Mobilitätsdaten und ihre Analyse

spielen für eine Vielzahl von Akteuren aus der Forschung eine wesentliche Rolle

bei der Bewältigung verschiedener Aufgaben, z.B. bei der Untersuchung sozialer

Ungleichheiten, der Erstellung von Verkehrsprognosemodellen und der

Unterstützung von Infrastrukturentscheidungen. Im Zusammenhang mit

Mobilitätsdaten gibt es mehrere Herausforderungen, bspw. sind solche Daten oft

auf bestimmte Regionen und Zeiträume beschränkt. Um dennoch Analysen und

Verallgemeinerungen aus diesen Datensätzen zu ermöglichen, sind die

synthetische Generierung von Daten und die Entwicklung und Bereitstellung von

übertragbaren Modellen wichtige Voraussetzungen. Mit RUSHMORE möchten wir

solche Datensätze bereitstellen und neue Methoden sowie einen Suchprototyp für Human

Mobility Research entwickeln. Darüber hinaus wollen wir eingehende

Evaluierungen durchführen und Best Practices für die Entwicklung von

Datendiensten ableiten, die Mobilitätsdaten und Metadaten für interessierte

Datenkonsumenten gemäß den FAIR-Prinzipien bereitstellen.

Im Einzelnen verfolgen wir folgende

Ziele: (i) Erleichterung der multidisziplinären Forschung in Bezug auf eine

Vielzahl von Anwendungsfällen durch die Bereitstellung eines offenen und FAIRen

Zugangs zu einem breiten Spektrum mobilitätsbezogener Daten und Modelle; (ii)

Einbindung der Forschungsgemeinschaft in die gemeinsame Nutzung und

Wiederverwendung von Mobilitätsdaten zur Erleichterung der interdisziplinären

Forschung; (iii) Schließung von Datenlücken und Behebung des Mangels an

Mobilitätsdaten durch repräsentative synthetische Daten und Machine Learning

Modelle, die aus etablierten und vergleichbaren Datensätzen generiert werden.