Last Mile
Metaanalyse und Machbarkeitsstudie zur Entwicklung eines Routenplaners für Menschen mit eingeschränkter Mobilität
Phase 1
Projekttyp: Machbarkeitsstudie
Betroffene Behinderungen: Körperbehinderung
Thematiken: Selbstbestimmtes Leben, Dienstleistungen und Kommunikation, Öffentlicher Verkehr
Status: Abgeschlossen
Dieses Forschungsprojekt konzentriert sich auf die Analyse von Methoden zur Erhebung und Verarbeitung von Daten im Zusammenhang mit Hindernissen im öffentlichen Raum. Genauer gesagt, soll verstanden werden, wie verschiedene Unternehmen und Verbände die Datenerhebung bei der Bewertung von Barrieren in ihren jeweiligen Projekten angehen.
Hintergrund: Derzeit gibt es keine App, die barrierefreie Routen für Menschen mit eingeschränkter Mobilität vorschlägt, die ihre Mobilitätseinschränkungen und persönlichen Vorlieben berücksichtigt.
Der Verein Slowlution hat sich zum Ziel gesetzt, eine App anzubieten, die barrierefreie Routen für Menschen mit eingeschränkter Mobilität vorschlägt. Indem sie vorhandene Daten, wie zum Beispiel topografische Daten, aufwertet. Sowie die Anwendung bewährter Praktiken zur Datenerhebung, die bereits auf dem Markt erprobt wurden.
Problemstellung: Es gibt mehrere Unternehmen und Verbände, die sich mit der Erfassung von Hindernissen und der Zugänglichkeit von öffentlichen Räumen beschäftigen. Jede Partei hat ihre eigene Methode der Datenerhebung sowie das Format, in dem die Daten gespeichert werden. Diese verschiedenen gesammelten Daten werden nicht miteinander verbunden, analysiert oder zentralisiert.
Ziele: Analyse und Vergleich der verschiedenen Ansätze zur Datenerhebung auf der Grundlage von fünf Aspekten, um bewährte Verfahren für die Datenerhebung vor Ort zu ermitteln.
- Die Art und der Typ der gesammelten Daten
- Die Methode der Datenerhebung.
- Die Schnittstelle, die zur Eingabe der gesammelten Daten verwendet wird.
- Die Methodik zur Verarbeitung der Daten.
- Das Format der Datenspeicherung und der Datenbank.
Erzielte Ergebnisse: Unsere Synthese der besten Praktiken der drei untersuchten Projekte zielt darauf ab, die Bürgerbeteiligung mit einer professionellen Datenerhebung zu kombinieren, die einen Standard und eine klar definierte Typologie entwickelt, wie sie von Experten für Mobilität und Zugänglichkeit beschrieben wird. Dieser Standard der Datenerhebung wird für die Bürgererhebung vereinfacht. Auch durch den Einsatz von Machine Learning zur Klassifizierung der von den Nutzenden gesammelten Daten.
Unser Projekt soll zu einer zentralen Plattform für die Sammlung, Verarbeitung und Analyse von Daten sowie zu einem Routenplaner werden.
Beruflich hat das Team gelernt, wie wichtig bürgerschaftliches Engagement ist, um relevante und realistische Daten über Mobilitätshindernisse zu sammeln, was die Datenbasis bereichert und die Zuverlässigkeit der vorgeschlagenen Lösungen verbessert. Die Zusammenarbeit mit verschiedenen Disziplinen trug ebenfalls dazu bei, die Bedürfnisse der Nutzer besser zu verstehen.
Zwischenmenschlich hat der Austausch mit Endnutzenden und Experten die Kommunikation, die Teamarbeit und das Stakeholder-Management gestärkt. Dadurch konnten Schlüsselkompetenzen wie aktives Zuhören und das Einbeziehen von Feedback entwickelt werden.
Persönlich hat jedes Mitglied ein stärkeres Bewusstsein für Fragen der Zugänglichkeit entwickelt und gelernt, fortschrittliche technologische Werkzeuge wie Machine Learning für die Datenverarbeitung einzusetzen, was eine neue Perspektive auf die Auswirkungen inklusiver Innovationen mit sich bringt.
Diese Analyse anderer Projekte half uns, die Lücken in unserem Prozess zu definieren.
In Bezug auf den partizipativen Bürgeransatz testen wir weiterhin die Methodik der Datenerhebung durch freiwillige Datensammler. Wir testen verschiedene Aspekte: möglicher Aufwand, Klarheit der Hinweise für die Datenerhebung, Durchführbarkeit und Ergonomie einer Datenerhebung in Echtzeit vor Ort.
Parallel dazu entwickeln wir den Ansatz der professionellen Datenerhebung in Zusammenarbeit mit Mobilitätsexperten und anderen weiter:
- Schaffung eines Standards für die Datentypologie.
- Eine Modellierung der Daten
- Ein Verfahren zur Prüfung von Points of Interest.
- Checklisten für die Kriterien.
Die Analyse der topografischen Daten geht weiter und wird auch ein entscheidender Faktor für das Projekt sein.
