Forschungsprojekt

Smart Traffic using Edge and Social Computing – STREAM

Beschreibung

Ein großer Anteil der Umweltbelastungen heutiger Städte ist auf den Pendelverkehr zurückzuführen. Smart-Mobility-Lösungen können die Verkehrssituation verbessern, indem sie den Verkehr gleichmäßiger entlang verschiedener Routen, Zeiten und Verkehrsmittel verteilen. Sie weisen in der Regel jedoch drei Schwachpunkte auf: Erstens werden überwiegend stationäre Sensoren für die Verkehrserfassung verwendet, welche keinerlei Informationen über die Quelle, das Ziel sowie die Route eines Verkehrsteilnehmers bereitstellen. Zweitens erfolgt überwiegend eine Trennung von Verkehrsteilnehmern und Verkehrsleitstelle. Drittens finden die Berechnung des Verkehrs und Datenhaltung ausschließlich an einer zentralen Schaltstelle statt, wodurch erhebliche Kosten für Hardware und Datenübertragung entstehen.

Das in dem Forschungsprojekt angestrebte Smart-Mobility-System soll eine Mobilitätslösung für den Individualverkehr liefern, welche Mobilitätsverhalten und -routinen von Pendlern nachhaltig positiv beeinflusst. Durch eine Smartphone-App sollen Endanwender geplante Ziele, Routen und Reisezeitfenster hinterlegen können und geeignete Startzeiten sowie Routen vorgeschlagen bekommen. Auf Basis der hinterlegten Informationen aller Anwender sowie unter Zuhilfenahme klassischer Sensordaten werden dann mittels eines neuronalen Netzes die individuellen Routenvorschläge derart konfiguriert, dass es zu einer möglichst ausgewogenen Auslastung der betreffenden Routen kommt.

Das Forschungsprojekt kann einen Beitrag dazu leisten, das Stauaufkommen zu den Stoßzeiten des Pendelverkehrs sowie damit verbundene ökologische, ökonomische und gesundheitliche Probleme von Städten und Pendlern zu reduzieren. Zudem kann zu einem besseren Verständnis der Akzeptanz und Auswirkungen von Informationstechnologien im Verkehr beigetragen werden und aufgezeigt werden, wie tragfähige technologische Lösungen für den Verkehr moderner Städte konzipiert, gestaltet und implementiert werden sollten.

Zentrale Forschungs­fragen

Aus diesen Gründen untersuchen wir die folgenden Forschungsfragen:

  • Wie kann der städtische Pendelverkehr durch Nutzung mobiler und stationärer Sensordaten und Steuerung des individuellen Pendelverhaltens gleichmäßiger verteilt werden?
  • Wie kann die Berechnung der Endanwenderrouten mithilfe verteilter Berechnung energie-effizienter erfolgen?
  • Wie können insbesondere Berufspendler dauerhaft in ein Smart-Mobility-System eingebunden werden und so den langfristigen und nachhaltigen Erfolg eines solchen Systems sicherstellen?
  • Können Gamification- und Social-Computing-Elemente eine solche langfristige Nutzung begünstigen?
Forschungs­modell

​ ​​Forschungsframework zum langfristigen Erfolg von Smart-Mobility-Lösungen:

Training eines Deep Learning neuronalen Netzes bzgl. Verkehr (Schema):

Schema des Lernens eines neuronalen Netzes über 6 Stunden (CNN-Prädiktor):

Ausgewählte Publika­tionen
  • Cheng, Aaron; Pang, Min-Seok; Pavlou, Paul A. (2016): On Intelligent Transportation Systems and Road Congestion. In Proceedings of the 37th International Conference on Information Systems (ICIS 2016), Dublin, Ireland.
  • Ebner, Katharina; Mattes, Patrick (2018): Are You Responsible for Traffic Congestion? A Systematic Review of the Socio-Technical Perspective of Smart Mobility Services. Arbeitspapier.
  • Lee, Eunhee; Choi, Injoon; and Kim, Kihoon (2016): The Impact of Traffic Information Accuracy on Route Planning Quality. In Proceedings of the 20th Pacific Asia Conference on Information Systems (PACIS 2016), Chiayi, Taiwan.
  • Wolter, Stefan (2012): Smart Mobility: Intelligente Vernetzung der Verkehrsangebote in Großstädten. In Zukünftige Entwicklungen in der Mobilität. Gabler Verlag, S. 527-548.
Team

Prof. Dr. Stefan Smolnik
Dr. Katharina Ebner
Prof. Dr. Jörg Keller
Prof. Dr. Wolfram Schiffmann
Pattrick Mattes (Evomotiv GmbH)

Lehrstuhl Smolnik | 17.12.2018