SmartMMI stell 4 (vier) wissenschaftlichen Arbeiten auf der virtuellen internationalen Konferenz Human Computer Interaction International (HCII) 2020 vor. Die HCI ist eine der größten Konferenzen im Bereich der Mensch-Maschine-Interaktion. Aufgrund der Corona-Pandemie fand die diesjährige Konferenz nicht wie geplant zwischen 19 und 24 Juli in Kopenhagen, sondern zum ersten mal in Ihrer Geschichte komplett online statt. Die vier wissenschaftlichen Beiträge spiegeln sie die aktuellen Forschungsschwerpunkte im Projekt wieder.
Die Bewertung der Mobilität der Menschen ist entscheidend für das Verständnis des Verkehrs, der Verkehrssicherheit und der Auswirkungen der Verkehrsplanung. In dieser Arbeit stellen wir unseren „Werkzeugkasten“ für die Analyse und Bewertung von Aspekten der verschiedenen Mobilitätsformen vor. Einige dieser Werkzeuge unterstützen die Beteiligung der Verkehrsteilnehmer an der Analyse. Die Werkzeuge können entweder für die Durchführung von Analysen zu Planungszwecken oder für die Evaluation von umgesetzten Maßnahmen eingesetzt werden. Unser Ziel ist es, das Verständnis der Mobilität in all ihren Facetten zu verbessern und letztlich den Benutzerkomfort, die Sicherheit und die allgemeine Benutzerakzeptanz in der städtischen Mobilität zu erhöhen.
Um adaptive Fahrgastinformationssysteme realisieren zu können, wurden Kontextfaktoren, die für Fahrgäste im ÖV relevant sind, systematisch erhoben. Diese Kontextfaktoren wurden in einem Kontextmodell modelliert, das in dieser Arbeit vorgestellt wird. Ein auf den öffentlichen Verkehr ausgerichteter Kontext Lifecycle vereint Kontextdaten aus verschiedenen Quellen und ermöglicht die Klassifikation der Situation eines Fahrgastes im ÖV für Anpassungen der Fahrgastinformation.
Nutzerstudien zur Evaluation von öffentlichen Verkehrssysteme sind oft schwierig einzurichten. Feldtests liefern zwar wichtige Einblicke in die reale Nutzbarkeit von ÖPNV-Systemen, sind aber auch komplex und teuer. Besonders in frühen Entwicklungsstadien von ÖPNV-bezogenen Systemen sind Feldtests nicht geeignet. Die Nutzbarkeit von ÖPNV-Systemen hängt jedoch oft von „realen“ Kontextfaktoren ab, die sich in laborgestützten Benutzerstudien nur schwer reproduzieren lassen. Der in dieser Arbeit vorgestellte Ansatz beschreibt die Entwicklung und den Einsatz eines Mockup eines Straßenbahn- oder Zugabteils, das flexibel eingesetzt werden kann, um in Benutzerstudien ein ÖPNV-Erlebnis zu schaffen. In diesem Beitrag beschreiben wir unsere Erfahrungen und wiederkehrenden Herausforderungen bei Benutzerstudien im öffentlichen Verkehr, das Design und den Aufbau unseres Mockups und geben einen Einblick in seine Anwendung in den von uns durchgeführten Studien und die daraus gezogenen Lehren.
Eine adaptive Fahrgastinformation für ein verbessertes Mobilitätserlebnis könnte der nächste Schritt zu einem intelligenten öffentlichen Verkehr sein. Im Forschungsprojekt SmartMMI haben wir einen Multi-Device Evaluierungsansatz für adaptive Fahrgastinformationssysteme mobiler Public Displays entwickelt. Ein adaptives Fahrgastinformationssystem muss den Kontext des Fahrgastes kennen. Um diese Anforderung zu erfüllen, verwenden wir die persönlichen Geräte der Fahrgäste wie Smartphones oder Smart Watches als Kontextquellen. In dieser Arbeit beschreiben wir unseren Ansatz einer Evaluierung eines Multi-Device Fahrgastinformationssystems, mit Fokus auf Datensicherheit und Privacy-Awareness. Wir stellen drei verschiedene Methoden von Pseudonymen vor, die verwendet wurden, um die persönlichen Informationen auf den privaten Geräten der Passagiere mit den auf dem Public Displays angezeigten Informationen visuell zu verknüpfen. Darüber hinaus berichten wir über unsere Evaluierungsergebnisse aus einer Benutzerstudie, in der die Akzeptanz und Verständlichkeit der verwendeten visuellen Pseudonyme bewertet wurde.
