Internationales Verkehrswesen (69) 1 | 2017 48 MOBILITÄT Radverkehr App-Daten für die Radverkehrsplanung Eine explorative Datenanalyse von GPS-Daten im Radverkehr Radverkehr, Verkehrsdaten, Smartphone, Verkehrsplanung Auch durch die mittlerweile sehr hohe Verbreitung von Smartphones und die Förderung digitaler Innovationen im Mobilitätsbereich durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) stehen Themen wie Crowdsourcing, Citizen- Science und GPS-Datenerfassung aktuell stark im Fokus. Das nachfolgend vorgestellte Projekt wird durch das BMVI im Rahmen des Nationalen Radverkehrsplans 2020 gefördert und untersucht die Nutzbarkeit von mit Smartphones generierten Nutzerdaten einer App für die kommunale Radverkehrsplanung. Sven Lißner, Angela Francke, Olena Chernyshova, Thilo Becker E in für alle attraktiver Radverkehr bedarf einer qualitativ hochwertigen Infrastruktur. Der Ausbau und der Erhalt von Radverkehrsinfrastruktur im Rahmen der entsprechenden Zuständigkeiten ist deshalb eines der wesentlichen Ziele des Nationalen Radverkehrsplans und der Kommunen. Voraussetzung hierfür ist allerdings eine systematische Erfassung und Analyse der Radverkehrsnachfrage. Diese findet in der Praxis jedoch oftmals nicht in ausreichendem Maße statt. Die Hintergründe aus verkehrsplanerischer Sicht Bisher liegen durch den hohen Aufwand von Vor-Ort-Erfassung sowohl zeitlich als auch örtlich nur punktuelle Radverkehrsstärken vor. Die aktuell wohl am zuverlässigsten und tauglichsten Werte liefern fest installierte automatische Radverkehrszählstellen. Eine eigene Umfrage unter Radverkehrsverantwortlichen in 61 deutschen Städten zeigte jedoch, dass jene automatischen Zählstellen nur in Ausnahmefällen dem Anspruch auf Darstellung eines sinnvollen Gesamtbildes der städtischen Radverkehrsmengen genügen (siehe Bild 1). Die Bedeutung des Nebennetzes für den Radverkehr wird daher beispielsweise nur unvollständig erfasst. Für eine flächige Abdeckung ist die Anzahl der Erhebungspunkte meist deutlich zu gering, falls diese überhaupt vorhanden sind. Für weitere Parameter, wie Wartezeiten, Routenwahl oder Geschwindigkeiten, liegen dagegen meist keine Daten vor. Diese Lücke können perspektivisch unter anderem GPS-Routendaten füllen. Allein in Deutschland nutzten im Jahr 2016 bereits 49 Millionen Menschen ein Smartphone, bei weiter steigendem Trend [1]. Aufgrund dieser hohen Durchdringungsquote besitzt das Smartphones auch als Erhebungsinstrument ein erhebliches Potenzial. Die Betreiber von Smartphone-basierten Fahrrad-Apps speichern bereits seit Jahren die Sport- und Alltagswege ihrer Nutzer, um den Anwendern z. B. ihre jährliche Fahrleistung aufzeigen zu können. Die Erhebung der Bewegungsdaten der Nutzer erfolgt dabei automatisiert per Positionsbestimmung (GPS) mittels an Fahrradlenkern befestigter oder in der Bekleidung mitgeführter Smartphones. Erste Anbieter wie der amerikanische Sport-App-Provider Strava [2] oder die Fahrrad-App zur Navigation Bike Citizens [3] positionieren sich bereits seit einiger Zeit am Markt. Seit dem Jahr 2014 bietet mindestens ein Anbieter (Strava Inc.) die aggregierten und anonymisierten Datensätze aufgezeichneter Radfahrten interessierten Akteuren der Radverkehrsplanung (z. B. Kommunen, Planungsbüros oder Verbänden) zum Kauf an. Diese GPS-basierten Daten bieten folgende Möglichkeiten: • flächendeckende Verkehrsmengenkarten • Quelle-Ziel-Matrizen zwischen Polygonen • abschnittsfeine Durchschnittsgeschwindigkeiten • Wartezeiten an Knotenpunkten • Routen von Einzelwegen innerhalb grober Korridore. Somit kann dieser Datensatz einen Einblick in die Qualität des Radverkehrsangebotes einer Kommune geben, wobei eine ausreichend große Zahl von Nutzern Voraussetzung ist. Zudem kann perspektivisch Bild 1: Befragungsergebnisse zur Anzahl kommunaler Dauerzählstellen Internationales Verkehrswesen (69) 1 | 2017 49 Radverkehr MOBILITÄT ein Vergleich von Verkehrsnachfrage und -angebot angestrebt und somit die Planung der Kommunen sinnvoll unterstützt beziehungsweise evaluiert werden. Praktische Erfahrungen im Umgang mit derartigen Daten fehlen jedoch bisher weitestgehend ebenso wie methodische Kenntnisse zur Datenauswertung. Zudem ist auch die Skepsis bezüglich der Nutzbarkeit derartiger Daten in der Praxis noch recht hoch. Ziel des momentan laufenden Projektes im Rahmen des Nationalen Radverkehrsplanes ist daher die wissenschaftliche Untersuchung und Validierung eines derartigen Datenangebotes hinsichtlich seiner Nutzbarkeit für die kommunale Radverkehrsplanung. Solch eine umfassende Datengrundlage, wie sie durch die App-Betreiber quasi als Nebenprodukt ihres Geschäftsmodells erzeugt wird, scheint für den zukünftigen Paradigmenwechsel von einer reinen Angebotshin zu einer zusätzlich nachfrageorientierten Planung unerlässlich. Darüber hinaus ist eine Nutzung von App-Daten auch im Preis-Leistungs-Verhältnis, verglichen mit alternativen Erhebungsmethoden, sehr attraktiv. Im Folgenden soll die Eignung der Daten insbesondere im Hinblick auf die unterschiedlichen Verwendungszwecke und die möglicherweise fehlende Repräsentativität der sehr heterogenen Nutzergruppe „Radfahrende“ diskutiert werden. Im Rahmen einer Machbarkeitsstudie wurden vorhandene Datensätze anhand umfangreicher Feldversuche geprüft und die Übertragbarkeit einer Hochrechnungsmethodik für Kommunen beispielhaft nachgewiesen. Dazu wurden in verschiedenen Teilschritten zuerst die Daten auf Plausibilität und Reliabilität geprüft, Verwendungszwecke gemeinsam mit kommunalen Vertretern diskutiert und anschließend geeignete Visualisierungsformen entwickelt. Final wird aktuell ein Praxis-Leitfaden mit Empfehlungen und Arbeitsschritten für Kommunen sowie andere interessierte Akteure erstellt. Befragung kommunaler Radverkehrsverantwortlicher Durch die bundesweite Befragung von Radverkehrsverantwortlichen wurde in einem ersten Schritt untersucht, welche Datenquellen kommunale Planer benötigen und inwiefern GPS-basierte Daten bereits heute eine Rolle in der Radverkehrsplanung spielen (Bild 2). Dazu wurden alle Städte mit über 100 000 Einwohnern per E-Mail kontaktiert und die Befragung über Verbände und Bundesländer auch in kleineren Städten gestreut. Im Ergebnis stellte sich heraus, dass bisher vor allem deskriptive Daten aus Verkehrsbefragungen bzw. nur sehr wenige Zähldaten insgesamt vorhanden sind. GPS-basierte Daten werden dabei nur vereinzelt von Städten für die Radverkehrsplanung genutzt, über 40 % der Befragten würden die Nutzung dieser jedoch begrüßen. Wesentlich deutlicher zeigt sich dieser Wunsch bei der Einschätzung der Wichtigkeit der durch GPS-Daten beantwortbaren Fragestellungen, wie etwa Quelle-Ziel-Beziehungen oder Verkehrsstärken. Im Zuge mehrerer Expertenworkshops wurde von Seiten kommunaler Vertreter dabei auch die Wichtigkeit von definierten Ausschreibungskriterien für einen tatsächlichen Bezug von GPS-Daten herausgestellt. Dateneignung für die kommunale Verwendung Vor Datenbezug wurde ein Lastenheft zur Darstellung der Eigenschaften der vom App-Betreiber angeforderten GPS-Radverkehrsdaten erarbeitet. Dabei wurden unter anderem die folgenden Minimalparameter für eine sinnvolle Verwendung im kommunalen Kontext definiert: • Radverkehrsstärke • Geschwindigkeiten der Radfahrer • Sozio-demografische Angaben zu den Nutzern der App • Wartezeiten an Knotenpunkten • Quelle-Ziel-Matrizen • Die Möglichkeit zu einer Aufteilung der Daten in Zeitscheiben, um Ganglinien anhand von Pegelzählstellen vergleichen zu können. Die durch Strava und vergleichbare Anbieter wie beispielsweise Bike Citizens beworbenen Produkte erfüllen diese Anforderungen in weiten Teilen, jedoch mit teils unterschiedlichem soziodemografischen Hintergrund. Während einige Apps mit Bild 2: Balkendiagramm zur Beantwortung der Frage nach der Wichtigkeit von bestimmten Informationsquellen für die Radverkehrsplanung (N=61) Bild 3: Altersverteilung der Strava-Nutzer für das Untersuchungsgebiet Dresden (Zeitraum 01-06/ 2016) Internationales Verkehrswesen (69) 1 | 2017 50 MOBILITÄT Radverkehr eher sozialen Motivatoren bzw. Incentives arbeiten und daher eine etwas breiter gefächerte Nutzerschicht aufweisen, arbeitet Strava ausschließlich mit sportiven und kompetitiven Anreizen. Dies hat zur Folge, dass in erster Linie sportliche Radfahrende angesprochen werden, Männer dominieren in der Nutzergruppe deutlich. Die Altersverteilung fällt jedoch besser aus als anfangs vermutet und weist Nutzer in allen Altersgruppen auf (siehe Bild 3). Diese Tatsache bringt die Notwendigkeit mit sich, neben einer reinen Datenanalyse auch eine Prüfung auf die Repräsentativität des Datensatzes durchzuführen. Explorative Datenauswertung Die von dem App-Betreiber Strava erworbenen Daten basieren auf GPS-Punkten, die zu Analysezwecken einem GIS-basierten Wegenetz zugeordnet werden. Beim App- Betreiber liegen zunächst alle GPS-Positionen mit einem Nutzer-, Zeit- und Fahrtstempel vor. Strava ordnet diese dann in einem nächsten Schritt mittels eines Mapmatching-Algorithmus‘ einem bestimmten Wegenetz zu. Das Wegenetz kann dabei frei vom Endkunden - d. h. der Kommune - gewählt werden. Bei der explorativen Datenanalyse fiel bereits auf, dass unterschiedliche Netzdichten für den momentan noch unvollkommenen Mapmatching-Algorithmus durchaus Probleme darstellen. So kam es in sehr dichten OpenStreetMap-Netzen mehrfach zu doppelten Belegungen, wenn mehrere parallele Netzsegmente in geringem Abstand digitalisiert waren (z. B. Radweg neben Kfz-Fahrbahn). Insgesamt hat sich deshalb herausgestellt, dass allein die Kartengrundlage ein wichtiger Schritt bei der Nutzung von GPS-Daten darstellt. Hier empfiehlt sich demnach, unabhängig vom Datenprovider, eine genaue Prüfung der gelieferten Daten sowie einen statistischen Test auf Duplikate durchzuführen. Am Beispiel der Verkehrsmengen der Stadt Dresden, die als Pilotkommune fungiert, wird die gute qualitative Netzabdeckung deutlich. Dargestellt sind hierbei die vom Datenprovider als „Pendler“ eingestuften Radfahrer im ersten und zweiten Quartal 2016 (Bild 4). Klar ersichtlich sind die erfolgte Abdeckung des Nebennetzes sowie die exponierte Darstellung der Haupt-Radfahrachsen. Repräsentativitätsprüfung der GPS-basierten Daten Angesichts der soziodemographischen Verzerrung und der Tatsache, dass es sich trotz der hohen Fallzahl (3200 Personen mit 70 500 Fahrten in Dresden von 01/ 2016- 05/ 2016) lediglich um eine kleine Stichprobe handelt, stellt sich die Frage nach der Einordnung der Daten bezüglich ihrer Repräsentativität. Hierzu werden im Folgenden exemplarisch drei Parameter vorgestellt und diskutiert. Verkehrsmenge Erklärtes Projektziel war es, eine Möglichkeit zu entwickeln, die vorhandene GPS- Stichprobe auf die tatsächlichen Verkehrsmengen an den Zählstellen hochzurechnen. Hierfür mussten zuerst die jeweiligen Datensätze angepasst werden. Während die Daten der Zählstellen für jeden Tag stundenfein vorliegen, sind die realisierten Fahrten innerhalb des GPS-Datensatzes für die jeweiligen Netzelemente natürlich entsprechend geringer verteilt. Hier kann der Fall eintreten, dass an mehreren Zeitscheiben eines Tages kein Radfahrer erfasst wird. Das macht es damit zunächst nötig, die Verteilung der Radfahrenden über einen größeren Zeitraum zu betrachten; im vorliegenden Projekt waren dies sechs Monate. Mittels mehrerer linearer Regressionen wurden danach die Stichproben der Verkehrsmengen an den jeweiligen Zählstellen der Landeshauptstadt Dresden hochgerechnet. Anschließend wurde aus den einzelnen Regressionsgleichungen eine für das ganze Stadtgebiet gültige Regression errechnet (Bild 5). Während für die einzelnen Querschnitte leicht sehr hohe Vertrauensniveaus zu erreichen sind (r 2 > 0,80), erreicht der Gesamtdurchschnitt diesbezüglich etwas geringere Werte (R 2 = 0,73). Dies kann aber im Rahmen des Untersuchungsdesigns durchaus immer noch als hoch angesehen werden. Gleiches gilt für den Korrelationskoeffizienten (> 0,9), der einen hohen Zusammenhang belegt. Es kann also zumindest für das Untersuchungsgebiet der Pilotkommu- ¯ Datengrundlage Data licensed from Strava Kartengrundlage Stadt Dresden Amt für Geodaten und Kataster Kartenautor TU Dresden Fakultät Verkehrswissenschaften Lehrstuhl für Verkehrsökologie Thilo Becker, Sven Lißner, Angela Francke Kartenversion: 09.11.2016 Radverkehrsmenge Anzal der Commute-Fahrten je Straßensegment (01/ 16- 05/ 16) Mit Smartphones generierte Verhaltensdaten im Radverkehr - Überprüfung der Nutzbarkeit und Entwicklung eines Auswertungsleitfadens für Akteure der Radverkehrsplanung NRVP-Forschungsprojekt 0 - 9 10 - 99 100 - 499 500 - 999 1000 - 1999 2000 - 3125 1: 50.000 0 1 2 3 4 0,5 Kilometer Bild 4: Erfassung von Radverkehrsstärken in Dresden mittels GPS-Daten des App-Betreibers Strava Bild 5: Hochrechnung der GPS-Daten auf Zählstellenniveau für den durchschnittlichen Tagesgang Internationales Verkehrswesen (69) 1 | 2017 51 Radverkehr MOBILITÄT ne davon ausgegangen werden, dass eine netzweite Hochrechnung auf Zählstellenniveau mit einem sinnvollen Qualitätsniveau möglich ist. Aktuell ist die Verifizierung der Methodik in weiteren Pilotkommunen, u. a. in Leipzig, in Bearbeitung. Geschwindigkeit Während in der Verteilung der Radfahrenden keine offensichtlichen Differenzen aufgrund der heterogenen Stichprobe vorherrschen, war zumindest bei der Fahrgeschwindigkeit ein deutlicher Unterschied zu erwarten. Dieser wurde durch umfangreiche Vergleichsmessungen bestätigt (n-=-1000, Messung an fünf Querschnitten). Die durch die App mutmaßlich eher angesprochenen sportaffinen, männlichen Nutzer weisen im Durchschnitt auch bei den als „Pendeln“ markierten Fahrten eine höhere Geschwindigkeit auf als der in den Vergleichsmessungen ermittelte Geschwindigkeitswert. Entscheidend für die Interpretation der Daten ist jedoch nicht nur zwingend der Mittelwert der gefahrenen Geschwindigkeiten, sondern auch deren Verteilung. Geht man von einem grundsätzlich höheren Vermögen zum schnelleren Fahren bei den Strava-Nutzern aus, kann man dennoch mögliche Qualitätsdefizite der Radfahrenden anhand der Geschwindigkeitsverteilung identifizieren. Die angesprochenen Verteilungen (Bild 6) erwiesen sich als ähnlich. Basierend auf den aggregierten Verteilungen lässt sich für alle Messstellen eine mittlere Abweichung von rund 5,5 km/ h feststellen (Bild 7). Die betrachteten Datensätze weisen auch innerhalb statistischer Analysen eine hohe Korrelation auf. Überschlägig ist es praktikabel, die Geschwindigkeiten der App-Daten um 5,5 km/ h zu vermindern, um das tatsächliche gemessene Niveau zu erreichen und eine höhere Aussagekraft der Werte zu erreichen. Darüber hinaus wurden auch Regressionsgleichungen gerechnet, die diesen Zweck für Strecken ohne Steigung erfüllen. Dabei wurde ein Bestimmtheitsmaß von R 2 = 0,85 über alle Messstellen erreicht. Es ist also möglich, auf Basis von GPS-Daten die tatsächlichen Fahrgeschwindigkeiten von Radfahrern zu prognostizieren. Anhand von niedrigeren Geschwindigkeitsniveaus bei vergleichbaren ebenen Netzelementen lassen sich demzufolge Qualitätslücken, wie beispielsweise mangelhafte Oberflächen oder überlastete Infrastruktur, innerhalb der Analyse von GPS- Daten erkennen. Der Parameter Geschwindigkeit kann einem kommunalen Fachplaner damit bereits erste Erkenntnisse über eventuelle Verbesserungspotentiale geben. Verkehrsverhalten Ein weiterer zu betrachtender Parameter bei der Prüfung auf Repräsentativität ist das Radverkehrsverhalten der untersuchten App-Nutzergruppe. Hierbei ist anzunehmen, dass sich dieses ohnehin von dem des Durchschnittsfahrers unterscheidet. Es galt jedoch zusätzlich auch den Einfluss der App-Nutzung an sich zu quantifizieren. Von Interesse war dabei vor allem die Anzahl der Nutzungen bei Alltagsfahrten beziehungsweise die vermutete Untererfassung von kurzen Wegen. Deshalb wurde zusätzlich eine Umfrage unter den Strava-App- Nutzern durchgeführt. Verbreitet wurde die Online-Befragung vornehmlich über Strava-Nutzergruppen und Social Media. Insgesamt konnten 182 Antworten in die Analyse einbezogen werden. Zu beachten war dabei das Geschlechterverhältnis: Unter den Befragten befanden sich lediglich zehn Radfahrerinnen. Hier wurde also das reale Nutzerverhältnis abgebildet. Die Hauptnutzer der App sind berufstätige Männer im Alter zwischen 30 und 40 Jahren, so wie in der Stichprobe der Befragung. Die angesprochenen Alltagsfahrten werden durch den App-Provider anhand der Benennung, der jeweiligen Zeitstempel sowie aufgrund der Quellen und Ziele der Fahrten identifiziert und separat ausgegeben. Im Ergebnis der Befragung zeigt sich, dass die App nicht ausschließlich für sportive Zwecke genutzt wird, sondern die Nutzer auch bei Alltagswegen die App aktivieren (Bild 8). Dabei verändert sich im Gegensatz zu Trainingsfahrten das Fahrverhalten nur geringfügig. Zusammenfassung und Ausblick Unter Beachtung der in der Repräsentativitätsprüfung genannten Faktoren sind die von Strava generierten GPS-Daten für die Radverkehrsplanung nutzbar. Bereits heute- sind damit Auswertungen möglich, die zeigen, wo, wann und wie sich Radfahrende im gesamten Netz bewegen. Berücksichtigt- werden sollte dabei jedoch der eher Bild 6: Geschwindigkeitsverteilungen im Vergleich zwischen eigener Messung und den Strava- Werten, klassiert, Elberadweg (N=371/ 430) Bild 7: Geschwindigkeitsverteilung im Vergleich zwischen eigener Messung und den Strava- Werten, aggregiert, Elberadweg (N= 371/ 430) Internationales Verkehrswesen (69) 1 | 2017 52 MOBILITÄT Radverkehr sportlich orientierte Kontext der erfassten Routen. Bevor allerdings eigene Dauerzählstellen von Kommunen deaktiviert werden oder sich ein schneller und günstiger Weg zu einer Radverkehrskarte erhofft wird, sollten mindestens die folgenden Aspekte bedacht werden: 1. Aktuell werden von Strava die Daten als Datenbankdatei oder GIS-Datei zur Verfügung gestellt. Die weitere Verarbeitung und Auswertung erfordert entsprechende Software und Kompetenz zur Bedienung und Interpretation, die zumindest nicht in allen, insbesondere personell geringer besetzten, kleineren Kommunen erwartet werden kann. Andere Anbieter, wie z. B. Bike Citizens, stellen die Daten komplett aufbereitet auf einer Weboberfläche zur Verfügung, verfolgen aber auch ein anderes Geschäftsmodell. 2. Die Prüfung, ob die Hochrechnung für die Verkehrsstärke aus der Pilotkommune Dresden überregionale Gültigkeit besitzt, ist noch nicht abgeschlossen. Nach jetzigem Stand ist es somit zwingend notwendig, zumindest einige Vergleichserhebungen mit klassischen Methoden durchzuführen. 3. Die Nutzbarkeit und Qualität der Daten hängt entscheidend von den Prozessen der Datenaufbereitung ab. Wie jedes andere Datenerhebungsinstrument bedürfen die Daten zum jetzigen Zeitpunkt noch einer kritischen und tiefgehenden Prüfung. 4. Ein detaillierter Praxis-Leitfaden befindet sich momentan in der Erstellung. Darin soll die gesamte Bandbreite von mit GPS-Daten lösbaren Fragestellungen über Qualitätskriterien für eine Ausschreibung bis hin zu Hinweisen zur Verarbeitung und Interpretation abgedeckt werden. Trotz der Einschränkungen ist es zielführend, jetzt schon Erfahrung und Kompetenz mit diesen neuen Datenquellen aufzubauen. Es scheint nur eine Frage der Zeit zu sein, bis die fortlaufende Standorterfassung noch weitere Verbreitung erfährt und damit die aktuell noch verhältnismäßig kleinen Stichproben stark anwachsen. Langfristig bietet die Nutzung von GPS- Daten einen wichtigen Mehrwert für die Radverkehrsplanung. Der aktive Einbezug von Radfahrenden eröffnet zudem neue Möglichkeiten in der Kommunikation, wobei dies beim aktuell betrachteten Datenanbieter Strava aufgrund der geringen Interaktivität und der daher durch Kommunen schwer realisierbaren Nutzeransprache leider kaum zum Tragen kommt. Dagegen bieten weitere Mitbewerber am Markt deutlich größere Gestaltungs- und Interaktionsspielräume für die Bürgerbeteiligung an, die zukünftig sicherlich ausgebaut bzw. durch zukünftige Anbieter abgedeckt werden können. ■ Förderhinweis: Dieser Beitrag entstand im Rahmen des Forschungsprojektes „Mit Smartphones generierte Verhaltensdaten im Radverkehr“ der Professuren für Verkehrsökologie und Verkehrspsychologie der TU Dresden. Das Forschungsvorhaben wird aus Mitteln zur Umsetzung des Nationalen Radverkehrsplans 2020 durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) gefördert. LITERATUR: [1] https: / / de.statista.com/ statistik/ daten/ studie/ 198959/ umfrage/ anzahl-der-smartphonenutzer-in-deutschland-seit-2010/ [2] http: / / labs.strava.com/ heatmap [3] http: / / www.bikecitizens.net/ de/ app/ Bild 8: Aktivierung der Strava-App bei verschiedenen Fahrttypen (N = 159) Angela Francke, Dipl.-Verk.wirtsch. Wissenschaftliche Mitarbeiterin, Lehrstuhl für Verkehrspsychologie, Institut für Verkehrsplanung und Straßenverkehr, Fakultät Verkehrswissenschaften „Friedrich List“, TU-Dresden angela.francke@tu-dresden.de Olena Chernyshova, M.Sc. Researcher, Chair of Transport Systems and Logistics, Kharkiv National Automobile and Highway University, Kharkiv (UA) olena@tokmylenko.com Sven Lißner, Dipl.-Ing. Wissenschaftlicher Mitarbeiter, Lehrstuhl für Verkehrsökologie, Institut für Verkehrsplanung und Straßenverkehr, Fakultät Verkehrswissenschaften „Friedrich List“, TU-Dresden sven.lissner@tu-dresden.de Thilo Becker, Dr.-Ing. Lehrstuhl für Verkehrsökologie, Institut für Verkehrsplanung und Straßenverkehr, Fakultät Verkehrswissenschaften „Friedrich List“, TU-Dresden thilo.becker@tu-dresden.de International Transportation 1 | 2017 Governance - Managing Public Transport Park & Move | Infrastructure by PPP | Safety & Security | Automation | ... Publication Date: 08 May 2017 | Manuscript Submission Deadline: 30 March 2017 Further information: https: / / www.internationales-verkehrswesen.de/ international-transportation-2017