Ausgeschriebene Arbeiten
Die folgende Übersicht nennt aktuelle Themen für Forschungspraktika, Studienarbeiten, Masterarbeiten und Diplomarbeiten. Sie ist jedoch nicht immer vollständig. Die Themen können nach persönlicher Abstimmung mit dem Leiter bzw. den ausgewiesenen Ansprechpartnern vermittelt werden. Bitte fügen Sie Ihren Lebenslauf und Notenspiegel in Ihrer ersten Kontaktemail bei.
Aktuelle Themen
The emergence of interconnected and autonomous technologies has transformed traffic intersection control. While numerous methods have been proposed, real-world experiments are rare due to ethical and safety concerns. The Miniature Connected, Cooperative and Automated Mobility Laboratory (MiniCCAM lab), part of the Chair of Traffic Process Automation, seeks to bridge this gap. This lab comprises scaled-down road scenarios and interconnected robotic vehicles, enabling the replication of real traffic scenarios in a controlled setting. It intends to introduce elements like imperfect communication and truly autonomous vehicles. This project marks the initial step toward the lab's long-term objective. It focuses on creating a validation framework for both centralised and decentralised control methods.
Sprache
Englisch
Ansprechpartner
Wissenschaftlicher Mitarbeiter (Doktorand)
NameHerr Yikai Zeng M.Sc.
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Verkehrsprozessautomatisierung
Professur für Verkehrsprozessautomatisierung
Besuchsadresse:
Gerhart-Potthoff-Bau, Raum POT 58 Hettnerstraße 3
01069 Dresden
This research focuses on quantifying urban parking spaces to support sustainable urban development and climate goals. Many cities aim for net-zero carbon targets, requiring evidence-based, data-driven approaches to mobility and land use. One challenge is the lack of qualified datasets to identify intervention hotspots. This study explores the use of artificial intelligence, including generative adversarial networks (GANs) and LSTM models, to generate and predict parking space data. Key tasks include a literature review, developing a workflow for multi-source data integration, and extracting parking space information using computer vision tools. The expected outcomes include state-of-the-art methods for urban parking quantification and a prototype toolbox for data extraction and harmonization.
Ausschreibung: Quantification of Urban Public Parking Space
Voraussetzung
Gute Kenntnisse in Python, mit einem guten Verständnis für Machine Learning Frameworks für Datenanalyse
Sprache
Englisch
Ansprechpartner
Wissenschaftlicher Mitarbeiter
NameHerr Jyotirmaya Ijaradar M.Sc.
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Verkehrsprozessautomatisierung
Professur für Verkehrsprozessautomatisierung
Besuchsadresse:
Gerhart-Potthoff-Bau, Raum POT 67 Hettnerstraße 3
01069 Dresden
As cities grow larger and busier, understanding how people travel from one place (Origin) to another (Destination) - commonly known as Origin-Destination (OD) estimation - becomes crucial for intelligent transportation systems (ITS). Precise OD estimations help improve traffic management, identify optimal routes, reduce traffic congestion, and ensure that people travel efficiently and comfortably. With VAMOS traffic data, we can estimate travel patterns (OD) more accurately and adaptively using a data-driven approach. This thesis aims to delve into data-driven methods, particularly deep learning, to estimate the OD matrix using traffic monitoring data. The research focuses on two primary objectives: firstly, to thoroughly investigate various data-driven models for estimating the OD matrix, and secondly, to evaluate their accuracy and applicability, with a special emphasis on VAMOS data.
Aussschreibung: Data-Driven Approach for OD Estimation in Urban Transportation: Using Traffic Monitoring Data (VAMOS)
Voraussetzung
Grundkenntnisse in Python und C++, mit einem guten Verständnis für Deep Learning Frameworks wie PyTorch oder TensorFlow
Sprache
Englisch
Ansprechpartner
Wissenschaftlicher Mitarbeiter
NameHerr Jyotirmaya Ijaradar M.Sc.
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Verkehrsprozessautomatisierung
Professur für Verkehrsprozessautomatisierung
Besuchsadresse:
Gerhart-Potthoff-Bau, Raum POT 67 Hettnerstraße 3
01069 Dresden
Voraussetzung
Fortgeschrittene Kenntnisse in Python und PyTorch, oder C++
Sprache
Englisch bevorzugt, gerne aber auch Deutsch
Ansprechpartner
Wissenschaftlicher Mitarbeiter (Doktorand)
NameHerr Dipl.-Ing. Runhao (Rein) Zhou
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Verkehrsprozessautomatisierung
Professur für Verkehrsprozessautomatisierung
Besuchsadresse:
Gerhart-Potthoff-Bau, Raum POT 68 Hettnerstraße 3
01069 Dresden