Präzise Mobilitätsservices
Die Dekonstruktion des Verkehrs und die Bedeutung von zuverlässigen Prognosen für Mobilitäts- und On-Demand-Dienstleistungen
Für On-Demand-Plattformen ist es wichtig, den Verkehrsfluss und die Verkehrsdichte zu kennen, aber dieses Wissen ist nur ein Teil eines kompletten Karten-Angebots. Erfolgreiche Anwendungen in diesem Bereich nutzen Verkehrsdaten in Kombination mit vielen anderen Karten-Funktionen, um die bestmögliche Nutzererfahrung zu ermöglichen.
Wenn wir über Verkehr nachdenken, denken wir oft an Unfälle, Staus und bestimmte Verkehrsmuster. All diese Faktoren haben einen großen Einfluss darauf, wie lange Autofahrten von A nach B dauern – und sie beeinflussen die Angebote von Mobilitäts- und On-Demand-Services.
Damit eine Anwendung die Routenplanung unterstützen kann, muss sie in der Lage sein, auf Veränderungen im Verkehrsfluss zu reagieren. Das hat auch Auswirkungen auf das Navigationserlebnis und darauf, was Kund:innen auf ihrem Endgerät sehen.
Die genannten Faktoren bilden einzelne Aspekte einer Fahrt ab. Gemeinsam tragen sie dazu bei, den Zeitverlust durch Staus für alle Beteiligten zu reduzieren und eine Nutzererfahrung zu schaffen, in der eindeutig ist, wann das Ziel erreicht oder eine Lieferung zugestellt wird.
Über die Autorin
Olivia Vahsen ist Developer Advocate. Dabei ist es ihr ein besonderes Anliegen, im Entwicklungsprozess Kommunikationspraktiken und Design, das sich am Menschen orientiert, miteinander zu verbinden – ein Thema, das sie bereits in einer Vielzahl von Artikeln, Videos und auf Veranstaltungen diskutiert hat.
Planung der perfekten Route unter Berücksichtigung des aktuellen Verkehrs
Routenplanung ist eines der besten Werkzeuge, um eine möglichst zuverlässige voraussichtliche Ankunftszeit (Estimated Time of Arrival / ETA) zu erhalten. Im Idealfall ist diese Ankunftszeit sowohl für Nutzer:innen als auch für Fahrer:innen während des gesamten Vorgangs identisch.
Während der Nutzung einer Anwendung kommt die Routenplanung an verschiedenen Stellen, zu unterschiedlichen Zeitpunkten und in wechselnden Rollen zum Tragen: Beispielsweise, wenn Kund:innen eine Mitfahrgelegenheit anfordern und anschließend ein:e Fahrer:in dem Fahrgast oder einer Lieferung (beziehungsweise einer Reihe von Lieferungen und Zielen) zugeordnet wird. Sobald dem:r Fahrer:in auf der aktuellen Fahrt weitere Fahrgäste oder Stopps zugeordnet werden, wiederholt sich der Vorgang der Routenplanung für ihn:sie jedes Mal von neuem.
Die optimal geplante Route berücksichtigt dabei die derzeitigen Straßenverhältnisse, bekannte Verkehrsstörungen, historische und Echtzeit-Verkehrsinformationen sowie Angaben zu Baustellen und anderen Baumaßnahmen. Das sind ziemlich viele Details. Betrachten wir anhand einer App, die mit der TomTom Maps API gebaut wurde, was konkret passiert, wenn Nutzer:innen eine Fahrt oder eine Lieferung anfragen:
- 1. Bewertung von Störungen im Straßenverkehr zum Zeitpunkt der Anfrage
Die Schnittstelle für Verkehrsstörungen (Traffic Incidents API) blendet auf einer Karte visuelle Hinweise auf Unfälle, Straßen- oder Fahrbahnsperrungen und andere Gefahren wie zum Beispiel Glatteis ein. Dieser Teil der Traffic API zeigt, welche Abschnitte des Straßennetzes betroffen sind und den Zeitpunkt des Geschehens. Die graphische Darstellung ist dabei so gewählt, dass sie für alle Nutzer:innen – sowohl Fahrer:innen als auch Fahrgäste – leicht verständlich ist. Diese Details zu Störungen werden Nutzer:innen angezeigt, wenn sie zum ersten Mal den Kartenausschnitt der Anwendung auf einem mobilen Gerät aufrufen. So kann man sich noch vor Anforderung einer Fahrt ein Bild der Umgebung machen.
- 2. Eine Bestandsaufnahme des aktuellen Verkehrs
Sobald eine Anfrage gestellt wird, erfolgt umgehend eine Betrachtung des aktuellen Verkehrsaufkommens, um die am stärksten frequentierten Gebiete zu ermitteln. Diese Betrachtung erfolgt über die Verkehrsfluss-Schnittstelle (Traffic Flow API) und verwendet das bekannte farbige Schema auf der Fahrbahn, um anzuzeigen, wie langsam oder schnell der Verkehr auf einem bestimmten Straßenabschnitt derzeit fließt. Bevor diese Informationen zur Darstellung der schnellsten Route auf der Karte verwendet werden, können auf der Karte außerdem Verkehrsstörungen und der Verkehrsfluss im Umkreis eines jeden gewünschten Punkts, Start- und Zielorts angezeigt werden.
- 3. Routenplanung anhand von Geschwindigkeitsprofilen
In diesem wichtigen Schritt greift die Routing API auf die Routing Engine von TomTom zu, um einen Vorschlag zu berechnen, der nicht nur die oben genannten aktuellen Verkehrsinformationen berücksichtigt, sondern auch zusätzliche Daten, beispielsweise aus Geschwindigkeitsprofilen. TomTom Traffic, der Verkehrsinformationsdienst von TomTom, meldet jede Minute aktualisierte Informationen zu Geschwindigkeiten und aktuellen Verkehrsverhältnissen; Geschwindigkeitsprofile hingegen verwenden historische Verkehrsdaten aus den zurückliegenden Jahren, um die real gefahrene Durchschnittsgeschwindigkeit für einen bestimmten Straßenabschnitt zu einer bestimmten Tageszeit zu berücksichtigen. Das ist wichtig, wenn man theoretisch gültige Geschwindigkeitsbegrenzungen mit der tatsächlich gefahrenen Geschwindigkeit vergleichen möchte: Einige Straßenabschnitte können notorische Staupunkte sein, andere können tatsächlich eine höhere Reisegeschwindigkeit aufweisen als erwartet.
Diese Faktoren sind Teil eines Algorithmus, der über Jahre hinweg perfektioniert wurde, indem wichtige Informationen über den Verkehrsfluss ausgewertet wurden. All dies geschieht binnen weniger Sekunden unbemerkt im Hintergrund der Anwendung, sobald Fahrer:in und Kund:in für einen Auftrag zusammengebracht werden.
Wenn all diese Informationen zusammenkommen, wird eine Route berechnet, bei der die Wahrscheinlichkeit am größten ist, dass die ursprünglich prognostizierte Ankunftszeit eingehalten wird – sowohl für den:die Fahrer:in, der:die einen Fahrgast abholt beziehungsweise abliefert oder eine Lebensmittelbestellung ausliefert, als auch für den Fahrgast.
In der unberechenbaren Welt des Berufsverkehrs trägt die Wahl der Route, auf der es wahrscheinlich zu keinen unvorhergesehenen Verzögerungen kommt, wesentlich dazu bei, dass Fahrer:innen zufrieden sind und die Anwendung auch in Zukunft immer wieder nutzen werden. Das gilt natürlich auch für Fahrgäste und Empfänger:innen einer Lieferung.
„Bessere Daten führen zu bessern Vorhersagen und ermöglichen es Fahrer:innen, ihre Fahrtzeit intelligenter zu nutzen.“
Die Beziehung von Verkehr und Stadtzentren aus Sicht von Fahrer:innen von Ridesharing-Diensten
Es ist wichtig zu verstehen, dass Fahrer:innen und Mitfahrer:innen nicht immer die gleichen Informationen auf ihrer Karte angezeigt bekommen und das aus gutem Grund.
Bei Ridesharing-Angeboten sammeln die Fahrer:innen in der Regel eine Serie an Aufträgen. Das bedeutet, eine Anwendung sucht ständig nach Fahrer:innen in der Nähe, unabhängig davon, ob diese bereits mit anderen Fahrgästen unterwegs sind oder nicht. Wenn Sie bereits mit einem Ridesharing-Dienst gefahren sind oder selbst als Fahrer:in unterwegs waren, haben Sie das wahrscheinlich schon einmal erlebt: In den letzten Minuten der Fahrt bzw. wenige Kilometer bevor der Fahrgast sein Ziel erreicht hat, wird der:die Fahrer:in häufig aufgefordert, weitere Fahrgäste zu übernehmen.
Ziel ist es, den Zeit- und Kraftstoffverbrauch zu senken, indem der:die Fahrer:in Aufträge in der Nähe des Orts übernimmt, an dem der letzte Fahrgast ausgestiegen ist, beziehungweise der nächste Fahrgast aussteigen wird. Aus diesem Grund ist es schwierig, vorab Tarife für Langstreckenfahrten festzulegen, und es erklärt, warum sich Mobilitätsanwendungen häufig auf Stadtzentren konzentrieren: Bei Fahrten in weniger dicht bewohnten Gebieten ist die Wahrscheinlichkeit niedriger, dass der:die Fahrer:in nach dem Absetzen eines Fahrgasts gleich wieder eine neue Anfrage erhält. Ohne Fahrgast generiert der:die Fahrer:in jedoch keine Einnahmen, während des Rückwegs in ein Stadtzentrum mit mehr potenziellen Nutzer:innen.
Bei Fahrten in Stadtzentren sind Fahrer:innen außerdem in der angenehmen Situation, meist in unmittelbarer Nähe von mehreren Hauptverkehrsstraßen und Autobahnen unterwegs zu sein. So gibt es in der Regel mehrere potentielle Umfahrungen von Eng- und Problemstellen im Straßennetz. Außerdem herrscht auf solchen Hauptverkehrsstraßen normalerweise ein regelmäßigeres Verkehrsaufkommen, wodurch die Genauigkeit und Zuverlässigkeit der Prognosen erhöht wird. Im Vergleich zu kleineren Straßen bieten Hauptverkehrsrouten in der Regel außerdem mehr Platz, um etwaige Unfälle zu räumen und andere Fahrzeuge um die Unfallstelle herumzuleiten. Dadurch kommt es seltener zu Staus. Ein weiterer positiver Effekt ist, dass die Verkehrsdatenlage auf diesen Routen besonders gut ist, da solche Straßen besonders rege genutzt werden.
Für Ridesharing-Dienste ist es wichtig, möglichst gute und zuverlässige Angaben hinsichtlich der Ankunftszeit und des Verkehrs zu liefern, aber das perfekte Nutzererlebnis ist damit noch nicht komplett. Als nächstes geht es um Faktoren, die helfen, dass Anwendungen auch Nutzer:innen von Lieferdiensten an sich binden können.
„Wenn es einem Unternehmen gelingt, gleich zu Beginn positive Erfahrungen mit der Zuverlässigkeit von Prognosen zu liefern, kann das helfen, das notwendige Vertrauen der Nutzer-Community zu stärken, die Basis auszubauen und ihre Mobilitätsideen auf die nächste Stufe zu heben. „
Olivia Vahsen
Wie Verkehrsdaten die Zustellung über kurze Distanzen verbessern
Im obigen Beispiel haben wir darüber gesprochen, was im Hintergrund in einer Anwendung passiert, nachdem ein Fahrgast einen Auftrag erteilt hat und dieser an eine:n Fahrer:in gesendet wurde. Wenn Nutzer:innen die App eines Lieferdiensts öffnen, werden ihnen in der Regel bereits erste Schätzungen angezeigt, die ihnen einen unmittelbaren Einblick geben, wie weit ihre Lieferung noch entfernt ist, noch bevor der:die Nutzer:in selbst etwas eingegeben hat.
Wenn Prognosen zum Verkehr eine:n Lieferfahrer:in im Stich lassen, lassen sie gleichzeitig auch deren Kunde:innen im Stich. Wenn die Prognosen jedoch den:die Fahrer:in erfolgreich bei der Zustellung unterstützen, ermöglichen sie nahtlose Übergänge, die von den Kunden:innen unbemerkt bleiben. Bessere Daten führen zu bessern Vorhersagen und ermöglichen es Fahrer:innen, ihre Fahrtzeit intelligenter zu nutzen. Ein beliebtes Beispiel hierfür ist die Auslieferung von Lebensmitteln mit mehreren Lieferpunkten auf derselben Route.
Aus der Sicht des:der Fahrer:in eines Lieferdienstes spart die Zustellung von mehreren Bestellungen, die auf einer Route liegen, Treibstoff und ermöglicht es, schneller neue Bestellungen anzunehmen, um so die Arbeitszeit zu miniimieren – entsprechend dem oben genannten Beispiel des:der Ridesharing-Fahrer:in. Die Optimierung der Zustellung entlang der schnellsten Route ist besonders wichtig, wenn mehrere Bestellungen während einer Fahrt ausgeliefert werden wollen. Denn so kann sichergestellt werden, dass auch die Erwartungen des:der Kund:in, dessen:deren Standort am weitesten vom Startpunkt entfernt ist, trotzdem erfüllt werden.
Die Wahrnehmung von Zusteller:in und Kund:in unterscheiden sich dabei: Was aus Sicht des:der Fahrer:in aufgrund der Erfahrung als normaler Vorgang bewertet wird, erscheint aus Sicht des:der Kund:in möglicherweise als eine Verzögerung, da der:die Fahrer:in unter Umständen zunächst eine Essensbestellung ausliefert, die sich in unmittelbarer Nähe des aktuellen Standorts befindet, und erst danach die Fahrt zum am weitesten entfernten Lieferort fortsetzt. Ein solches Szenario ist möglich, wenn der:die Fahrer:in vermeidbare Verkehrsstörungen umgeht. Wenn das Verkehrsaufkommen entlang der Routen unter Berücksichtigung mehrerer Stopps mit einbezogen wird, kann der:die Fahrer:in die Tour so anpassen, dass für alle Kund:innen auf dieser Fahrt die bestmögliche Lieferzeit erreicht wird.
Im Idealfall bedeutet eine verkehrsbedingte Anpassung der Lieferroute, dass kein:e Kund:in eine Verzögerung bei der Zustellung der Bestellung bemerkt. In ähnlicher Weise kann der:die Fahrer:in mit jede:r Kund:in kommunizieren und bei Bedarf Echtzeit-Updates zum Zustellzeitpunkt geben, um ein positives Nutzererlebnis zu bieten und Kund:innen so dazu zu bringen, die App erneut zu nutzen.
Entscheidungen auf Grundlage des Verkehrs führen zu besseren Ergebnissen
Mobilitätsanwendungen müssen sowohl für Fahrer:in als auch Kund:in eine Erfahrung bieten, die den Verkehr optimal berücksichtigt. Denn auf jeder Fahrt erleben beide Seiten aufs Neue, wie zuverlässig die Berechnungen der voraussichtlichen Ankunftszeit in der Praxis sind.
Wenn es einem Unternehmen gelingt, gleich zu Beginn solche positiven Erfahrungen mit der Zuverlässigkeit von Prognosen zu liefern, kann das helfen, das notwendige Vertrauen der Nutzer-Community zu stärken, die Basis auszubauen und ihre Mobilitätsideen auf die nächste Stufe zu heben. Die Verkehrsdaten und Maps APIs von TomTom können Unternehmen dabei helfen.
Aufmacherbild / Personenbild /
Quelle / Lizenz – TomTom
This content is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International license.
