfalldaten und Bewegungsmuster aus Technologien wie "Big Data" und Smartphone-GPS, zielt das Team darauf ab, kritische Verkehrspunkte und Bedürfnisse der Fahrradfahrenden zu identifizieren. Die gewonnenen Erkenntnisse sollen dazu beitragen, zukunftsfähige und bedarfsorientierte Mobilitätskonzepte für Radfahrer in der Stadt zu entwickeln.

CIM-HUB – Eine weitere WordPress-Website

Die Arbeitsgruppe, die sich mit den Herausforderungen der Fahrradmobilität in Marburg befasst, steht vor der Aufgabe, die bestehenden Unzufriedenheiten und Anforderungen der Bevölkerung aufzugreifen. Durch die Auswertung von Protesten und Initiativen, wie der „Critical Mass“-Demonstrationen und der Bürgerinitiative Verkehrswende, erkennt die Gruppe den dringenden Bedarf an verbesserten Fahrradwegen. Aufgrund der komplexen natürlichen und räumlichen Gegebenheiten Marburgs und der Nutzungskonflikte mit dem motorisierten und Pendlerverkehr ist diese Aufgabe besonders herausfordernd. Die Gruppe plant, innovative und kontextangepasste Mobilitätskonzepte für den Fahrradverkehr zu entwickeln, basierend auf Informationen über das Mobilitätsverhalten. Die aktuell verfügbaren Daten sind jedoch begrenzt und wenig aussagekräftig. Daher nutzt die Arbeitsgruppe neue Methoden und Datenquellen, wie „Mobile Methods“ und „Big Data“, um Mobilitätsverhalten zu untersuchen. Dabei wird die Möglichkeit betrachtet, GPS-Datensätze von Smartphones und andere mobile Mikrotechnologien zu nutzen, um räumliche Bewegungen abzubilden. Mit diesen umfassenden Daten plant die Gruppe, qualitativ und quantitativ fundierte Lösungen für eine Verbesserung der Fahrradmobilität in Marburg zu entwickeln.