| Zusammenfassung: | In a world fueled by digitalization, the amounts of data generated daily hold a big potential for improving decision-making processes, urban planning, and fostering sustainable and livable cities. However, most of this data remains uncollected and unanalyzed, resulting in missed opportunities for authorities and city planners. This research sought to exploit Mobility as a Service (MaaS) data to de... In a world fueled by digitalization, the amounts of data generated daily hold a big potential for improving decision-making processes, urban planning, and fostering sustainable and livable cities. However, most of this data remains uncollected and unanalyzed, resulting in missed opportunities for authorities and city planners. This research sought to exploit Mobility as a Service (MaaS) data to develop an approach that synthesizes meaningful insights from urban data and sheds light on the intersection of MaaS and city planning good practices.
The research delves into the details of MaaS, a fully digitalized system offering unparalleled opportunities for data collection and analysis. Through an exploration of the MaaS ecosystem, the study identified its main data sources, types, features, and their relevance to city planning. To concretely measure this relevance, the research strategically selects five key domains (innovation, resource management, collaboration, governance, and sustainability) from the Sustainable Development Goals (SDGs) and assesses the alignment of MaaS data keywords within these domains. The study went over two stages; the first took a sample of 50 companies, and the second covered 200 MaaS organizations. Employing a semantic approach, the study accurately selects pertinent keywords and extracts data from credible sources to delineate the significance of MaaS data in city planning contexts. Beyond mere analysis, the research advocates for the development of use cases based on MaaS-generated data. These use cases not only aid in comprehending and elucidating the vast troves of MaaS data but also illuminate opportunities for improvement and identify gaps in the urban decision-making landscape. Ultimately, the study aims to foster a more informed and effective decision-making system for urban environments.
By harnessing the power of data analytics and NLP, the MaaS system can be fine-tuned to better meet the needs of both users and cities, resulting in improved and more sustainable urban environments. The uncovered patterns within this study reveal the patterns of different MaaS systems and uncover the ways of their integration within the urban system. Findings indicate that advanced MaaS systems prioritize societal goals and resource management, mid-level systems emphasize innovation and collaboration, while the lowest level of integration pertains to governance and sustainability.
During this research, an unexpected turn of events occurred—the COVID-19 pandemic. Capitalizing on this unforeseen situation, the study explored the potential impact of advanced mobility systems on the spread of the pandemic. The central question is whether advanced mobility systems exhibit greater resilience against pandemics or play no significant role. To address this query, the research delved into the COVID-19 case data from various regions in Germany over two years, concurrently assessing the smart index for selected cities. The results revealed an interesting correlation. Cities with more advanced mobility systems exhibit fewer contamination cases during the pandemic. This correlation can be attributed to several factors, such as the presence of digital and advanced control systems, streamlined organizational structures, and the availability of alternative modes of transportation that reduce the likelihood of contamination. These findings can provide practical implications for the mobility domain and city planning.
In conclusion, this research validated the potential of MaaS data in optimizing urban systems and city planning. By capitalizing on the wealth of data generated by MaaS companies, insights into societal goals, resource management, innovation, collaboration, governance, and sustainability were gained, and the relevant use cases in the city planning domain were also derived. Additionally, the unexpected exploration of the impact of advanced mobility systems on pandemic spread highlights the advantages offered by these systems in mitigating the effects of contagions.
In einer Welt, die von Digitalisierung angetrieben wird, birgt die täglich generierte Datenmenge ein großes Potenzial zur Verbesserung von Entscheidungsprozessen, städtischer Planung und zur Förderung nachhaltiger und lebenswerter Städte. Dennoch bleibt der Großteil dieser Daten ungesammelt und nicht analysiert, was zu verpassten Chancen für Behörden und Stadtplaner führt. Diese Forschung versucht... In einer Welt, die von Digitalisierung angetrieben wird, birgt die täglich generierte Datenmenge ein großes Potenzial zur Verbesserung von Entscheidungsprozessen, städtischer Planung und zur Förderung nachhaltiger und lebenswerter Städte. Dennoch bleibt der Großteil dieser Daten ungesammelt und nicht analysiert, was zu verpassten Chancen für Behörden und Stadtplaner führt. Diese Forschung versuchte, Mobility as a Service (MaaS) zu nutzen, um einen Ansatz zu entwickeln, der bedeutende Erkenntnisse aus städtischen Daten synthetisiert und Licht auf die Schnittstelle von MaaS und bewährten Praktiken der Stadtplanung wirft.
Die Forschung geht in die Details von MaaS, einem vollständig digitalisierten System, das beispiellose Möglichkeiten für Datensammlung und -analyse bietet. Durch die Erforschung des MaaS-Ökosystems identifizierte die Studie seine wichtigsten Datenquellen, -typen, -merkmale und ihre Relevanz für die Stadtplanung. Um diese Relevanz konkret zu messen, wählt die Forschung strategisch fünf Schlüsselbereiche (innovation, resource management, collaboration, governance, and sustainability) der Sustainable Development Goals (SDGs) aus und bewertet die Übereinstimmung von MaaS-Datenkeywords in diesen Bereichen. Die Studie umfasste zwei Phasen: Die erste nahm eine Stichprobe von 50 Unternehmen, und die zweite umfasste 200 MaaS-Organisationen. Unter Verwendung eines semantischen Ansatzes wählt die Studie genau relevante Schlüsselwörter aus und extrahiert Daten aus glaubwürdigen Quellen, um die Bedeutung von MaaS-Daten im Kontext der Stadtplanung zu umreißen. Über bloße Analyse hinaus setzt sich die Forschung für die Entwicklung von Anwendungsfällen auf der Grundlage von MaaS-generierten Daten ein. Diese Anwendungsfälle helfen nicht nur dabei, die umfangreichen Datenbestände von MaaS zu verstehen und zu erhellen, sondern auch Möglichkeiten zur Verbesserung aufzuzeigen und Lücken in der städtischen Entscheidungsfindungslandschaft zu identifizieren. Letztendlich zielt die Studie darauf ab, ein informierteres und effektiveres Entscheidungssystem für urbane Umgebungen zu fördern.
Durch die Nutzung der Kraft von Datenanalytik und NLP kann das MaaS-System optimiert werden, um den Bedürfnissen sowohl der Benutzer als auch der Städte besser gerecht zu werden und damit zu verbesserten und nachhaltigeren städtischen Umgebungen führen. Die aufgedeckten Muster innerhalb dieser Studie zeigen die Muster verschiedener MaaS-Systeme auf und enthüllen die Möglichkeiten ihrer Integration innerhalb des städtischen Systems. Die Ergebnisse deuten darauf hin, dass fortgeschrittene MaaS-Systeme gesellschaftliche Ziele und Ressourcenmanagement priorisieren, mittlere Systeme Innovation und Zusammenarbeit betonen, während die niedrigste Integrationsstufe Governance und Nachhaltigkeit betrifft.
Während dieser Forschung ereignete sich eine unerwartete Wendung - die COVID-19-Pandemie. Die Studie nutzte diese unvorhergesehene Situation, um das potenzielle Auswirkungen fortschrittlicher Mobilitätssysteme auf die Ausbreitung der Pandemie zu erforschen. Die zentrale Frage ist, ob fortschrittliche Mobilitätssysteme eine größere Widerstandsfähigkeit gegen Pandemien zeigen oder keine signifikante Rolle spielen. Um diese Frage zu beantworten, untersuchte die Forschung die COVID-19-Falldaten aus verschiedenen Regionen Deutschlands über zwei Jahre und bewertete gleichzeitig den Smart Index für ausgewählte Städte. Die Ergebnisse zeigten eine interessante Korrelation. Städte mit fortschrittlicheren Mobilitätssystemen weisen während der Pandemie weniger Kontaminationsfälle auf. Diese Korrelation kann auf mehrere Faktoren zurückgeführt werden, wie das Vorhandensein digitaler und fortschrittlicher Kontrollsysteme, gestraffte Organisationsstrukturen und die Verfügbarkeit alternativer Transportmittel, die die Wahrscheinlichkeit von Kontaminationen verringern. Diese Erkenntnisse können praktische Implikationen für den Mobilitätsbereich und die Stadtplanung bieten.
Zusammenfassend validiert diese Forschung das Potenzial von MaaS-Daten zur Optimierung städtischer Systeme und der Stadtplanung. Durch die Nutzung der Fülle von Daten, die von MaaS-Unternehmen generiert werden, wurden Erkenntnisse zu gesellschaftlichen Zielen, Ressourcenmanagement, Innovation, Zusammenarbeit, Governance und Nachhaltigkeit gewonnen, und die relevanten Anwendungsfälle im Bereich der Stadtplanung wurden abgeleitet. Darüber hinaus unterstreicht die unerwartete Erforschung der Auswirkungen fortschrittlicher Mobilitätssysteme auf die Pandemieausbreitung die Vorteile dieser Systeme bei der Eindämmung der Auswirkungen von Infektionen. |
