Ubiquitous intermodal mobility assistance.

Abstract

Globale Trends wie Urbanisierung, Digitalisierung und Klimawandel erzwingen und beschleunigen den Wandel von Mobilität. Neue Mobilitätsdienstleistungen und wachsende Verkehrsnetze erlauben Reisenden mehr Auswahl. Die Kombination von traditionellen Verkehrsmitteln wie Zügen mit neuartigen Dienstleistungen wie elektrischem Carsharing ermöglichen kostengünstige und umweltfreundliche Reisen. Wegen der hohen Komplexität solcher intermodalen Reiseketten verglichen mit traditionellen Reisen erfordern die Reiseplanung und die Durchführung jedoch Hilfestellung. Die Arbeit beschreibt, wie ein Informationssystem, das die notwendigen Informationen zur Verfügung stellt, konstruiert werden kann. Hierzu sind eine überarbeitete verteilte Architektur und Schnittstellen zwischen den entsprechenden Komponenten erforderlich. Außerdem werden Strategien benötigt, um öffentlichen Nahverkehr und Verleihsysteme wie Carsharing in Reiseketten zu kombinieren. Basierend auf diesen Ergebnissen wird gezeigt, wie Empfehlungen für personalisierte, kontextsensitive Reiserouten erstellt werden können, um die Reiseplanung zu vereinfachen. Mit einer Kombination von inhaltsbasierten und kontextsensitiven Methoden wird eine Menge von intermodalen Reiseketten anhand der Präferenzen des Reisenden sortiert. Die Evaluierung zeigt, dass Reisende die personalisierte Sortierung gegenüber einer typischen, auf der Abfahrtszeit basierenden, Sortierung bevorzugen. Außerdem konnte geschlussfolgert werden, dass eine Selbsteinschätzung ein langwieriges Anlernen des Empfehlungssystems für neue Benutzer ersetzen kann. Ein auf einem Deep Learning Modell basierendes Empfehlungssystem ergab qualitativ schlechtere Empfehlungen. Eine intermodale Reise enthält einen oder mehrere Umstiege zwischen unterschiedlichen Mobilitätsdiensten, was die Durchführung der Reise kompliziert macht. Um Reisende auf ihrem Weg zu unterstützen, wird die intermodale Reiseassistenz eingeführt, welche das Prinzip Cascading Information (kaskadierende Information) anwendet. Cascading Information bezeichnet das Prinzip, nur die aktuell relevanten Informationen dem Benutzer zu vermitteln und hierdurch die Informationsverarbeitung zu vereinfachen. Dies ist insbesondere hilfreich in Situationen, in denen der Reisende, z. B. durch Gehen, abgelenkt ist. Intermodal impliziert in diesem Zusammenhang außerdem, dass nicht nur ÖPNV unterstützt wird, sondern auch z. B. Fußgängernavigation und neuartige Dienste wie Carsharing. Reisende werden durchgängig mithilfe des Geräts, das zum jeweiligen Zeitpunkt verwendet wird, unterstützt. Dies kann z. B. während einer Busfahrt ein Smartphone, während eines Fußweges ein Wearable oder sogar das Fahrzeug sein, in dem sich der Reisende während einer Carsharing-Strecke befindet. Die Evaluierung der jeweiligen Prototypen zeigt, dass dieses Vorgehen tatsächlich die Reise vereinfacht. Zusätzlich wird gezeigt, wie Reisende in Situationen unterstützt werden, in denen die ursprünglich geplante Reise nicht mehr fortgeführt werden kann, z. B. bei Verspätungen oder Unterbrechungen der Reisekette. Außerdem wird in der Arbeit diskutiert, wie mobile Reiseinformationssysteme sinnvoll entwickelt und aussagekräftig evaluiert werden können.Global trends like urbanization, digitization, and climate change enforce and accelerate the change of personal mobility. New mobility services and growing transportation networks give travelers more choices. Combining traditional mobility services, like trains, with emerging services, like electric carsharing, enables fast, low-priced and environmental friendly journeys. Because of the high complexity of such intermodal itineraries compared to traditional travel, planning and conducting these requires assistance. In this work we describe how an information system providing the required information for intermodal traveling can be constructed. To do so, a revised distributed system architecture and interfaces between the components are required as well as strategies to combine public transportation and sharing services into intermodal itineraries. Based on these findings we show how to give personalized, intermodal route recommendations to travelers to simplify travel planning. Using a combination of content-based and context-aware recommender algorithms we sort a set of intermodal itinerary provided by intermodal travel information systems based on the traveler's preferences. The evaluation showed that a personalized travel planning is preferred over a traditional departure timebased travel itinerary sorting. Furthermore, we concluded that a short self-assessment can replace a lengthy training of the recommendation model, to give personalized recommendations to new users. A deep learning recommender rendered a lower recommendation quality compared to a plain recommender model. An intermodal journey usually includes multiple transfers between diverse mobility services, rendering the journey complex. To assist the traveler while on his or her way, we introduce the intermodal mobility assistance, applying the principle of cascading information. The cascading information principle denotes that only currently relevant information should be conveyed to the user, and by that, simplifying the information processing. This is especially helpful in situations where the traveler is distracted by, e.g., walking. Intermodal implies that not only various public transportation systems are covered but also walking directions and modern mobility schemes like carsharing. The traveler is assisted on the respective device he or she is using at a specific moment. This could be a smartphone during a bus travel, a wearable device while walking, or even a car while using a carsharing service. Evaluations of the respective prototypes show that the approach indeed simplifies traveling and therefore is feasible. In addition we show how to effectively support the traveler in situations when the initial plan cannot be continued because of delays or disruptions in the travel chain. Furthermore, we discuss on how to design and evaluate mobile travel information systems in meaningful ways.