Citizen Sensing – die Gefühle der Stadt sichtbar machen

Stresskarte einer Fußgängerin
© Karlsruher Instituts für Technologie (KIT)

Bei Citizen Sensing geht es um menschliche Emotionen wie Stress und Wohlbefinden, die beim Zufußgehen und Radfahren gemessen werden. Die Analyse dazu kann helfen Mobilitätsräume besser zu planen.

Die emotionalen Zustände werden dabei mithilfe von physiologischen Sensoren oder Apps in Echtzeit erfasst. Auch die schlagwortorientierte Auswertung großer Social Media-Datenbestände nach Gefühlszuständen kann helfen, Empfindungen in bestimmten (verkehrs-) räumlichen Kontexten (z.B. Kreuzungen, Übergänge, Aufenthaltsräume) zu ermitteln. Diese Daten können wichtige Erkenntnisse für die Verkehrsplanung liefern und zur Entscheidungsunterstützung für die räumliche Planung genutzt werden.

  • O
  • O
  • O

Kosten: hoch, Kosten für Sensorik, Entschädigung für Proband:innen

  • O
  • O
  • O
  • O

Aufwand: hoch, für Nutzer:innen niedrig

  • O
  • O
  • O

Nötiges Vorwisen der Anwender/Umsetzer:innen: mittel, Interpretation der Ergebnisse im Raumkontext

Einsatzbereiche

  • Ermittlung der verschiedenen Empfindungen ausgewählter Proband:innen (oft Anwohner:innen, aber nicht zwingend) während der Nutzung öffentlicher (Mobilitäts-)Räume
  • Evidenzbasierte Evaluierung potenzieller Gefahrenräume

Ergebnisse

  • Gefahren- und Unsicherheitskarten für Fußgänger:innen und Radfahrer:innen
  • Sichtbarmachung von Verkehrssicherheitsdefiziten, Handlungsempfehlungen zur Entschärfung heikler Situationen
  • Identifizierung sicherer und attraktiver/beliebter Umgebungen und beeinflussender Kriterien als good practice

Geeignete Personenanzahl

  • Bei der Humansensorik sind wenige sozial durchmischte Proband:innen für verschiedene Routen und Tageszeiten durchaus aussagekräftig.
  • Bei Crowdsourcing ist eine möglichst große und breit gefächerte Grundgesamtheit von Vorteil.

Empfohlener Ablauf

  1. Festlegung des gewünschten Analyseraums und ggf. spezifischer Routen, Besorgung des Equipments (z.B. Smartband, Feedback-App) bzw. Big-Data-Quellen
  2. Auswertung von Datenbeständen sozialer Netzwerke mit Methoden von Data Mining/Machine Learning anhand emotionaler Schlagwörter
  3. Ausstattung und Einweisung der Proband:innen und Durchführung der Begehungen oder Befahrungen
  4. Zusammenführen und Visualisieren der Ergebnisse (in Kartenform), Interpretation im räumlichen Kontext

  • Praxisseminare an Universitäten sind zur Rekrutierung von Proband:innen geeignet.

Hürden

  • Teilnehmende schwer skalierbar
  • Sensortechnologie z.T. teuer

Lösungen

  • potenzielle Datenbereitstellung durch etablierte Smartband-Anbieter
  • Wechsel auf Selbsteinschätzungen

Links:

  1. Urban Emotion Projekt  
  2. Studie „Urban Emotions“ Stadt, du stresst mich so!
  3. Werner et al. (2019): Evaluating Urban Bicycle Infrastructures through Intersubjectivity of Stress Sensations Derived from Physiological Measurements. mdpi