Skip to Content
DIE UMSETZUNG
DIE UMSETZUNG

Mainz - E-Parken verbessern

Daten(Data)
Daten
Mobilität(Mobility)
Mobilität
Stadtplanung(urban planning) 0
Stadtplanung

Mainz - E-Parken verbessern

Die Mainzer Stadtwerke testen die DKSR Offene Urbane Datenplattform im Stadtgebiet, um sie bei Erfolg flächendeckend zu etablieren. Eine Herausforderung für die Stadtwerke sind Falschparkende an E-Ladesäulen. Diese schränken Tankoptionen für E-Mobilist*innen und damit auch den Ladestromabsatz der Mainzer Stadtwerke ein. Durch Verknüpfung von Daten aus E-Ladesäulen und Parksensoren wird die Auslastung für ein besseres Verständnis des Nutzungsmusters parkender Autos an den Ladesäulen gewonnen. Die analysierten Daten ermöglichen die Ableitung von Strategien und konkreten Maßnahmen - z.B. E-Mobilist*innen den Belegungsstatus von Ladesäulenstellplätzen über die Mobilitäts-App der Mainzer Mobilität zur Verfügung zu stellen.

Chancen

  • Aufzeigen von Synergien durch die Verknüpfung verschiedenster städtischer Daten in einer Plattform.
  • Learning innerhalb der Kommunen, wie eine Urbane Datenplattform mehrwertstiftend eingesetzt werden kann.
  • Datenbasiertes Verständnis über das Nutzungs- und Verbrauchsverhalten an Ladesäulen bekommen und gleichzeitig die Organisation datenbasiert aufstellen.
  • Mittelfristig die Verfügbarkeit von Ladesäulen verbessern und den Absatz von Ladestrom erhöhen.
image description

Adaption für ihre Stadt

  • Diese Anwendung kann einfach über die Urban Data Community bezogen werden.
  • Implementierungsdauer: 3 Bis 6 Monate.
  • Auf Seiten der Stadt sollte ein Project Owner benannt werden, der ggf. abweichende Anforderungen definiert und Entwicklungsschritte abnimmt.

Notwendige Technologien

  • E-Ladesäulen (Innogy in diesem Fall) + APIs
  • Parksensoren (Smart City Systems in diesem Fall) + APIs
  • Complex Event Processing Engine
  • 2x Konnektoren für die E-Ladesäulen von Innogy (Belegungen, Energieverbräuche)
  • 1x Connector zu den Parksensoren von Smart City System

Faktor Geld

  • Eine 1:1 Adaption der Anwendung ist mit geringem Aufwand realisierbar.
  • UDC Mitglieder mit einer offenen urbanen Datenplattform können von ca. 10 - 35 Tagen Aufwand ausgehen.
  • Die Investition beinhaltet die Anbindung verschiedener Datensätze, die Berechnungslogik (Datenmodell) sowie die Visualisierung der Daten in einem Dashboard.
  • Größter Kostenfaktor ist die Anbindung der Daten.

Lessons Learned

  • Zur Entwicklung einer evidenzbasierten Taxonomie ist es notwendig, die Daten stichprobenartig (z.B. von einer Ladesäule & einem Parksensoren) zu analysieren. So können die tatsächlichen Nutzungsmuster verstanden werden. Daher wurde vorab ein Data Report durchgeführt.  
  • Taxonomie Ladeverhalten: z.B. Falsch geparkt (Autos, die Parken & nicht Laden), Zeit überzogen (Autos, die Laden und die Maximalzeit überschreiten), Korrekt geladen (Autos, die Laden und nachdem sie vollgeladen sind, zeitnah den Parkplatz verlassen) 
  • Die Dokumentationen der APIs müssen gut verstanden werden. Oft sind diese Intransparent und enthalten nicht alle nötigen Informationen. Daher ist die Kommunikation mit Beratern der Firmen oft notwendig.  
  • Ableitung strategischer Maßnahmen: Welche Erkenntnisse lassen sich aus den Daten ableiten? Beispielsweise könnten sie zu einer bedarfsgerechten Verlegung von E-Ladesäulen führen, zu breiterer Bewerbung oder zur Flexibilisierung des Preises für Ladestrom.
  • Wichtig ist bei organisationsübergreifenden Digitalisierung- und Innovationsvorhaben von Anfang an die Managementebene miteinzubeziehen und verständlich zu machen, dass zunächst ein Prototyp entwickelt wird und noch kein fertiges Produkt bzw. Geschäftsmodell. 

WELCHE SDGS WERDEN ADRESSIERT?

Um global nachhaltige Strukturen zu schaffen, haben die Mitgliedstaaten der Vereinten Nationen sich 17 Ziele bis 2030 gesetzt, die in der Agenda 2030 für nachhaltige Entwicklung festgehalten sind.

image description
image description
image description

UMSETZUNG ÜBERNEHMEN

Der Source Code dieser Umsetzung ist für Mitglieder der Urban Data Community zur freien Anpassung verfügbar. Als Mitglied können Sie über den Button direkt auf das gemeinsame GitHub-Repository der Urban Data Community zugreifen. Sollten Sie dabei Schwierigkeiten haben, kontaktieren Sie uns gerne.

Passende Daten(quellen)

Diese Daten(quellen) liefern wichtige Informationen für eine erfolgreiche Umsetzung.

image description

Parkplatz-Belegungs-Daten von Smart City System

image description

Innogy Mobile API & Charge Data Record API

Previous
Next
image description

WEITERFÜHRENDE INFORMATIONEN

Sie benötigen Unterstützung bei der Adaption der Anwendung für Ihre Stadt? Sie möchten wissen, worauf Sie bei der Umsetzung achten müssen? Sie möchten die Anwendung übernehmen? Kontaktieren Sie die Expert*innen, die für die Umsetzung verantwortlich sind. Wir sind Ihnen gerne behilflich!

image description

DKSR GmbH

Verena Mutz
Consultant

Previous
Next
Back to top