Aufgrund datenschutzrechtlicher Bestimmungen ist die Herausgabe von Datensätzen mit

genauen Bewegungsverläufen in der EU mit hohen Hürden verbunden. Falls für Forschungszwecke

ein Datensatz mit realistischem Bewegungsverhalten benötigt wird, wird somit häufig aus Datensätzen

aus dem außereuropäischen Ausland zurückgegriffen. Diese Daten spiegeln allerdings nicht zwingend

das Mobilitätsverhalten in Europa oder Deutschland wider. Dieser Demonstrator soll zeigen, dass die

frei verfügbare Simulation der Stadt Rastatt genutzt werden kann, um Bewegungsverläufe basierend

auf demografischen Daten zu erhalten. Hierfür wird die in MobiTopp generierte Verkehrsnachfrage

als Grundlage für die agentenbasierte Verkehrssimulation SUMO verwendet.

Als Basis für den Demonstrator dient eine MobiTopp Simulation der Stadt Rastatt. Basierend auf

Befragungen wurden demografische Daten ermittelt, welche die Grundlage für diese Simulation

darstellt. Bei MobiTopp handelt es sich um eine agentenbasierte Simulation der Verkehrsnachfrage.

MobiTopp verfügt allerdings über keine konkreten Routen für die einzelnen Agenten sondern verwen-

det lediglich sogenannte Traffic Analysis Zones. Um konkrete Bewegungsverläufe zu erhalten, ist also

eine Verknüpfung mit einer Verkehrssimulation nötig. Genutzt wird in diesem Fall die mikroskopische

Verkehrssimulation SUMO. Der Demonstrator verknüpft die beiden Simulationen in Form einer

Toolchain und generiert so GPS Traces, aber auch andere von SUMO unterstützte Formate wie

beispielsweise VTK.

MobiTopp steht am Anfang der Toolchain und generiert zunächst eine synthetische Population

bestehend aus einzelnen Haushalten. Diese Haushalte werden anschließend mit Agenten befüllt,

welche im Verlauf einer Woche basierend auf ihren Eigenschaften wie Alter und Berufstätigkeit eine

Verkehrsnachfrage erhalten. Diese Nachfrage verfügt neben Start- und Zielposition auch über einen

gewählten Verkehrsmodus und einen Startzeitpunkt. Diese Verkehrsnachfrage dient als Grundlage für

die Erstellung einer SUMO Simulation.

Um eine SUMO Simulation ausführen zu können, wird ein Straßennetz benötigt. Anhand der Start-

und Zielpositionen in der Verkehrsnachfrage wird ein geeigneter Ausschnitt gewählt und ein Import

aus OpenStreetMap durchgeführt. Optional kann der Kartenbereich auch verkleinert werden, um den

Speicherbedarf zu reduzieren. Auf der so importierten Karte können anschließend Trips durchgeführt

werden, welche sich aus den Daten aus MobiTopp ergeben. SUMO ermöglicht hierbei ein iteratives

Routing, wodurch sich die Verkehrslast über das Straßennetz verteilt. Hierbei wird jeweils ein Teil

der Agenten unter Berücksichtigung der aktuellen Verkehrslage neu geroutet. Ebenfalls möglich

ist ein Import von GTFS Daten für die Einbindung des ÖPNV. Um die Laufzeit zu verringern, ist

eine Einschränkung des Simulationszeitraums möglich, beispielsweise ein Zeitraum von wenigen

Stunden statt der vollen Woche. Nachdem das Routing abgeschlossen ist, kann SUMO die Daten im

gewünschten Format während eines letzten Simulationsdurchlaufs abspeichern.

Dieser Demonstrator ist im Rahmen des Forschungsprojekts „ANYMOS - Kompetenzcluster Anony-

misierung für vernetzte Mobilitätssysteme“ entstanden. Danke an das Bundesministerium für Bildung

und Forschung BMBF für die Finanzierung im Rahmen von NextGenerationEU der Europäischen

Union (Förderkennzeichen 16KISA086).

The number of Smart City applications is increasing at a steady pace, as the amount of sensor data being generated, transmitted, and processed continues to grow. The ongoing development of new public data-driven use-cases, such as traffic monitoring, parking lot capacity tracking, and visitor counting, offers users the possibility to link with real-world applications in their local communities. Likewise, substantial research has been conducted in recent years examining the opportunities and limitations of modern Smart City solutions, as well as the integration of heterogeneous Internet of Things (IoT) and edge devices. As a result, novel Smart City backend solutions and frameworks, such as FIWARE or CityPulse, are introduced to manage the generated sensor data and provide interfaces for visual and interactive data dashboards to inform users about the current status of the applications.

In this paper, we present SensBee, a new Rust-based sensor data backend solution, designed for the lightweight management of sensors and sensor users in the context of smart city applications. SensBee follows the concept of an Open City, which aims to involve the general public in the deployment, development, and utilization of sensor devices and applications. For this reason, SensBee offers a comprehensive range of flexible options, to register, manage, and access sensors for different users, and user groups. For instance, users may register their own private sensor devices and share the produced data with the general public for further processing or analysis purposes. Likewise, existing public user or system sensor devices can be accessed and integrated into own diverse Smart City applications, such as the tracking of visitors in the local swimming pools. Furthermore, our backend offers flexible data retrieval interfaces that can be integrated directly into established data visualization solutions, such as Grafana dashboards, to create interactive presentations of the recorded sensor data. To facilitate the integration of a multitude of heterogeneous sensor devices, our system offers configurable data ingestion interfaces for an extensible range of protocols, including HTTP and MQTT.

During the demonstration, we will showcase the workflow and capabilities of our sensor data backend utilizing real-world examples from our home city, Ilmenau. Visitors may try out the core functionalities of the system, such as registering new sensors or accessing available data on their own, and engage in a discussion regarding potential use-cases for their local Smarty City environments. Furthermore, as the SensBee project is still in an active development phase, visitors may contribute their experiences with previous sensor data backends and Smart City applications, as well as propose potential opportunities for improvements or additional functionalities.