Suchergebnisse

Die Entwicklung des Radverkehrsanteils kommt in vielen deutschen Städten und Kommunen nur langsam voran. Neben politischen Hemmnissen belegen Studien, dass auch ein fehlendes Sicherheitsempfinden im Radverkehr viele Menschen davon abhält, das Rad zu nutzen. Die vorliegende Studie untersucht das individuelle Sicherheitsempfindens von Radfahrenden in Karlsruhe, Baden-Württemberg. Grundlage hierfür ist das in der Urban Emotions Initiative entwickelte Framework zur sensorgestützten Messung von biostatistischen Werten zur Stressdetektion von Radfahrenden, das dabei hilft, neuralgische Punkte im Verkehrsnetz sichtbar zu machen. Als neuartige Ergänzung der Methode wird eine situative Triggertechnologie aus dem Bereich des Ambient Assisted Living vorgestellt, mit der die Probanden während der Fahrt Stresssituationen markieren können. Unterstützt wurde die Studie von klassischen Fragebögen zum Thema Sicherheitsempfinden im Radverkehr, die mit der sensorgestützten Stresskartierung abgeglichen wurde. Ziel der Studie war es zu untersuchen, ob die Triggertechnologie die Stressmessung verkehrsplanerisch unterstützen kann und relevante Ergebnisse zur Gestaltung einzelner Verkehrsanlagen liefert. Ein Vergleich der beiden Erhebungsmethoden zeigt, dass sich die Ergebnisse der Methoden gegenseitig bestätigen und zugleich um relevante Informationen ergänzen. Während die Angaben der Probanden zu den markierten Stresspunkten wichtige Informationen zur tatsächlichen Wahrnehmung der Radfahrenden liefern, dokumentiert die Stressmessung Situationen, die in den Angaben der Probanden aus verschiedenen Gründenkeine Beachtung finden. Die Ergebnisse der Studie unterstreichen das Potenzial von Untersuchungsansätzen, die subjektive Angaben und objektivierte Faktoren ...

Traditional urban planning processes typically happen in offices and behind desks. Modern types of civic participation can enhance those processes by acquiring citizens' ideas and feedback in participatory sensing approaches like "People as Sensors". As such, citizen-centric planning can be achieved by analysing Volunteered Geographic Information (VGI) data such as Twitter tweets and posts from other social media channels. These user-generated data comprise several information dimensions, such as spatial and temporal information, and textual content. However, in previous research, these dimensions were generally examined separately in single-disciplinary approaches, which does not allow for holistic conclusions in urban planning. This paper introduces TwEmLab, an interdisciplinary approach towards extracting citizens' emotions in different locations within a city. More concretely, we analyse tweets in three dimensions (space, time, and linguistics), based on similarities between each pair of tweets as defined by a specific set of functional relationships in each dimension. We use a graph-based semi-supervised learning algorithm to classify the data into discrete emotions (happiness, sadness, fear, anger/disgust, none). Our proposed solution allows tweets to be classified into emotion classes in a multi-parametric approach. Additionally, we created a manually annotated gold standard that can be used to evaluate TwEmLab's performance. Our experimental results show that we are able to identify tweets carrying emotions and that our approach bears extensive potential to reveal new insights into citizens' perceptions of the city.