Internationales Verkehrswesen (68) 4 | 2016 57 Wissenschaft MOBILITÄT Computergestützte Mobilitätsforschung Fragestellungen, Daten und Methoden Mobilitätserhebung, Computer-Assisted Mobility Research, Mobilitätsdaten, Alltagsmobilität Mobilitäts- und Nachhaltigkeitsforscher sehen sich bei der Erforschung des Mobilitätsverhaltens von Personen mit einer bunten Palette an Erhebungsmethoden konfrontiert. Erweitert wird diese Vielfalt in der letzten Zeit durch die Möglichkeit, dieses Verhalten direkt über die Smartphones der Probanden zu erfassen. Um die Auswahl geeigneter Methoden zu erleichtern, liefert die vorliegende Literaturstudie einen detaillierten Überblick zu Fragestellungen, Daten und Erhebungsmethoden, die im Bereich der Mobilitätsforschung zur Erfassung von Alltagsmobilität eingesetzt werden. Autoren: Christina Pakusch, Paul Bossauer, Johanna Meurer, Gunnar Stevens M oderne Gesellschaften sind mobile Gesellschaften, die sich durch ein hohes Verkehrs- und Transportaufkommen auszeichnen. Voraussetzung für die Konzeptionierung multimodaler, nachhaltiger Mobilitätsangebote ist, das Mobilitätsverhalten von Nutzern präzise zu erfassen und zu verstehen [1, 2]. Die starke Verbreitung von Smartphones und mobilen Anwendungssystemen liefert hier zunehmend einen wichtigen Beitrag, da insbesondere internetfähige Smartphones die Erfassung von individuellen Mobilitätsmetriken in Echtzeit ermöglichen. Ziel dieses Beitrags ist es, Praktikern und Wissenschaftlern einen Überblick über den aktuellen Stand der computergestützten Mobilitätsforschung bzw. des Computer Assisted Mobility Research (CAMoR) zu geben und somit die Auswahl bzw. Gestaltung geeigneter computergestützter Erhebungsinstrumente zu systematisieren und zu vereinfachen. Methodische Vorgehensweise Um die Vielfalt der angewendeten Methoden zu erfassen, wurde eine explorative Literaturanalyse durchgeführt. Gesucht wurde in den Datenbanken IEEE Explore, AISEL, ACM Digital Library, Science Direct, EBSCO unter Verwendung der Suchbegriffe Mobilitätsverhalten, Mobilität + Tracking, Räumliche Mobilität, Mobilität + Modal, Mobilität + Smartphone, Mobilität + GPS sowie englischer Pendants. Die Studien wurden gesichtet und vorselektiert, indem Titel und Abstracts gescannt wurden. Durch Anwendung des Forward-Backward-Citation-Verfahrens [3] wurden zusätzlich die Studien identifiziert, die in den inhaltlich relevanten Arbeiten zitiert wurden bzw. diese zitierten. Von den 331 gesichteten Publikationen wurden schließlich 45 als relevant bewertet, da sie primäre Daten zum Mobilitätsverhalten erhoben und analysiert haben (empirische Studien). Im Folgenden sollen die identifizierten Fragestellungen, Erhebungsmethoden, Datenkategorien und Auswertungsmethoden vorgestellt werden. Ergebnisse Fragestellungen Die zusammengetragenen Publikationen lassen sich den drei Oberkategorien Alltagsmobilität, Touristische Mobilität und Mobilität spezifischer Personengruppen un- Kategorie Fragestgellung Studie Methode Allgemeine Mobilität Wie ist die räumliche Mobilität in Deutschland strukturiert und welche Ausmaße nimmt sie an? [3] Befragung zu einem Stichtag Wie unterscheiden sich sädtische und ländliche Gebiete hinsichtlich ihrer Mobilität? [4] Tel. Befragung zu einem Stichtag Wie verändern sich die Verkehrsmittelwahl aufgrund von Eco-Feedback [5] GPS-Tracking Touristische Mobilität Welche Wege nehmen Besucher des Leipziger Zoos? [6] GPS-Tracking zur Laufwegeerkennung Welche Wege nehmen Besucher durch die Stadt? [7] Befragung mithilfe einer Stadtkarte Welchen Einfluss hat die Saison auf die Ortsnutzung von ausländischen Touristen in Estland? [8] GMS: Mobile Positioning über Mobilfunkt Mobilität spezifischer Gruppen Welchen Nutzen haben Tracking-Technologien auf die Mobilität kognitiv eingeschränkter Personen? [9] GPS-Tracking über 4 Wochen Welche Potenziale und Barrieren biete Ridesharing-Ansätze für ältere Menschen auf dem Land [10] Tagebücher, Interviews, Beobachtung Welche Verkehrsmittel wählen ältere und behinderte Menschen für Shopping-Trips in London? [11] Befragung Tabelle 1: Fragestellungen, Studien und Methoden in der Mobilitätsforschung Internationales Verkehrswesen (68) 4 | 2016 58 MOBILITÄT Wissenschaft terordnen (exemplarischer Auszug in Tabelle 1). Die Studien zur allgemeinen Mobilität erheben insbesondere Daten zu täglichen Wegstrecken, der Verkehrsmittelwahl, damit zusammenhängenden Einflussfaktoren sowie demografische Informationen. Die Tourismuswissenschaft möchte mit den Mobilitätserhebungen Erkenntnisse darüber gewinnen, welche Wege Besucher an ihrem Urlaubsort nehmen, welche Sehenswürdigkeiten und Points of Interest (POI) sie besuchen, wie sie ihnen gefallen und wie lange sie dort jeweils verweilen. Die dritte Kategorie fasst die Publikationen zusammen, die das Mobilitätsverhalten besonderer Personengruppen untersuchen - wie z.B. Kinder, Behinderte oder ältere Menschen. Mobilitätsdaten In den untersuchten Studien wurden sowohl objektive als auch subjektive Daten erhoben (vgl. Bild 1). Objektive Daten zeichnen sich dabei dadurch aus, dass sie durch reines Beobachten durch außenstehende Personen oder Messinstrumente erhoben werden können. In den betrachteten Mobilitätsstudien sind dies z. B. die Verkehrsmittelwahl, zurückgelegte Strecken [4, 5, 13], etc. Daneben gehören in diese Kategorie auch sozio-demographische Fakten wie etwa Geschlecht und Alter [4, 13, 14]. Demgegenüber sind subjektive Daten solche, die sich auf individuelle Ansichten, Intentionen, Wahrnehmungen, Deutungszuschreibungen, mentale Modelle usw. beziehen. In den Studien werden subjektive Daten meist dazu erhoben, um die individuellen Motivationen zu verstehen [14, 15] bzw. wie Mobilitätsangebote von den Beforschten subjektiv wahrgenommen werden [14]. Orthogonal zu den beiden Dimensionen Subjektiv und Objektiv konnten wir durch die vergleichende Analyse auch verschiedene Datenkategorien identifizieren. Konstitutiv ist die Kategorie der mobilitätsbezogenen Daten. Diese umfassen sowohl objektive Daten (z.B. zurückgelegte Strecken) als auch subjektive (z.B. persönliche Erfahrungen oder Wahrnehmungen von Mobilitätsdiensten). Um diese Daten besser interpretieren zu können, wurden in fast allen Studien auch personenbezogene Daten erhoben - wiederum sowohl objektive (Angaben zur Person wie Alter, Geschlecht, etc.) als auch subjektive. Darüber hinaus werden in einigen Studien auch weitere ergänzende Daten erhoben, wie z.B. Wetterdaten [4], Informationen über Orte und Plätze z.B. mittels foursquare [16], oder über Landschaften und Gegenden z.B. mittels Reiseführer [17]. Erhebungsmethoden In den untersuchten Studien wurden sowohl qualitative, als auch quantitative Erhebungsmethoden eingesetzt. Häufig werden zudem beide Methoden trianguliert [18, 19, 23, 25]. Im Vergleich der in der Literatur eingesetzten Erhebungsmethoden zeigt sich außerdem, dass sie sich hinsichtlich des Grads der Einbeziehung des Beforschten in die Datenerhebung unterscheiden. Grob kann man zwischen aktiven und passiven Methoden unterscheiden [19]. Bei der aktiven Erhebung ist der Beforschte bei der Datenerhebung beteiligt, z.B. durch das Ausfüllen von Fragebögen oder das Führen von Mobilitätstagebüchern [11]. Bei den passiven Erhebungsmethoden werden Daten über den Beforschten durch außenstehende Personen (z. B. beobachtendes Tracking, [22]) oder technische Hilfsmittel erfasst (z. B. GPS-Tracker, [10]). Wie der Überblick in Bild 2 zeigt, werden passive Verfahren primär für die Erhebung objektiver Mobilitätsdaten verwendet. Zwar lassen sich diese Daten prinzipiell auch durch den Beforschten aktiv erheben (z.B. mittels Wegetagebüchern), doch beim retrospektiven Ausfüllen entstehen häufig Erinnerungsverzerrungen (recall bias) [23]. Deshalb sind passive, automatisierte Methoden meist valider, sofern das Erhebungsinstrument einwandfrei funktioniert. Demgegenüber werden aktive Erhebungsmethoden auch in Zukunft gebraucht, um subjektive Daten zu erfassen. Im Folgenden sollen auf Basis dieser Grobkategorie die verschiedenen Erhebungsmethoden genauer vorgestellt werden. Aktive Erhebungsmethoden In der Mobilitätsforschung sind Fragebogen und Interview (=Befragung) die gebräuchlichsten aktiven Erhebungsmethoden, da sie ein weites Spektrum an Daten abdecken und äußert flexibel in der Durchführung sind. Die Stärke von Befragungen liegt insbesondere darin, Wahrnehmungen, Meinung oder Bewertungen zu prinzipiell jedem Thema erfassen zu können. Daneben werden insbesondere in älteren Studien Wegetagebücher eingesetzt, um objektive und subjektive Mobilitätsdaten aktiv vom Beforschten erfassen zu lassen. Um persönliche Raumwahrnehmungen und -erfahrungen zu erheben, wird in verschiedenen Studien auch auf die Methode der Mental Maps [24] zurückgegriffen. Meist soll der Beforschte die zurückgelegten Wege und Orte in seinem „Sozialraum“ anhand von Erinnerungen grafisch darstellen. Neuerdings findet man zudem auch Ansätze des Volunteered Geographic Information [17], des Crowdsourcing [17, 25] bzw. des Participatory Sensing [26] als aktive Bild 1: Klassifikationsschema von Mobilitätsdaten Bild 2: Zuordnung von Mobilitätsdaten zu Erhebungsmethoden Internationales Verkehrswesen (68) 4 | 2016 59 Wissenschaft MOBILITÄT Erhebungsmethode. Hier stellt eine Masse freiwilliger Nutzer aktiv geographische Daten zur eigenen Mobilität oder zu Mobilitätsdienstleistungen (z. B. der Komfort bei ÖPNV) über das Internet bereit. Passive Erhebung Die vermutlich älteste Form des passiven Trackings ist das beobachtende Tracking, bei dem die Bewegung und das Verhalten des Beobachteten notiert wird [27, 28]. In neueren Studien findet man häufiger die Methode des gerätebasierten Trackings [10, 29]. Hier wird der Beforschte mit einem eigenen Gerät (meist GPS-Tracker) ausgestattet, das die Mobilitätsdaten erfasst. Daneben finden aufgrund der breiten Marktdurchdringung von Smartphones zunehmend auch App-basierte Erhebungsmethoden Anwendung. Im Gegensatz zu gerätebasierten Methoden bringen hier die Teilnehmer durch ihr Smartphone im Sinne des Bring-Your-Own-Device die notwendige Sensortechnik zur Aufzeichnung gleich mit und zeichnen Alltagsmobilität on the move auf. Bei den infrastrukturbasierten Erhebungsmethoden wird die Umgebung so instrumentiert, dass von Smartphones, Tablets, etc. ausgesendete Daten genutzt werden, um individuelle bzw. kollektive Mobilitätsprofile zu erstellen. In der Literatur werden hierzu u.a. WLAN, GSM und Bluetooth-Signale verwendet [1, 9]. Computer-Assisted Mobility Research Unter CAMoR verstehen wir die Nutzung des Computers bei der Planung, Erhebung, Analyse und Präsentation von Daten im Rahmen von Mobilitätsstudien. Hier bieten vor allem Smartphones als mobile Computer aufgrund ihrer weiten Verbreitung ein großes Potential; Mit ihnen ist es möglich, nicht nur die Bewegungen der Probanden passiv zu erfassen, sondern je nach Zielsetzung und Ausgestaltung der App sämtliche klassische Methoden wie z.B. Befragungen durch aktive Einbeziehung der Probanden zu triangulieren, die Daten automatisch zu analysieren und dem Probanden ggf. direkt als Feedback zurückzuspiegeln. Zusätzlich lassen sich durch das Smartphone auch weitere Daten im Hintergrund (wie z.B. welche Apps zur Mobilitätsplanung benutzt werden, soziale Kontakte des Nutzers, etc.) erfassen, sofern der Nutzer hierzu die Zugriffsrechte einräumt. App-basierte Methoden skalieren also gut, können theoretisch sowohl objektive als auch subjektive personenbezogene, mobilitätsbezogene und ergänzende Daten erheben, werfen aber je nach Ausgestaltung neue ethische, insbesondere datenschutzrechtliche Fragen auf [30]. Fazit Durch die neue Anwendungsklasse von Mobilitäts- und Navigationsdiensten wird es zunehmend wichtiger, die Alltagsmobilität von Nutzern genauer zu verstehen. Unsere Literaturstudie zeigt, dass in der Forschung eine Reihe von Daten, Erhebungs- und Analysemethoden verwendet werden, um alltägliches Mobilitätsverhalten zu erfassen und Alltagsmobilität besser zu verstehen. Ein Schwerpunkt liegt dabei auf den objektiven Daten zum Mobilitätsverhalten, das um subjektive und personenbezogene Daten ergänzt wird. Bei der Erfassung des Mobilitätsverhaltens bieten Smartphones ein besonders großes Potential. Sämtliche Erhebungsmethoden lassen sich mit dem Smartphone umsetzen, wobei jedoch ethische, insbesondere datenschutzrechtliche Aspekte zu beachten sind. Der hier zusammengestellte Überblick über Fragestellungen, Daten, Erhebungs- und Analysemethoden kann Praktikern und Wissenschaftliche bei ihrem Vorhaben, das Mobilitätsverhalten von Personen zu verstehen, gezielt unterstützen. Folgende Fragen sollen dabei die Planung einer Mobilitätsanalyse strukturieren und mithilfe dieses Überblickes beantwortet werden: 1. Was ist meine spezifische Fragestellung? 2. Welche Daten muss ich zur Beantwortung der Frage erheben? 3. Welche Datenarten und -kategorien verbergen sich dahinter? 4. Welche der gängigen Erhebungsmethoden erfasst die benötigten Daten zuverlässig? Das Ziel des vorgestellten Überblicks besteht darin, Mobilitätsforscher bei der Beantwortung dieser Fragen zu unterstützen und ein Rahmenwerk bereitzustellen, um gezielter geeignete Datenkategorien und Erhebungsbzw. Analysemethoden auszuwählen. ■ LITERATURVERZEICHNIS [1] J. Froehlich, T. Dillahunt, P. Klasnja, J. Mankoff, S. Consolvo, B. Harrison, und J. A. Landay: „UbiGreen: investigating a mobile tool for tracking and supporting green transportation habits“, in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2009, S. 1043-1052. [2] C. Pakusch, P. Bossauer, M. Shakoor, und G. Stevens: „Using, Sharing, and Owning Smart Cars - A Future Scenario Analysis Taking General Socio-Technical Trends into Account“, in Proceedings of the 13th International Joint Conference on e-Business and Telecommunications (ICETE 2016), 2016, Bd. 2, S. 19-30. [3] J. Webster und R. T. Watson: „Analyzing the past to prepare for the future: Writing a literature review“, Manag. Inf. Syst. Q., Bd. 26, Nr. 2, S. 3, 2002. [4] B. Lenz, C. Nobis, K. Köhler, M. Mehlin, R. Follmer, D. Gruschwitz, B. Jesske, und S. Quandt: „Mobilität in Deutschland 2008“, 2010. [5] J. Pucher und J. L. Renne: „Rural mobility and mode choice: Evidence from the 2001 National Household Travel Survey“, Transportation, Bd. 32, Nr. 2, S. 165-186, 2005. [6] A. Jylhä, P. Nurmi, M. Sirén, S. Hemminki, und G. Jacucci: „Matkahupi: a persuasive mobile application for sustainable mobility“, in Proceedings of the 2013 ACM conference on Pervasive and ubiquitous computing adjunct publication, 2013, S. 227-230. [7] A. Czaplicki: „Nutzung von GPS-Daten-Analyse der Besucherwege des Leipziger Zoos“, Gesis Nicht Reakt. Erhebungsverfahren Bonn, S. 73-81, 2009. [8] A. Czaplicki und G. Rothe: „Kartographie macht Einkaufswege sichtbar. Neue Ansätze für eine präzisere Messung von Kundenströmen“, Plan. Anal., Nr. 4, S. 38-43, 2004. [9] R. Ahas, A. Aasa, Ü. Mark, T. Pae, und A. Kull: „Seasonal tourism spaces in Estonia: Case study with mobile positioning data“, Tour. Manag., Bd. 28, Nr. 3, S. 898-910, 2007. [10] N. Shoval, G. K. Auslander, T. Freytag, R. Landau, F. Oswald, U. Seidl, H.-W. Wahl, S. Werner, und J. Heinik: „The use of advanced tracking technologies for the analysis of mobility in Alzheimer’s disease and related cognitive diseases“, BMC Geriatr., Bd. 8, Nr. 1, S. 7, 2008. [11] J. Meurer, M. Stein, D. Randall, M. Rohde, und V. Wulf: „Social dependency and mobile autonomy: supporting older adults’ mobility with ridesharing ict“, in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2014, S. 1923-1932. [12] J.-D. Schmöcker, M. A. Quddus, R. B. Noland, und M. G. Bell: „Mode choice of older and disabled people: a case study of shopping trips in London“, J. Transp. Geogr., Bd. 16, Nr. 4, S. 257-267, 2008. [13] S. Strambach, H. Kohl, und K. Momberg: „Nachhaltige Mobilität im Zuge städte-baulicher Restrukturierungen“, GEOFOCUS, Nr. Heft 4, 2011. [14] M. Müller: „Das NRW-Semesterticket: Akzeptanz, Nutzung und Wirkungen dargestellt am Fallbeispiel der Universität Bielefeld“, Wuppertal Institut für Klima, Umwelt, Energie, 2011. [15] L. Fazel: Akzeptanz von Elektromobilität: Entwicklung und Validierung eines Modells unter Berücksichtigung der Nutzungsform des Carsharing. Springer-Verlag, 2014. Internationales Verkehrswesen (68) 4 | 2016 60 MOBILITÄT Wissenschaft [16] R. Krueger, D. Thom, und T. Ertl: „Visual Analysis of Movement Behavior Using Web Data for Context Enrichment“, in Visualization Symposium (PacificVis), 2014 IEEE Pacific, 2014, S. 193-200. [17] H.-J. L. Weber und M. Bauder: „Neue Methoden der Mobilitätsanalyse: Die Verbindung von GPS-Tracking mit quantitativen und qualitativen Methoden im Kontext des Tourismus“, Raumforsch. Raumordn., Bd. 71, Nr. 2, S. 99-113, 2013. [18] E. Murakami und D. P. Wagner: „Can using global positioning system (GPS) improve trip reporting? “, Transp. Res. Part C Emerg. Technol., Bd. 7, Nr. 2, S. 149-165, 1999. [19] C. Nobis: „Multimodale Vielfalt“, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II, 2015. [20] U. Kuckartz: Mixed Methods: Methodologie, Forschungsdesigns und Analyseverfahren. Springer-Verlag, 2014. [21] A. Schneider: „Triangulation und Integration von qualitativer und quantitativer Forschung in der Sozialen Arbeit“, in Perspektiven sozialpädagogischer Forschung, Springer, 2014, S. 15-30. [22] M. Jahoda, P. F. Lazarsfeld, und H. Zeise: , Die Arbeitslosen von Marienthal, Bd. 2. Verlag für Demoskopie, 1960. [23] W. I. R. BIAS: „Recall bias: a proposal for assessment and control“, 1987. [24] E. C. Tolman: „Cognitive Maps in Rats and Men“, 1948. [25] M. Haklay, S. Basiouka, V. Antoniou, und A. Ather: „How many volunteers does it take to map an area well? “, Cartogr. J., Bd. 47, Nr. 4, S. 315-322, 2010. [26] M. F. Goodchild: „Citizens as sensors: the world of volunteered geography“, GeoJournal, Bd. 69, Nr. 4, S. 211-221, 2007. [27] P. E. Murphy: „Urban tourism and visitor behavior.“, Am. Behav. Sci., 1992. [28] N. G. Espelt und J. A. D. Benito: „Visitors’ behavior in heritage cities: The case of Girona“, J. Travel Res., Bd. 44, Nr. 4, S. 442-448, 2006. [29] S. Alban, D. Akos, S. M. Rock, und D. Gebre-Egziabher: „Performance analysis and architectures for INS-aided GPS tracking loops“, Inst. Navig., S. 611-622, 2003. [30] M. Schelewsky, D. Stuerzekarn, und B. Bock: „Mobilitätserhebungen mit Smartphones“, Int. Verkehrswesen, Bd. 64, Nr. 6, 2012. Paul Bossauer, M.A. Wissenschaftlicher Mitarbeiter, Hochschule Bonn-Rhein-Sieg, Fachbereich Wirtschaftswissenschaften, Sankt Augustin, paul.bossauer@h-brs.de Johanna Meurer, M.A. Wissenschaftliche Mitarbeiterin, Universität Siegen, Wirtschaftsinformatik und Neue Medien, johanna.meurer@uni-siegen.de Christina Pakusch, M.Sc. Wissenschaftliche Mitarbeiterin, Hochschule Bonn-Rhein-Sieg, Fachbereich Wirtschaftswissenschaften, Sankt Augustin christina.pakusch@h-brs.de Gunnar Stevens, Prof. Dr. Lehrstuhl für Betriebswirtschaftslehre, insbesondere Wirtschaftsinformatik, Hochschule Bonn-Rhein-Sieg, Sankt Augustin gunnar.stevens@h-brs.de in einem unbefristeten vertraglichen Dienstverhältnis ab 01.10.2017 zu besetzen. Die Professur wird, entsprechend der Frauenförderung an der Technischen Universität Wien, nur für Frauen ausgeschrieben. Mit dieser Professur werden exzellente Wissenschaftlerinnen angesprochen, die sich mit komplexen Systemen im Bauingenieurwesen entweder in Zusammenhang mit modernen Baustoffen oder mit zukünftigen Verkehrsinfrastruktur- und Mobilitätsansprüchen befassen. Je nach Qualifikationsprofil der Kandidatin wird die Professur dem Institut für Hochbau und Technologie oder dem Institut für Verkehrswissenschaften der Fakultät für Bauingenieurwesen der Technischen Universität Wien zugeordnet. Sie umfasst entsprechend dem Profil der Kandidatin die Lehre und Forschung auf dem Gebiet der Baustoffwissenschaften oder der Verkehrs- und Mobilitätsforschung. In der Lehre vertritt die Professur alle Bereiche des jeweiligen Fachgebiets im Rahmen der Bachelor- und Masterstudiengänge im Bau- und Umweltingenieurwesen. Die Bereitschaft zur Einwerbung von Drittmitteln sowie zur Zusammenarbeit mit anderen Arbeitsgruppen der Technischen Universität Wien in Forschung und Lehre wird vorausgesetzt. Es ist eine Einreihung in die Verwendungsgruppe A1 des Kollektivvertrages für Arbeitnehmer_innen der Universitäten (Mindestgehalt € 4.842,70/ Monat [14-mal]) vorgesehen. Die ausführliche Ausschreibung mit den Angaben zur Bewerbung finden Sie unter: http: / / www.bauwesen.tuwien.ac.at/ jobs/ jobangebote.html Bewerbungen sind an den Dekan der Fakultät für Bauingenieurwesen der Technischen Universität Wien, Prof. Ronald Blab, Karlsplatz 13/ 401-2, 1040 Wien zu richten. Die Bewerbung kann elektronisch an info.bauwesen@tuwien.ac.at gesendet werden. Bewerbungsschluss ist der 21.12.2016. An der Fakultät für Bauingenieurwesen ist die Stelle einer Universitätsprofessorin für „Complex Systems in Civil Engineering“ Stellenanzeige