Location ist zwar alles, daraus ableitbare Frequenz dann aber fast noch mehr! …
Was in Coronazeiten fast vergessen und noch weniger propagiert wird:
Der Mensch ist an sich gerne „mobil“…
Bereits 2019 hat Dominique Bornhöft (Walkabout Consulting) beim Business Seminar in Amsterdam, welches heuer auf Grund der Coronakrise verschoben wurde (https://www.geobusiness-seminar.com/) den PFA – Passantenfrequenzatlas vorgestellt. Dieser liefert europaweit Kennzahlen über Passantenfrequenzen auf Straßenabschnitten und ermöglicht den direkten Vergleich von Lagen, Hotspots und Standortqualitäten. Der Passantenfrequenzatlas Europa ist ein gemeinsames Projekt der Nexiga und der Walkabout Consulting.
Neben einem Beispiel von Wien, welches auf der Nexiga Homepage abrufbar ist, hat GeoMagis, dankenswerterweise von Walkabout Consulting, auch die Frequenzen in St. Pölten näher analysieren dürfen.
Was fällt auf? Der PFA spiegelt die konsumbezogene Frequenz wider. Es wird also nicht grundsätzlich die Passantenfrequenz als solche dargestellt, sondern fokussiert diejenige für den Konsum relevante Frequenz. Das heißt Frequenzen werden gemäß einem Bewertungsschema gewichtet. Frequenz auf Grund eines Knotens oder einer Sehenswürdigkeit zeichnet sich im Atlas wenig ab.
Eingespeist werden Frequenzdaten unterschiedlichster Quellen (Here, OSM etc.) und auch eigene aufwendige Recherchen basierend auf Shopketteninformationen.
Wie zumindest am Wiener Beispiel gut ersichtlich, wird zwischen 10 verschiedenen Lagen (im Sinne der Standortqualität) unterschieden. In St. Pölten wären die Top Lagen 9 und 10 beispielsweise nur in der Fußgängerzone vom Bahnhof in die Stadt bzw. beim nördlichen Shoppingcenter Traisenpark zu finden.
Ersterer Abschnitt bildet tatsächlich einen hochfrequenten Teil ab, herrscht hier reger Fußgängerverkehr vom Bahnhof zur Stadt.
Der Traisenpark weist natürlich eine auf diesen Abschnitt gemappte, hohe Shopdichte auf. Die Frequenz spielt sich aber im Zentrum ab und nicht straßenseitig. Das ist generell das Problem bei großen Shoppingmalls, Passagen, Bahnhöfen etc., dass deren Frequenz auf die nächstgelegenen Straßenabschnitt gemappt werden, egal ob dort (z.B. bedingt durch eine Fußgängerzone) ohnehin eine große Passantendichte vorherrscht oder eben nicht.
Die etwas schwächere „A-Lage“ in St. Pölten repräsentiert weite Teile der Innenstadt (eine der ältesten Fußgängerzonen Österreichs!) und den Parkplatz des Traisen Centers im Norden. Um genau zu sein nicht einmal den Parkplatz, sondern eine (nicht öffentliche) Erschließungsstraße an der Rückseite der Shops. Auch hier zeigt sich die eben skizzierte Methodik.
Im unteren Bereich der Lageskala ist etwa ein lokales Zentrum im Süden St. Pöltens als 4 (mäßige Stadtteil/Zentrumsrandlage) Großteils auf den Parkplatz abgebildet. Zwar ist die Shopdichte nicht so hoch wie im Traisenpark, jedoch werden auch dort auf weniger, dafür großen Verkaufsflächen gute Frequenzen erzielt.
In einem für einen Junitag 2018 durchgeführten Test mit 3 Data Analytics Daten konnte festgestellt werden, dass in dieser „mäßigen Zentrumsrandlage“ eigentlich mehr Besucher als im nördlichen Traisenpark (1A Lage) waren – und vor allem wesentlich mehr Männer!
Gewiss werden hier zum Abschluss des Artikels zwei ganz unterschiedliche Datensätze herangezogen, die – kennt man deren Grundlagen näher – so auch nicht vergleichbar sind. Aber die steigende Nachfrage nach Frequenzdaten muss auch mit unterschiedlichen Ansätzen befriedigt werden!
Eine europaweite Verfügbarkeit von Frequenzdaten auf Straßenabschnitten ist eine exzellente Orientierungsgrundlage. Der PFA bietet zudem auch die Möglichkeit europaweit Standortqualitäten zu vergleichen, Mietpreisbeurteilungen transparenter zu machen oder Marketingaktivitäten messbar zu machen. Selbst in entlegeneren Gegenden ist es möglich die Hotspots einer Stadt zu finden.
Es spielt dann aber sicher eine Rolle, was ich für ein Umfeld erwarten kann: Ist es der Vorplatz eines Bahnhofes, eine Fußgängerzone, ein großer Parkplatz oder doch eine Erschließungsstraße zu einem Shopping Center?
Die Lageklassifikation kommt durch bestimmte Algorithmen in den Ausgangsdaten zustande. Der Fokus hier liegt auf Konsum, andere Varianten (Tourismus-Frequenz) wären auch denkbar.
Frequenzinformation basierend auf Mobilfunkzellen sind nur so genau wie deren Abdeckungsbereich. Die Aussagen können mit Relay Nodes und dgl. aber verfeinert werden. Die Aussagekraft ist im Wesentlichen von Datenschutzbestimmungen determiniert.
Die oft entscheidende Frage „Wer, Woher“ kann ein Frequenzatlas nicht abbilden – eine genauere Abbildung des „Wo“ oder Standortvergleiche quer durch Europa aber durchaus.
