When trying to model individual traffic based on mobile subsciption data, it is of advantage to know where most of the traffic participants start and end their rides. It can be assumed that in densely populated areas this is more likely to happen than in sparsely inhabited regions such as forests or agricultural areas. Additionally, a timely component can be taken into consideration, e.g. morning and evening rush hours.
In the course of this project publicly available information (e.g. Open Street Map, landuse data) is used to find out how the population is spatially distributed on a small scale. One ingenuous approach could be to count all residental houses in a certain region in order to derive the number of possible traffic participants. By using landuse data, it can be determined where e.g. industrial areas are situated, which does have an important effect on modelling individual traffic (rush hours).
Beim Versuch, den Straßenverkehr basierend auf Mobilfunkbetreiberdaten zu modellieren, ist es von Vorteil, abschätzen zu können, von wo die meisten Verkehrsteilnehmer losfahren bzw. wo sie ankommen. Man kann davon ausgehen, dass dies in verbauten Gebieten häufiger der Fall sein wird als in unverbauten (Wälder, landwirschaftliche Nutzflächen, Bergen, …). Eine zeitliche Komponente kann dabei ebenso berücksichtigt werden (Berufsverkehr, …).
In diesem Projekt wird versucht, mithilfe von frei verfügbaren Informationen (z.B. OpenStreetMap Kartendaten) herauszufinden, wie die Bevölkerung kleinräumig verteilt ist. Ein Ansatz ist, die Wohnhäuser in einem bestimmten Bereich abzuzählen und dadurch auf die Anzahl von potenziellen Verkehrsteilnehmern in diesem Bereich zu schließen. In weiterer Folge soll auch versucht werden, weitere für die Verkehrsmodellierung relevante Daten herauszufinden, wie die Standorte von Firmen oder Amtsgebäuden, um zum Beispiel den Berufsverkehr abschätzen zu können.