(c) Salzburg Research/shutterstock

Anreize für nachhaltige Mobilität in der Stadt

Dynamic Mobility Nudge: Mit digitalen, datenbasierten Erkenntnissen nachhaltige Mobilität in Städten fördern. Um Städte lebenswert zu machen und klimafreundliche Maßnahmen zu setzen, sollen Bewohnerinnen und Bewohner motiviert werden, vermehrt mit dem Rad zu fahren, zu Fuß zu gehen oder den öffentlichen Verkehr zu nutzen. Der motorisierte Individualverkehr soll reduziert und nachhaltige Formen der Mobilität verstärkt werden.

Das Forschungsvorhaben unter der Leitung von Salzburg Research entwickelt digitale, datenbasierte Möglichkeiten, um Änderungen im täglichen Mobilitätsverhalten zu fördern. Die Forscher/-innen untersuchen, inwieweit Anreize (Nudges) durch Kontextinformation effektiver werden. Dafür werden Standortinformationen, Rahmenbedingungen wie Wetter, Verkehrssituation, Lärm- oder Schadstoffbelastung und verhaltensökonomische Komponenten miteinander verknüpft. Alle digitalen Daten werden so aufbereitet, dass eine weitgehende Automatisierung sämtlicher Prozesse möglich wird.

Basierend auf Echtzeitdaten, Nutzer/-innen-generierten und öffentlichen Daten soll dieser Rahmen den Forschungsstand im Bereich der Verhaltensökonomie und der Psychologie im Mobilitätsbereich erweitern, zugleich die Mobilitätswende unterstützen sowie Entscheidungsträger/-innen inspirieren.

Salzburg Research ist neben der Leitung des Forschungsvorhabens für die Erhebung der User Needs und das Design der digitalen Nudges zuständig, die ein Kernstück der Forschungsarbeit darstellen. Die Pilotstädte, für die diese Anreize beispielhaft umgesetzt werden, sind Salzburg und Uppsala (Schweden). Neben deutschen und schwedischen Partnerorganisationen ist auch das Z_GIS der Universität Salzburg Teil des Konsortiums. DyMoN wird im Programm JPI Urban Europe u. a. durch das österreichische Klimaschutzministerium gefördert.

Mehr Information: DyMoN – Dynamic Mobility Nudge

Gepostet am 17.01.2022

Ähnliche Beiträge

Individuelles Stressmanangement

Salzburg Research entwickelt gegenwärtig ein automatisiertes Verfahren für nachhaltiges, individuelles Stressmanagement. Ein lernender Agent soll Stress-Mehrebenendiagnostik, personalisierte Stressprofile und Interventionen im Arbeitskontext ermöglichen.

Automatisierte Störungsdiagnostik im Stromnetz

Das Potenzial von Telekom-Diagnosedaten für die automatisierte Störungsdiagnostik im Niederspannungsnetz nutzen: Mit Hilfe von Machine Learning kann die Ursache für ca. 70 Prozent der Niederspannungsnetzstörungen ohne zusätzliche Hardware automatisch detektiert werden.

Data Science – Studierende im Speed Dating mit Unternehmen

Er lebt in einer komplexen Welt voller logischer Zusammenhänge. Christian Borgelt ist Professor für Data Science an der Universität Salzburg. Im Interview haben wir mit ihm über Deep Learning, Data Science und problemorientiertes Arbeiten gesprochen.