Mobilität

  • Collective Perception - Data Fusion and Visualisation
    The rapid development of data science and machine learning in many research as well as industrial fields has drawn much attention to the fuel of these techniques – the data. In the domain of autonomous driving, the data are mostly collected from different sources which aims to endow the data with more versatility and diversity, and also having a wider coverage in order to get a more complete and accurate perception of the environment. This project aims to improve the reliability and safety of the perception systems for autonomous driving by fusing and analysing the spatiotemporal data from different sensors and different road users that are in the same communication sensor network. In this scenario, the reconstruction of static objects can rely both on asynchronous data from a specific time span of the same sensor as well as the synchronised data from different sensors, the dynamic objects can be tracked based on the later one and auxiliated by the static information obtained. During the fusion process, the accuracies and uncertainties should also be considered and propagated to the final result and then be efficiently visualised in addition to the visualisation of the aggregated environment in order to give the human driver or passenger a correct and precise impression about the current outside-environment so that they can also intervene the driving to fulfil their need without making mistakes.
    Team: Yuan, Sester
    Jahr: 2020
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • Verkehrsregulator Erkennung und Identifizierung aus Crowdsourced Daten
    Die Kartierung mit Vermessungsgeräten ist ein zeit- und kostenintensives Verfahren, das die häufige Kartenaktualisierung unbezahlbar macht. In den letzten Jahren haben sich viele Forschungen darauf konzentriert, solche Probleme zu beseitigen, indem man sich auf Crowdsourced-Daten stützt, wie zum Beispiel GPS-Traces. Eine wichtige Informationsquelle für Karten, insbesondere unter Berücksichtigung der bevorstehenden Nutzung von autonomen Fahrzeugen, sind die Verkehrsregulatoren. Diese Informationen fehlen in Karten wie OpenstreetMap (OSM) weitgehend und diese Forschung ist durch diese Tatsache motiviert.
    Team: Zourlidou, Sester
    Jahr: 2020
  • MOBILISE - Mobiler Mensch: Trajektorienanalyse für unsicheres Fahrverhalten
    „MOBILISE“ ist die Forschungslinie Mobilität im Rahmen des Masterplans für die Wissenschaftsallianz zwischen der Technischen Universität Braunschweig und der Leibniz Universität Hannover, in deren Rahmen das Thema Mobilität der Zukunft interdisziplinär erforscht wird. Sie beschäftigt sich mit vielen Aspekten der Mobilität, von der Luftfahrt über Fahrzeuge bis hin zur Digitalisierung. In der Maßnahme „Mobiler Mensch – Intelligente Mobilität in der Balance von Autonomie, Vernetzung und Security“ haben sich an der Leibniz Universität Hannover ein Dutzend Forscher zusammengeschlossen, die bereits an verschiedenen Facetten der Mobilität geforscht haben. Aktuell wirken 13 Professoren und Professorinnen aus unterschiedlichen Fakultäten an dem thematischen Feld „Mobiler Mensch“ mit. Die wissenschaftliche Initiative wird von Prof. Kurt Schneider und Prof. Monika Sester geleitet. Durch die involvierten Fakultäten Elektrotechnik und Informatik, Geodäsie und Bauingenieurwesen, Philosophie/Ethik und Juristische Fakultät und die damit verbundenen Kompetenzen findet ein interdisziplinärer Austausch und somit eine multiperspektivische Erarbeitung des Themas statt.
    Team: Koetsier, Sester
    Jahr: 2020
  • Ride Vibrations
    Das Fahrrad als alltägliches Fortbewegungsmittel wird immer beliebter. Doch viele Städte sind darauf noch nicht ausreichend eingestellt. Fahrradwege fehlen, enden plötzlich oder sind schlecht gepflegt. Wo Fahrradwege verlaufen, können Radler meist aus gängigen Kartendiensten ableiten. Wie schnell und wie bequem sie auf diesen Wegen ans Ziel gelangen, aber nicht. Daher entwickeln Mitarbeiter des Instituts für Kartographie und Geoinformatik zusammen mit Geodäsie-Studierenden eine spezielle Navigationsanwendung für Fahrräder, die komfortable Alternativrouten bereitstellen soll. Grundlage ist eine für Android-Smartphones selbst entwickelte App “RideVibes”. Sie zeichnet die Fahrdynamik ohne zusätzlich am Fahrrad angebrachte, spezielle Sensorik auf. Das Smartphone muss dabei lediglich während der Fahrt in einer Halterung am Fahrradlenker fixiert sein.
    Team: Udo Feuerhake, Jens Golze, Christian Koetsier, Oskar Wage
    Jahr: 2019
    © Karten Tiles von Stamen Design, Kartengrundlage von OSM, Datenüberlagerung von IKG
  • Visuelle Kommunikation zur Verhaltenssteuerung bei der Routenwahl
    Die individuelle Entscheidung für eine bestimmte Verkehrsmodalität und Route hängt von verschiedenen Gegebenheiten ab. Insbesondere wird Information über das erwartete Verkehrsgeschehen als wichtig erachtet. Untersucht werden soll daher, ob die Vermittlung der aktuellen und der voraussichtlichen Situation vor Ort (inklusive Angabe bestimmter Sicherheiten) dazu führt, eine andere Route oder gar eine andere Modalität zu wählen.
    Team: Fuest, Sester
    Jahr: 2018
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces
    Im Projekt soll das Verhalten verschiedener Verkehrsteilnehmer in nicht regulierten, d.h. für alle Verkehrsteilnehmer offenen Räumen, untersucht werden. Existierende Ansätze gehen von einem gegebenen Bewegungsmodell aus, welches das individuelle Verhalten und auch das interaktive Verhalten unterschiedlicher Verkehrsteilnehmer beschreibt.
    Team: Cheng, Sester
    Jahr: 2018
    Förderung: DFG-Graduiertenkolleg SocialCars
    Laufzeit: 2014-2023
  • USEfUL
    Aufgrund der Lage in der Mitte Europas und durch die ansässigen, global operierenden Unternehmen besitzen Logistik und Mobilität seit jeher eine herausragende Bedeutung in Hannover, einer nach dem Krieg autogerecht wieder aufgebauten Stadt. Mit einer wachsenden Stadt sind steigende Mobilitäts- und Versorgungsbedürfnisse verbunden sowie ein individuell und systemisch ausgelöster Logistikbedarf der Ver- und Entsorgung.
    Team: Wage, Feuerhake
    Jahr: 2018
    Förderung: BMBF: 03SF0547
  • Extraktion von Verhaltensmustern aus Trajektorien
    Eine Straßenkarte kann nicht nur als eine kompakte Repräsentation des Straßennetzwerks dienen, sondern auch eine Beschreibung des Fahrverhaltens der Verkehrsteilnehmer liefern, welche durch Straßenregulationen vorgeben werden.
    Team: Zourlidou, Sester
    Jahr: 2017
    Förderung: IAV GmbH