Laufende Projekte
Aus der folgenden Übersicht der laufenden Forschungsprojekte gelangen Sie jeweils zu einer Kurzdarstellung:
- FE 77.0702/2024 - Fußverkehrsnetze für nachhaltige Mobilität und attraktive öffentliche (Straßen-) Räume
- SFB/TRR 408 AgiMo – Data-driven agile planning for responsible mobility (deutsch: SFB/TRR 408 AgiMo – Datengestützte agile Planung für verantwortungsvolle Mobilität)
- SFB/TRR 408 AgiMo // Projekt A1: Innovative Erhebungen für ein besseres Verständnis des menschlichen (Mobilitäts-)Verhaltens
- SFB/TRR 408 AgiMo // Projekt A3: Neue Daten zur Straßengestaltung und Straßenaktivitäten der Verkehrsteilnehmer:innen für innovative Sicherheitsbewertungen
- SFB/TRR 408 AgiMo // Projekt A4: Datenanalyse zur Charakterisierung und Modellierung von Mobilitätsverhalten und Verkehrsflüssen
- Automatische Kartierung der Radverkehrsinfrastruktur mittels Deep Learning (AI4CycleMaps)
- Verkehrsnachfrage für Advanced Air Mobility (AAM)
- SML - Smart Mobility Lab in Hoyerswerda | Teilprojekt Reallabor
|
Projektname |
|
|
Zuwendungsgeber |
Bundesanstalt für Straßen- und Verkehrswesen (BASt) |
|
Kooperationspartner |
Universität Stuttgart (Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik), Ramboll Deutschland GmbH, STRATMO GbR, platomo GmbH |
|
Laufzeit |
07/2026–04/2029 |
|
Ziele |
Ziel ist die Entwicklung einer einheitlichen, operationalisierbaren und skalierbaren Methode zur systematischen Planung von Fußverkehrsnetzen. Hierzu sollen einzelnen Netzabschnitten Netzebenen (Grundnetz – GN, Hauptnetz – HN, übergeordnetes Netz – ÜN sowie ggf. weitere Unterstufen) zugeordnet werden. Darauf aufbauend soll die Methode die Weiterentwicklung der Netze unterstützen, indem sie die Ableitung netzebenenspezifischer Qualitätsstandards im Kontext der jeweiligen Entwurfssituation ermöglicht. Ein weiterer Bestandteil ist die systematische Identifikation von Netzlücken: Dabei werden gezielt jene Netzabschnitte bestimmt, die für die Herstellung eines zusammenhängenden Netzes innerhalb einer Netzebene erforderlich sind. |
|
Projekt im Internet |
Website: FoPS |
|
Projektverantwortliche |
|
Projektname |
SFB/TRR 408 AgiMo – Datengestützte agile Planung für verantwortungsvolle Mobilität |
|
Zuwendungsgeber |
Deutsche Forschungsgemeinschaft (DFG) |
|
Kooperationspartner |
TU München, TU Berlin, TU Braunschweig, DLR |
|
Laufzeit |
10/2025–06/2029 |
|
Motivation |
Der Transportsektor eine treibende Kraft gesellschaftlichen Fortschritts, steht aber gleichzeitig vor großen Herausforderungen, wie z. B. Dekarbonisierung, Gerechtigkeit und lebenswerte Städte. Effizienzgewinne durch technologische Innovationen werden bisher häufig durch Rückkopplungseffekte wie steigende Verkehrsaufkommen (über-) kompensiert. Integrierte Planungsansätze sind notwendig, bisherige Forschung zu Methoden der Mobilitätsplanung ist aber oft fragmentiert, prioritär auf den motorisierten Verkehr und Effizienzgewinne ausgerichtet, Chancen aus neuen Datenquellen werden nicht ausreichend genutzt, Modelle sind häufig zu technisch für eine Anwendung in evidenzbasierten partizipativen Planungsmethoden. |
|
Ziele |
Die folgenden Forschungsziele werden für den TRR formuliert:
Um diese Ziele zu erreichen, wird der TRR408 in drei Forschungsbereiche (Research Areas, RAs) unterteilt. Der Schwerpunkt von RA A und RA B liegt auf der Weiterentwicklung von Methoden der Mobilitätsplanung.
Die langfristige Perspektive für den TRR408 besteht darin, den AgiMo Digital Twin in seinen Komponenten und deren Integration, seinen Funktionalitäten und seiner Interaktion nach außen zu einem virtuellen Labor weiterzuentwickeln, das Forschung ermöglicht und praktische Planungsaufgaben unterstützt. |
|
Projekt im Internet |
|
|
Projektverantwortliche |
Sprecherin: Prof. Dr.-Ing. Regine Gerike Koordinatorin: Dr.-Ing. Caroline Koszowski |
|
Projektname |
SFB/TRR 408 AgiMo // Projekt A1: Innovative Erhebungen für ein besseres Verständnis des menschlichen (Mobilitäts-)Verhaltens |
|
Zuwendungsgeber |
Deutsche Forschungsgemeinschaft (DFG) |
|
Kooperationspartner |
TU München, TU Berlin, TU Braunschweig, DLR |
|
Laufzeit |
10/2025–06/2029 |
|
Ziele |
Projekt A1 strebt an, Smartphone-basierte Erhebungsmethoden als eine Komponente zukünftiger Mobilitätserhebungen zu verbessern, um repräsentative Stichproben von kontinuierlichen Längsschnittdaten zu Reise- und Nicht-Reiseaktivitäten ganzer Haushalte zu erreichen. Wir werden eine modulare longitudinale Smartphone-basierte Erhebung durchführen, die mit systematisch variierten Methoden der Rekrutierung, Erfassung von Haushalten, Feldarbeit und Inhalt eine Grundlage für die Untersuchung von Reise- und Nicht-Reiseaktivitäten ermöglicht. Wir werden auch Szenarien für zukünftige Befragungen entwickeln. |
|
Projekt im Internet |
|
|
Projektverantwortliche |
Projektleitung: Prof. Dr.-Ing. Regine Gerike |
|
Projektname |
SFB/TRR 408 AgiMo // Projekt A3: Neue Daten zur Straßengestaltung und Straßenaktivitäten der Verkehrsteilnehmer:innen für innovative Sicherheitsbewertungen |
|
Zuwendungsgeber |
Deutsche Forschungsgemeinschaft (DFG) |
|
Kooperationspartner |
TU München, TU Berlin, TU Braunschweig, DLR TU Dresden: Juniorprofessur für Geosensorsysteme |
|
Laufzeit |
10/2025–06/2029 |
|
Ziele |
Im Projekt A3 werden Methoden zur Kartierung von verletzlichen Verkehrsteilnehmenden (VRUs) auf Stadtebene auf Basis von Luftbildern und Very High Resolution (VHR) Satellitenbildern entwickelt. Auf Straßenebene werden wir ein Multisensorsystem zur Kartierung von VRUs einsetzen und photogrammetrische Ansätze zur Verarbeitung multimodaler 2D- und 3D-Daten weiterentwickeln. Durch die Kombination physischer Messungen mit Bilddaten und manuellen Erhebungen werden wir Unfallmodelle auf Stadtebene und Methoden zur Bewertung von Konflikten zwischen zu Fußgehenden und Radfahrenden auf Straßenebene entwickeln. |
|
Projekt im Internet |
|
|
Projektverantwortliche |
Projektleitung: Prof. Dr.-Ing. Regine Gerike Projektleitung: Jun.-Prof. Dr. Anette Eltner |
|
Projektname |
SFB/TRR 408 AgiMo // Projekt A4: Datenanalyse zur Charakterisierung und Modellierung von Mobilitätsverhalten und Verkehrsflüssen |
|
Zuwendungsgeber |
Deutsche Forschungsgemeinschaft (DFG) |
|
Kooperationspartner |
TU München, TU Berlin, TU Braunschweig, DLR TU Dresden: Professur für Big Data Analytics in Transportation |
|
Laufzeit |
10/2025–06/2029 |
|
Ziele |
Der Schwerpunkt von A4 liegt auf der Weiterentwicklung datenwissenschaftlicher Methoden für innovative Daten. Erstens werden wir hybride Techniken für die Schätzung einer aggregierten Quelle-Ziel-Nachfrage auf Basis von FCD-Daten entwickeln. Zweitens werden wir Cluster- und Klassifizierungsalgorithmen für die Erkennung von Mustern im Fahrradverkehr anhand von Trajektoriendaten entwickeln. Drittens werden wir innovative Ansätze für den Umgang mit redundanten Daten entwickeln. Viertens werden wir intrapersonelle Routinen bei Reisen und Aktivitäten einschließlich der Interaktionen zwischen Haushaltsmitgliedern untersuchen. |
|
Projekt im Internet |
|
|
Projektverantwortliche |
Projektleitung: Prof. Dr. habil. Rico Wittwer Projektleitung: Prof. Dr. Pascal Kerschke |
| Projektname | Automatische Kartierung der Radverkehrsinfrastruktur mittels Deep Learning (AI4CycleMaps) |
| Zuwendungsgeber | Bundesministerium für Verkehr (BMV) |
| Kooperationspartner | Juniorprofessur für Geosensorsysteme |
| Laufzeit | 12/2025 - 11/2028 |
| Motivation | Die Erfassung der Radverkehrsinfrastruktur erfolgt derzeit meist durch teure, manuelle Befahrungen, was zu veralteten oder unvollständigen Daten führt. Heterogene Datenbanken in Verwaltungen verhindern zudem eine einheitliche netzbezogene Bewertung und erschweren die Zusammenarbeit. Dadurch fehlt eine aktuelle, belastbare Datengrundlage zur gezielten Beseitigung von Defiziten (z.B. mangelnde Radwegbreiten) und zur effektiven strategischen Netzplanung sowie Verkehrssicherheitsarbeit. Handlungsbedarf besteht in der Entwicklung eines automatisierten, ressourcenschonenden Verfahrens zur Kartierung von Radverkehrsanlagen, um eine transparente, vergleichbare und regelmäßig aktualisierbare Datenbasis für alle Verwaltungsebenen zu schaffen. |
| Ziele |
Ziel ist die Entwicklung und Implementierung eines innovativen, KI-basierten Verfahrens zur automatischen Kartierung von Radverkehrsanlagen und deren metrischen Merkmalen (z.B. Breite) in innerstädtischen Netzen. Die zugrundeliegende Idee ist, durch die Anwendung von neuronalen Netzen (Deep Learning) auf öffentlich verfügbare multimodale Bilddaten (Luftbilder, Street-View) eine regelmäßig aktualisierbare, hochgenaue, skalierbare und ressourcenarme Datenquelle zu generieren. Dies soll Kommunen ein effizientes Controlling sowie gezielte Investitionen in qualitativ hochwertige Radinfrastruktur ermöglichen und die Zusammenarbeit in der Netzplanung verbessern. |
| Projekt im Internet | Mobilitätsforum Bund | Wissenspool |
| Projektverantwortliche Kontaktpersonen |
| Projektname | Verkehrsnachfrage für Advanced Air Mobility (AAM) |
| Zuwendungsgeber | Deutsche Forschungsgesellschaft (DFG) |
| Kooperationspartner |
Dieses Projekt ist ein Promotionsvorhaben im Rahmen des Graduiertenkollegs (GRK) "AirMetro Graduiertenkolleg 2947" an der Technischen Universität Dresden, das die technologische und betriebliche Integration des hochautomatisierten Luftverkehrs in städtischen Gebieten untersucht. Kooperationspartner sind unter der AirMetro Projektseite aufgelistet. |
| Laufzeit | Kohorte 1: 5/2024 – 4/2028 |
| Motivation | Dank der raschen technologischen Entwicklung könnte die Fortbewegung mit senkrecht startenden und landenden Flugzeugen („Vertical Take-Off and Landing“, VTOL), wie Lufttaxis, zunehmend als eine technologisch realistische Option für künftige Personenmobilität angesehen werden. Das Konzept „Advanced Air Mobility“ (AAM) bietet mehrere mögliche Vorteile, darunter stauarme Verkehrsrouten und höhere Geschwindigkeiten als bei alternativen Verkehrsträgern der Straße und Schiene. Um sich jedoch auf das Aufkommen von AAM vorzubereiten, müssen Methoden zur Abschätzung der künftigen Nachfrage des neuen Verkehrsmittels entwickelt werden. |
| Ziele |
|
| Projekt im Internet | AirMetro Research Training Group 2947 at TU Dresden |
| Projektverantwortliche Kontaktpersonen |
| Projektname | SML - Smart Mobility Lab in Hoyerswerda | Teilprojekt Reallabor |
| Auftraggeber | Bundesministerium für Digitales und Verkehr (BMDV) |
| Kooperationspartner |
Des Weiteren folgende Professuren der Technischen Universität Dresden im Gesamtprojekt SML: Professur für Technologie und Logistik des Luftverkehrs (IFL), Professur Agrarsystemtechnik (AST), Professur Informationstechnik für Verkehrssysteme (ITVS), Professur für Prozessmodellierung für vernetzte technische Systeme (NSM), Professur für Softwaretechnologie (ST), Professur für Verkehrsprozessautomatisierung (VPA) |
| Laufzeit | 4/2023 – 12/2026 |
| Ziele | Das Stadtgebiet Hoyerswerda soll mit Technik zur Verkehrsbeobachtung und zur Implementierung automatisierter und vernetzter Fahrfunktionen ausgestattet werden. Damit sollen Felderprobungen im öffentlichen Straßenverkehr zur Verkehrssicherheit und zum Verkehrsverhalten ermöglicht werden. |
| Inhalt |
Ein zentraler Inhalt ist die Weiterentwicklung und die Analyse von Methoden zur Beurteilung der Kritikalität von Interaktionen im Straßenverkehr, so genannten Surrogate Safety Measures (SSM) . Diese können Aufschluss über die Verkehrssicherheit einer Verkehrsananlage geben, sodass in Zukunft noch vor dem Zustandekommen von Verkehrsunfällen Anpassungen an der Verkehrsanlage zur Verbesserung der Verkehrssicherheit vorgenommen werden können. Des Weiteren sollen neue Methoden zur Erfassung des Verkehrsverhalten eingesetzt und analyisiert werden. |
| Projekt im Internet | Smart Mobility Lab |
| Projektverantwortliche Kontaktperson |