Ride-sharing and micromobility in intermodal transportation : data-driven integration, assessment, and facilitation of mobility as a service

Schwinger, Felix Clemens; Jarke, Matthias; Ziefle, Martina; Rose, Thomas

doi:HT030809100

Ride-sharing and micromobility in intermodal transportation : data-driven integration, assessment, and facilitation of mobility as a service

Schwinger, Felix Clemens^RWTH*

2024

Verantwortlichkeitsangabevorgelegt von Felix Clemens Schwinger, M.Sc.

ImpressumAachen : RWTH Aachen University 2024

Umfang1 Online-Ressource : Illustrationen

Dissertation, RWTH Aachen University, 2024

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Jarke, Matthias (Thesis advisor)^RWTH* ; Rose, Thomas (Thesis advisor)^RWTH* ; Ziefle, Martina (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2024-07-17

Online
DOI: 10.18154/RWTH-2024-07095
URL: https://publications.rwth-aachen.de/record/990039/files/990039.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
data science (frei) ; machine learning (frei) ; micromobility (frei) ; mobility as a service (frei) ; spatio-temporal analysis (frei) ; time series analysis (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Informations- und Kommunikationstechnologien haben zu einem breiten Angebot von Smartphone-gestützten Mobilitätsdiensten wie Car-, Bike-, Scooter- und Ride-Sharing geführt. Die Kombination und Integration dieser Dienste ermöglichen intermodale Reisen, welche Reisenden mehr Flexibilität und Individualisierbarkeit versprechen, erfordern jedoch Verbesserungen auf mehreren Ebenen: Mangelnde technische Lösungen für einen Informationsaustausch zwischen Mobilitätsanbietern erschweren deren Zusammenarbeit; die Auswirkungen intermodaler Verkehrsnetze sind nur unzureichend untersucht, was eine intelligente Verteilung verfügbarer Mobilitätsressourcen erschwert; und intermodale Reisende werden durch die zunehmende Heterogenität potentiell überfordert. Gleichzeitig ist der Status quo autozentrierter Verkehrssysteme unzureichend, da Klimawandel und Urbanisierung die Notwendigkeit für eine rasche Dekarbonisierung und Effizienzsteigerung im Verkehrssektor beschleunigen. Als Lösung dieser Herausforderungen wurde Mobility as a Service (MaaS) vorgeschlagen, indem es Mobilitätsdienste verschiedener Anbieter auf einer Plattform nahtlos integriert. Intermodale Reisen mit MaaS erlauben es, die Vorteile jedes Mobilitätsmodus zu nutzen und dadurch die Lücke zwischen privaten Autoreisen und öffentlichen Verkehrsmitteln zu schließen. Wir verwenden Design Science als Forschungsansatz, um die Akzeptanz von MaaS zu untersuchen. Hierfür haben wir drei Hauptproblembereiche herausgearbeitet: i) die Integration zwischen Mobilitätsanbietern; ii) die Bewertung der Auswirkungen von MaaS auf das Verkehrsnetz; und iii) die Unterstützung von MaaS durch neue Nutzerschnittstellen für Reiseinformationssysteme. Für jeden Bereich erstellen, demonstrieren und evaluieren wir Artefakte auf Basis von realen Anwendungsfällen. Für die fehlende Integration zeigen wir, dass aktuelle MaaS-Anwendungen nicht alle Mobilitätsformen abdecken. Zusätzlich erfordert eine Integration hochpräzise Daten, was wir mit Algorithmen zur Verbesserung der Datenprognosen angehen. Für den zweiten Problembereich fanden wir heraus, dass ein Mangel an historischen Mobilitätsdaten die Analyse von MaaS erschwert. Unser Ansatz leitet die erforderlichen Daten aus öffentlichen Quellen ab und unterstützt so eine Bewertung intermodaler Verkehrsnetze. Für die Unterstützung von MaaS entwerfen wir zwei natürlichsprachliche Schnittstellen zur Ergänzung von herkömmlichen Reiseinformationssystemen. Unsere Forschung unterstützt den Umgang mit den Auswirkungen der digitalen Transformation im Mobilitätsbereich wie folgt: i) Die Integration von autonomem Ride-Sharing in MaaS erfordert die strikte Einhaltung der ganzheitlichen Mobilitätsdienstleistungskette und zeigt damit ihre weitreichende Anwendbarkeit; ii) die neuartigen Prognosealgorithmen verbessern die Informationsgrundlage für die intermodale Reiseplanung und erhöhen damit die Resilienz von Reisen; iii) unsere Bewertung der Reisecharakteristiken von Mikromobilität und des öffentlichen Verkehrs zeigen Hinweise für ihre komplementäre Nutzung; und iv) die proaktiven und kontextübergreifenden natürlichsprachlichen Schnittstellen unterstützen Nutzende beim Finden von Mobilitätsangeboten und ergänzen traditionelle Reiseinformationssysteme. Insgesamt leistet unsere Forschung einen wichtigen Beitrag zu der Vision, ein nahtloses intermodales Verkehrsnetz zu kreieren.

Information and communication technology has led to a wide range of smartphone-based mobility services, including car-, bike-, scooter-, and ride-sharing. Combining these services into intermodal journeys promises more flexibility and customizability to travelers. However, this combination is challenging and requires improvements at several levels: The lack of a technical ability for mobility providers to share information hinders their cooperation, the impact of intermodal transportation networks is poorly understood and inhibits an intelligent distribution of available transportation resources, and the increasingly heterogeneous nature of intermodal journeys easily overwhelms travelers. Meanwhile, the status quo of car-centric transportation systems is inadequate, as climate change and urbanization have accelerated the need for rapid decarbonization and increased efficiency in the transportation sector. Thus, Mobility as a Service (MaaS) has been proposed as a solution that addresses these challenges by seamlessly integrating mobility services across different providers into a single platform. Hence, MaaS-driven intermodal journeys promise to leverage the benefits of each mobility mode to fill the gap between individual car and public transportation journeys. To study MaaS adoption, we employed the design science research paradigm, revealing three main problem areas: i) The integration among mobility providers; ii) the assessment of the impact of MaaS on the transportation network; and iii) the facilitation of user-interaction concepts for travel information systems. For each problem area, we produce, demonstrate, and evaluate artifacts of real-world use cases, illustrating the advantages for different stakeholders to support the creation of a seamless intermodal transportation network. For the lack of integration, we show that MaaS applications have yet to accommodate all mobility modes. Since a seamless integration requires highly accurate data, we propose approaches to improve the providers’ data forecasts. As for the second problem area, we observe that a lack of historical data impedes the analysis of MaaS. We tackled the issue by developing an inference approach for the necessary data from openly available sources, thereby supporting the investigation of intermodal transportation networks. Finally, as MaaS changes how people conduct their daily mobility, we design two natural language interfaces that complement traditional travel information systems, thereby reducing the burden of intermodal journey planning. Our research supports the management of the impact of the digital transformation as follows: i) The integration of autonomous ride-sharing into MaaS requires a strict adherence to the holistic mobility service chain, thus demonstrating its extensive applicability; ii) the novel forecasting algorithms serve as an improved information base for intermodal journey planning, thereby increasing the resilience of transfers; iii) our micromobility assessment compares the travel characteristics of micromobility with those of public transportation in a data-driven manner, which allowed us to find evidence for their complementary use; and iv) the proactive and context-overarching natural language interfaces support users in exploring mobility offers and complement traditional travel information systems. Overall, our research contributes significantly to the vision of enabling a seamless intermodal transportation network.

OpenAccess:
PDF
(zusätzliche Dateien)