Laufende Projekte

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.

Dr.-Ing. Sebastian Hantschel
+49 351 463-42394

Dipl.-Ing. Armin Kollascheck
+49 351 463-36581

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.

• Quantifizierung der potenziellen AAM-Wege: Untersuchung und Identifizierung von Wegen, die potenziell durch AAM ersetzt werden könnten, mit Hilfe einer Smartphone-basierten Erhebung. Dazu gehört die Analyse der derzeitigen Alltagswege (hauptsächlich kurze Distanzen) und seltenen Wegen (hauptsächlich lange Distanzen).
• Entwicklung von Prognosemodellen für die AAM-Nachfrage: Entwicklung statistischer Modelle, die sozioökonomische Faktoren, Umweltaspekte, Auswirkungen von Vorschriften und Sicherheitswahrnehmungen einbeziehen, um die AAM-Nachfrage vorherzusagen. Nutzung von Daten zu offenbarten Präferenzen („revealed preference“, RP), die mit Hilfe einer Smartphone-basierten Datenerhebung ermittelt wurden, und von Daten zu angegebenen Präferenzen („stated preference“, SP) aus einer Online-Befragung, die die Entscheidungen potenzieller Nutzenden in Bezug auf AAM-Dienste erfassen.
• Schätzung des Modal Split-Anteils von AAM in multimodalen Verkehrsnetzen: Analyse des voraussichtlichen Wegeanteils, der über AAM im Vergleich zu anderen Verkehrsmitteln durchgeführt wird. Mit diesem Ziel soll die Rolle von AAM innerhalb des breiteren Spektrums urbaner Mobilität verstanden werden.
• Simulation von AAM-Szenarien durch agentenbasierte Modellierung: Nutzung des MATSim-Simulationstools und der neu erhobenen Daten aus der RP- und SP-Erhebung zur Entwicklung eines agentenbasierten Modells, das verschiedene AAM-Szenarien simuliert. Daraus ergeben sich Erkenntnisse darüber, wie sich Veränderungen in der städtischen Infrastruktur, in politischen Regelungen als auch Veränderungen in der AAM-Infrastruktur auf die AAM-Nachfrage auswirken und das Mobilitätsverhalten variieren könnten.

Prof. Regine Gerike
+49 351 463-36501

Vahid Noroozi, M.Sc.
+49 351 463-36652

• Technische Universität Dresden, Professur für Kraftfahr­zeugtechnik (LKT)
• Stadt Hoyerswerda

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)

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 Verkehrsanalage zur Verbesserung der Verkehrssicherheit vorgenommen werden können.

Des Weiteren sollen neue Methoden zur Erfassung des Verkehrsverhalten eingesetzt und analyisiert werden.

Prof. Regine Gerike
+49 351 463-36501

Dipl.-Ing. Armin Kollascheck
+49 (0)351 463-36501