TP4.4: Kollaborative und soziale Mobilitätsdienste



Innovative Mobilitätsdienste sind notwendig, um die Herausforderungen der Mobilität der Zukunft zu meistern. Eine nachhaltige Fortbewegung innerhalb und zwischen Städten ist das Ziel, um Städte zu Smart Cities weiterzuentwickeln. Solche Mobilitätsdienste beschränken sich nicht nur darauf, den Individualverkehr zu optimieren. Sie fördern ebenso den öffentlichen Nahverkehr und vereinfachen intermodale Fortbewegung, d.h. die Kombination von verschiedenen Fortbewegungsmitteln in einer Fahrt. Darüber hinaus stellen Fußgänger eine weitere Zielgruppe von Mobilitätsdiensten dar. Ein Beispiel sind Touristen, die eine Stadt erkunden und dabei Empfehlungen für Restaurants, Museen oder Denkmäler erhalten.


Abbildung 1: Waze Android App [2]
Verschiedene Forschungsarbeiten beschäftigen sich bereits mit Anwendungsfällen für innovative Mobilitätsdienste, aber auch zahlreiche, voll funktionsfähige Anwendungen stehen Verkehrsteilnehmern bereits zur Verfügung. Waze (Abbildung 1) ist eine Anwendung, die klassische Navigationssysteme verbessert, indem aktuelle Warnungen der Community in die Navigation miteinfließen. Benutzer können andere Verkehrsteilnehmer über Unfälle, Gefahrenstellen oder günstige Tankstellen informieren und werden in einem Gamification Ansatz durch den Gewinn von Punkten motiviert. Neuartige Taxi Dienstleister wie Uber, welcher bereits zum größten Taxiunternehmen geworden ist, ohne dabei eine eigene Flotte zu besitzen [1], verändern klassisches Mobilitätsverhalten und gestalten dadurch die Zukunft vernetzter Mobilität mit. Weitere Beispiele innovativer Ideen sind zahlreiche Car- und Bikesharing Angebote wie z.B. DriveNow oder Call-a-bike in München, welche es ermöglichen, Fahrzeuge mit anderen Menschen zu teilen. Mitfahrgelegenheiten wie Blablacar erhöhen die durchschnittliche Anzahl an Passagiere pro Fahrzeug, welche noch gering ist und dadurch eine der Hauptgründe für Verkehrsstörungen und Umweltverschmutzungen darstellt. Touristen und Einheimische nutzen Anwendungen wie Yelp (Abbildung 2) TripAdvisor und Foursquare, um Empfehlungen anderer Benutzer zu erhalten, während sie sich durch eine Stadt bewegen.

Einige dieser innovativen Dienste erweitern ihr Angebot durch die Bereitstellung personalisierter Empfehlungen für die Benutzer. Solche Empfehlungssysteme filtern große Mengen an Daten, um genau die Produkte oder Dienstleistungen zu empfehlen, die den Bedürfnissen des Benutzers am besten entsprechen. Aufgrund der weiten Verbreitung mobiler Geräte, wie z.B. Smartphones, werden Empfehlungssysteme immer öfter unterwegs verwendet. Empfehlungen können verbessert werden, indem Kontext, wie z.B. die aktuelle Position des Benutzers, berücksichtigt wird, um interessante Orte in der Nähe empfehlen zu können. Zusätzlich können Empfehlungssysteme soziale oder kollaborative Aspekte, wie z.B. Meinungen von Freunden oder anderen Benutzern mit ähnlichen Interessen, berücksichtigen, um personalisierte Empfehlungen bereitzustellen. Empfehlungssysteme bereichern innovative Mobilitätsdienste. Sie unterstützen Verkehrsteilnehmer, Passagiere und Fußgänger in zahlreichen Situationen, um beispielsweise Sehenswürdigkeiten, intermodale Routen oder interessante Veranstaltungen zu empfehlen.


Abbildung 2: Yelp iOS App [3]

Das Ziel dieses Teilprojekts ist die Entwicklung und Bewertung neuer Ideen für intelligente und innovative Mobilitätsdienste, welche personalisierte Informationen, zugeschnitten auf die Bedürfnisse des Benutzers, bereitstellen. Um dieses Ziel zu erreichen, beginnen wir mit der Suche nach themenbezogener Literatur und relevanten Anwendungen. Auf Basis der gefundenen Ergebnisse werden wir eigene Ideen für Mobilitätsdienste vorschlagen und diese anhand festgelegter Kriterien evaluieren. Wir werden die vielversprechendsten Ideen prototypisch umsetzen und abschließend eine Idee als voll funktionsfähige Anwendung in die TUM LLCM Plattform integrieren.

Unser Lehrstuhl beschäftigt sich bereits mit der Entwicklung innovativer Mobilitätsdienste. Ein Beispiel eines Empfehlungsdienstes im Bereich vernetze Mobilität ist der City Trip Planner in Abbildung 3. Diese Anwendung empfiehlt Sehenswürdigkeiten anhand der Interessen des Benutzers und kombiniert diese in einer sinnvollen Route. Damit werden nicht nur Touristen, die eine Stadt erkunden, unterstützt, vielmehr kann dadurch auch der Verkehrsfluss in einer Stadt optimiert werden.

Der Dienst kann noch verbessert werden, indem der Kontext der Empfehlung berücksichtigt wird (z.B. Veranstaltungen im Freien nur empfehlen, falls das Wetter gut ist), Meinungen von Freunden berücksichtigt werden und eine angepasste Version für Mobilgeräte bereitgestellt wird. Andere Arbeiten betrachten Veranstaltungsempfehlungen, eine optimierte Parkplatzsuche oder personalisierte, mobile Newsempfehlungen. Darüber hinaus beschäftigen wir uns mit intelligenten Benutzerschnittstellen, die eine hohe Usability unserer Anwendungen sicherstellen und die Ablenkung bei der Benutzung am Steuer verringern sollen.


Abbildung 3: City Trip Planner [4]

Darüber hinaus hat das Teilprojektteam eine erste Mobilitätsapplikation TourRec veröffentlicht:
TourRec ist ein Empfehlungssystem für personalisierte Städterouten, das Ihnen hilft, neue Städte einfacher zu erkunden!
Um Empfehlungen besser an Ihre Bedürfnisse anzupassen, können Sie TourRec mitteilen, welche Arten von Sehenswürdigkeiten Sie besonders gerne mögen. Sobald Sie eine neue Route benötigen, geben Sie Ihren Startpunkt (z.B. Ihre aktuelle Position), Ihr Ziel (z.B. Ihr Hotel), die Startzeit sowie die maximale Dauer der Route an. TourRec schlägt Ihnen dann einen Trip vor, mit dem Sie die Stadt erkunden können. Die Empfehlungen berücksichtigen dabei auch externe Faktoren, z.B. das Wetter. So können sie einfach Ihren nächsten Urlaub oder Städtetrip planen und verpassen keine Highlights auf Ihrer Reise!
Mehr Information zur Applikation finden Sie hier. Eine Downloadmöglichkeit besteht im Google Playstore.
Das Projektteam freut sich sehr über Feedback!

Kontaktieren Sie bitte Dr. Wolfgang Wörndl oder Daniel Herzog, falls sie mehr über dieses Teilprojekt oder unsere Arbeit im Allgemeinen erfahren möchten oder falls Sie Interesse an einer Zusammenarbeit zur Entwicklung innovativer Mobilitätsdienste haben. Motivierte Studenten, die eine Abschlussarbeit oder ein Guided Research über eines der vorgestellten Themen schreiben möchten, können uns ebenfalls gerne kontaktieren.

Quellen
[1] Goodwin, T. (2015): The Battle Is For The Customer Interface. http://techcrunch.com/2015/03/03/in-the-age-of-disintermediation-the-battle-is-all-for-the-customer-interface/ (zuletzt aufgerufen am 20. Januar 2016)
[2] https://play.google.com/store/apps/details?id=com.waze
[3] https://itunes.apple.com/de/app/yelp-beitrage-zu-restaurants/id284910350?mt=8
[4] Laß, C., Wörndl, W., Herzog, D. (2016): A Multi-Tier Web Service and Mobile Client for City Trip Recommendations. Proc. of the 8th EAI International Conference on Mobile Computing, Applications and Services (MobiCASE), Cambridge, Great Britain, Nov. 2016

Eigene Publikationen
[1] Dietz, Linus W.; Herzog, Daniel; Wörndl, Wolfgang: Deriving Tourist Mobility Patterns from Check-in Data. Proceedings of the WSDM 2018 Workshop on Learning from User Interactions, 2018
[2] Laß, Christopher; Herzog, Daniel; Wörndl, Wolfgang: Context-Aware Tourist Trip Recommendations. Proceedings of the 2nd Workshop on Recommenders in Tourism co-located with 11th ACM Conference on Recommender Systems (RecSys 2017), Como, Italy, August 27, 2017., 2017
[3] Herzog, Daniel; Wörndl, Wolfgang: Mobile and Context-Aware Event Recommender Systems. In: Lecture Notes in Business Information Processing. Springer International Publishing, 2017
[4] Laß, Christopher; Wörndl, Wolfgang; Herzog, Daniel: A Multi-Tier Web Service and Mobile Client for City Trip Recommendations. International Conference on Mobile Computing, Applications and Services (MobiCASE), 2016
[5] Herzog, Daniel; Wörndl, Wolfgang: Exploiting Item Dependencies to Improve Tourist Trip Recommendations. Proceedings of the Workshop on Recommenders in Tourism co-located with 10th ACM Conference on Recommender Systems (RecSys 2016), Boston, MA, USA, September 15, 2016., 2016
[6] Herzog, Daniel; Massoud, Hesham; Wörndl, Wolfgang: RouteMe. Proceedings of the 25th Conference on User Modeling, Adaptation and Personalization – UMAP ’17, ACM Press, 2017
[7] Siddiqui, Sajjad Ali; Herzog, Daniel; Wörndl, Wolfgang: Real-Time Public Transport Navigation on Smartwatches. Adjunct Publication of the 25th [8] Conference on User Modeling, Adaptation and Personalization – UMAP ’17, ACM Press, 2017
[9] Wörndl, Wolfgang; Hefele, Alexander; Herzog, Daniel: Recommending a sequence of interesting places for tourist trips. Information Technology & Tourism 17 (1), 2017, 31-54
[10] Herzog, Daniel; Wörndl, Wolfgang: Collaborative and Social Mobility Services. Digital Mobility Platforms and Ecosystems, 2016
[11] Herzog, Daniel; Wörndl, Wolfgang: Extending Content-Boosted Collaborative Filtering for Context-aware, Mobile Event Recommendations. Proceedings of the 12th International Conference on Web Information Systems and Technologies, SCITEPRESS, 2016
Betreute Arbeiten
[1] Florian Noack: Comparative Analysis of Real-Time Traffic Data for Integration in Urban Traffic Control Systems. Master Thesis, Technical University of Munich, 2018
[2] Simon Fakir: Computer Vision Approach to Derive User’s Preferences from Photos. Master Thesis, Technical University of Munich, 2017
[3] Hania Syed: An Evaluation of Technologies for Connecting Multiple Smartphones to Receive Tourist Trip Recommendations. Master Thesis, Technical University of Munich, 2017
[4] Robert Weindl: Meta Tour Generation for Trip Planning Applications based on a Recommender System utilizing Conversational, Deep Learning and Ontology Methodologies. Master Thesis, Technical University of Munich, 2017
[5] Julian Zurmühl: Next Location Prediction Based on Semantics of Personal Mobility Patterns. Master Thesis, Technical University of Munich, 2017 (in cooperation with BMW)