Smart Data for Mobility

Das Projekt „SD4M – Smart Data for Mobility“ entwickelt eine branchenübergreifende Serviceplattform, die einerseits die Daten der unterschiedlichen Mobilitätsanbieter und andererseits Social Media Daten integriert und diese den verschiedensten Nutzern aufbereitet zur Verfügung stellt.

Die Big Data Analytik Plattform bietet die Basis für ein intelligentes Datenmanagement und die Grundlage für vielfältige multimodale Smart Mobility Services. Die SD4M-Plattform wird
  1. Mobilitätsdienstleistern helfen, ihre Prognose, Planung und Auslastung zu optimieren,
  2. einen deutschlandweiten Mobilitäts-Überblick bieten,
  3. Reisenden durch die Integration aktueller Meldungen und das Vorschlagen von Alternativen die Erreichung ihres Ziels erleichtern,
  4. durch standardisierte Schnittstellen die Grundlage für neue Mobilitätsservices und Technologien bieten, und
  5. als Integrationsplattform das Datenökosystem Mobilität befördern.

Das Projekt „Smart Data for Mobility“ wird im Rahmen des BMWi-Technologieprogramms „Smart Data - Innovationen aus Daten“ gefördert.

Projekt

1. Problemstellung und Hintergrund

Der Mobilitätssektor stellt ein anschauliches Beispiel für die wirtschaftlichen und gesellschaftlichen Potenziale neuer datenzentrierter Technologien und Geschäftsmodelle dar. Wie in kaum einer anderen Branche bedingen sich wechselseitig Aspekte der individuellen Freiheit von Bürgern und Unternehmen, um sich selbst, andere Personen oder Güter im öffentlichen Raum zu bewegen sowie der gesellschaftlichen Verantwortung, die Umweltauswirkungen und den Ressourcenverbrauch der Mobilität möglichst gering zu halten. Die neuen Möglichkeiten einer geschwindigkeitsorientierten Verarbeitung von Planungs-, Bestands- und Sensordaten eröffnen heute gänzlich neue Perspektiven für die individuelle sowie gesamtgesellschaftliche Optimierung von Mobilitätsangeboten. 
Entsprechende IT-Lösungen und Geschäftsmodelle sind jedoch mit hohen technischen Herausforderungen verbunden. So kann beispielsweise die starke Kopplung zwischen einzelnen Unternehmen und Verkehrsträgern (Luft, Schiene Straße) in getrennten Planungs- und Prognosesystemen einzelner Unternehmen derzeit kaum noch sinnvoll abgebildet werden, da diese nicht in der Lage sind, auf kurzfristige Veränderungen im gesamten Ökosystem der Mobilität (z.B. Streik oder Naturkatastrophe) adäquat zu reagieren. 

2. Vision und Zielsetzung

Das Ziel des SD4M-Vorhabens ist die Entwicklung eines Daten-Ökosystems für multimodale Smart Mobility Services auf der Basis einer Big Data Analytik Plattform. Die SD4M-Plattform ist damit die Basis für ein intelligentes Datenmanagement zur Auslastungs-, Planungs- und Prognoseoptimierung von Mobilitätsdienstleistern sowie zur individuellen flexibleren Preisgestaltung und Serviceoptimierung für Reisende. Dabei sind folgende Teilziele zu erreichen: 
  1. Datenaggregation, -strukturierung, -veredelung und -verkauf: Das zentrale Wertschöpfungsnetz der SD4M-Plattform soll in der Zusammenführung von Datenquellen unterschiedlicher Unternehmen und öffentlich verfügbarer Daten, deren Strukturierung (semantische Interoperabilität) und intelligenter Veredelung bestehen. Der Zugriff auf diese Daten kann perspektivisch kostenpflichtig gestaltet werden.
  2. Prognostik und Optimierung als Premium-Dienstleistung: Es sollen auf der SD4M-Plattform Prognostik- und Optimierungsmodule implementiert werden, welche die spezifischen Fragestellungen der Projektpartner aus dem Mobilitätsbereich lösen. Diese Module werden von Anfang an so konzipiert, dass sie für beliebige Unternehmen aus dem Mobilitätssektor anwendbar sind, bzw. dass die notwendigen Anpassungen gering ausfallen. Die Nutzung dieser Module kann als eine kostenpflichtige Premium-Dienstleistung der SD4M-Plattform konzipiert werden.
  3. Dienstleistungen von Drittanbietern auf Basis der SD4M-Plattform: Die SD4M-Plattform ist als Zentrum eines Daten-Ökosystems so angelegt, dass sie für Datenanalytik-Dienstleister mittels standardisierter Schnittstellen offen steht. So könnten künftig beispielsweise unabhängige Analyse-Spezialisten ohne eigene historische Datenbestände die Plattform als Integrations- und Datenzuliefersystem für ihre Dienstleistungen nutzen. Für Datenanalyse-Dienstleister könnten hierfür gesonderte Nutzungsvereinbarungen gelten (teilweise kostenpflichtig), die tiefere Eingriffe in das System zulassen.

Begleitforschung
Das Bundesministerium für Wirtschaft und Energie (BMWi) hat zum Technologieprogramm "Smart Data – Innovationen aus Daten" eine Begleitforschung eingerichtet. Die Begleitforschung unterstützt die Förderprojekte des Technologieprogramms bei der möglichst effizienten Umsetzung ihrer Vorhaben. Sie vernetzt die einzelnen Förderprojekte untereinander und gewährleistet einen breiten Transfer valider Ergebnisse in den Markt. Um diese Ziele zu erreichen, führt die Begleitforschung verschiedene Einzelmaßnahmen durch:
  • Die Begleitforschung betreibt ein systematisches, kontinuierliches und projektübergreifendes Monitoring zu Big Data Technologien und deren wirtschaftlicher Nutzung in der Industrie, im Energiebereich oder in Mobilitätsprojekten. Die Förderprojekte erfahren zudem eine beratende Unterstützung durch die Begleitforschung. Hierdurch soll eine effiziente und erfolgreiche Verfolgung der Projektziele gefördert werden.
  • Die Begleitforschung initiiert, organisiert und moderiert Arbeitsgruppen zu verschiedenen Querschnittsthemen, die alle Förderprojekte betreffen und das Themenfeld der Entwicklung von Smart Data Technologien adressiert, wie beispielsweise Fragen des Datenschutzes, der Datensicherheit, der Akzeptanz oder neuer Geschäftsmodelle.
  • Mit Hilfe der Begleitforschung werden Netzwerke zur projektübergreifenden Abstimmung und zur Förderung des schnellen und zielgerichteten Wissenstransfers aufgebaut, gestärkt und gefördert. Kernelemente hierfür sind die Website www.smart-data-programm.de sowie eine interne Kooperationsplattform. Weiterhin führt die Begleitforschung zahlreiche Veranstaltungen wie Kongresse und Fach-Workshops durch. Sie beteiligt sich weiterhin an einschlägigen Messen und fördert die Vernetzung mit Verbänden und anderen Initiativen.
  • Um die gesamtwirtschaftlichen Effekte der Förderinitiativen zu verstärken, sorgt die Begleitforschung für eine breitenwirksame Kommunikation der Ergebnisse durch zahlreiche Maßnahmen der Öffentlichkeitsarbeit und des Technologietransfers. Hierzu zählen insbesondere zielgruppen-spezifische Transfermaßnahmen, die Erstellung von Publikationen wie Broschüren, Flyer, Fact-Sheets, Newsletters sowie die Veröffentlichung von wissenschaftlichen Studien, Vorträgen und Artikeln.
  • Schließlich leitet die Begleitforschung Maßnahmen ein, um die Nachhaltigkeit des Förderschwerpunktes zu sichern. Hierzu werden Konzepte erarbeitet, wie die während der Projektlaufzeit etablierten Vernetzungen zwischen den Akteuren auch nach Ablauf der Förderungsphase erhalten und weiter entwickelt werden können.
Die maßgebliche Verantwortlichkeit für die Begleitforschung liegt beim Konsortialführer FZI Forschungszentrum für Informatik. Unterstützt wird das FZI bei der Vernetzung durch die Gesellschaft für Informatik e.V. (GI) und beim Technologie- und Ergebnistransfer durch LoeschHundLiepold Kommunikation (LHLK).

Publikationen
  • Real-Time Discovery and Geospatial Visualization of Mobility and Industry Events from Large-Scale, Heterogeneous Data Streams
    Leonhard Hennig, Philippe Thomas, Renlong Ai, Johannes Kirschnick, He Wang, Jakob Pannier, Nora Zimmermann, Sven Schmeier, Feiyu Xu, Jan Ostwald and Hans Uszkoreit
    In Proceedings of ACL, Demonstration, Berlin, 2016 (to appear).

  • Smart Data for Mobility
    Unlocking new data value chains of multimodal mobility services

  • Smart Data For Mobility (SD4M) – Projekt-Präsentation

  • Sar-graphs: A Linked Linguistic Knowledge Resource Connecting Facts with Language
    Sebastian Krause, Leonhard Hennig, Aleksandra Gabryszak, Feiyu Xu, Hans Uszkoreit, In Proceedings of Fourth Workshop on Linked Data in Linguistics: Resources and Applications (LDL-2015) at ACL-IJCNLP 2015, Beijing, China, ACL, 2015

  • Multi-objective Optimization for the Joint Disambiguation of Nouns and Named Entities
    Dirk Weißenborn, Leonhard Hennig, Feiyu Xu, Hans Uszkoreit, In Proceedings of 53nd Annual Meeting of the Association for Computational Linguistics, July, Beijing, China, ACL, 2015

  • Open Government Data
    Ingo Schwarzer, DB Systel GmbH, SD4M

  • Smart Data for Mobility

  • Smart Data For Mobility (SD4M) - eine Big-Data-Analytik-Plattform für multimodale Smart Mobility Services

Aktuelles
  • 14.03.2016 - 18.03.2016

SD4M präsentiert auf der Cebit 2016 zusammen mit dem Partnerprojekt SDW (Smart Data Web) das erste gemeinsame Demo-System.

 

  • 5.11.2015

Ingo Schwarzer (DB Systel), Dr. Philippe Thomas (DFKI), Dr. Feiyu Xu (DFKI) haben an der Veranstaltung "BBDC meets Berlin" teilgenommen. Dr. Feiyu Xu war dabei Gastgeberin des World Café Tischs "Mobilität, Verkehr und Geoinformation". Dr. Philippe Thomas zeigte bei diesem Tisch eine Software-Demo der Big Data Text Analytics Plattform, die auch auf mobilitätsrelevante Twitterdaten angewendet wird. Herr Ingo Schwarzer vertrat das SD4M-Projekt.

 

  • 5.11.2015

Ingo Schwarzer (DB Systel) hat SD4M bei der Veranstaltung "Smart-Data-Dialog" in der Diskussion des Positionspapiers "Smart-Data-Geschäftsmodelle" vertreten.

 

  • 03.11.2015

Dr. Feiyu Xu (DFKI) und Ingo Schwarzer (DB Systel) präsentierten SD4M in der Postersession auf der Herbsttagung "Staatsmodernisierung 2015" von NEGZ und ISPRAT.

http://www.negz.org/start