Mobiles Internet

RSS Feeds  | Alle Themen Mobiles Internet-Visual-147539076
28.01.2015, 10:11 Uhr | 0 |

Verfügbarkeit voraussagen Siemens will Carsharing planbarer machen

Nutzer von Carsharing-Diensten, dessen Fahrzeuge keinen festen Standort haben, profitieren von hoher Flexibilität. Die Kehrseite: Es lässt sich im Voraus nicht zuverlässig planen, ob zu einem bestimmten Zeitpunkt ein Auto verfügbar sein wird. Diesem Roulettespiel will Siemens nun ein Ende bereiten.

Freefloating-Anbieter Car2go
Á

Beim sogenannten Freefloating-Carsharing müssen Teilnehmer die Autos nicht zum Ausgangsort zurückbringen. Die Software von Siemens soll prognostizieren, wann in welchen Arealen Autos zur Verfügung stehen. 

Foto: dpa/Stefan Puchner

Mit der App schnell das nächste verfügbare Auto in der Umgebung finden und los damit zur Arbeit: Carsharing-Dienste, die auf das freie Einsteigen und Abstellen setzen, werden vor allem in großen Städten immer beliebter. Ärgerlich ist nur, dass das am Straßenrand geparkte Fahrzeug nach Dienstende womöglich nicht mehr da ist. Irgendjemand hat es gefunden und mitgenommen – so funktioniert nun einmal das Prinzip dahinter.

Prognosetool wird Teil der Mobilitätsplattform SiMobility Connect

Um den Nutzern jener Carsharing-Dienste mehr Planbarkeit zu bescheren, entwickelt Siemens einen Service, der die Wahrscheinlichkeit der Verfügbarkeit der Autos vorhersagen soll – in einem bestimmten Radius und zu einer bestimmten Zeit.

Das digitale Prognosetool soll in die Mobilitätsplattform SiMobility Connect eingebunden werden. Dabei handelt es sich ebenfalls um eine Siemens-Entwicklung, die die Kombination verschiedener Verkehrsmittel unkomplizierter machen soll. Jene Plattform vernetzt unter anderem Verkehrsbetriebe, Taxis aber auch Carsharing-Anbieter oder Fahrradverleihe – beispielsweise über Apps oder Fahrerassistenzsysteme.

Algorithmus lernt Verfügbarkeiten der Vergangenheit auswendig

Damit das nun in der Entwicklung befindliche Prognosetool verlässliche Vorhersagen bezüglich der Fahrzeugverfügbarkeit liefern kann, wird es mit zahlreichen Daten aus der Vergangenheit gefüttert. Um den Algorithmus dahinter nicht allzu kompliziert gestalten zu müssen, teilten die Forscher das jeweilige Stadtgebiet in verschiedene Zonen auf.

Nach und nach lernt die Software nun jene historischen Positions- und Verfügbarkeitsdaten aller Sharing-Autos in den unterschiedlichen Arealen auswendig. Mögliche erkannte Regelmäßigkeiten in der Verfügbarkeit der Vergangenheit lassen, so die Idee, letztendlich auch Prognosen für die Zukunft zu. Für eine erhöhte Präzision der Vorhersagen müssen allerdings auch äußere Einflüsse berücksichtigt werden, beispielsweise Feiertage, die Wetterlage oder auch Ferienzeiten. Dabei soll die Software auch von ihren quantitativen Erfahrungswerten profitieren: Je länger das kleine Programm die Daten auswertet, desto zuverlässiger werden letztendlich die Vorhersagen.

Anzeige
Von Jan-Martin Altgeld
Zur StartseiteZur Startseite
schlagworte: 
kommentare

Aktuell wurden noch keine Kommentare zu diesem Artikel abgegeben. Loggen Sie ich ein oder melden Sie sich neu an, wenn Sie noch keine Zugangsdaten haben
> Zum Login     > Neu anmelden