• Zielgruppen
  • Suche
 

Mobility

USEfUL

Bild zum Projekt USEfUL

Researcher:

Wage, Feuerhake

Funded by:

BMBF Useful

Brief description:

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. Zugleich stehen Städte heute weltweit – und Hannover ist dafür nur ein beispielhafter Vertreter – vor den Herausforderungen der Luftreinhaltung, der Lärmminderung und den Klimafolgen steigender Mobilitätsbedürfnisse mit dem Ziel, lebenswerte Lebensbedingungen für ihre EinwohnerInnen zu erhalten. Der urbanen Logistik kommt dabei eine wachsende Bedeutung zu – einerseits aufgrund des aktuellen Trends der wachsenden Städte und andererseits auch durch Veränderungen im Nutzerverhalten und neuen Geschäftsmodellen – getrieben auch durch die Einflüsse der Digitalisierung aller Lebensbereiche.

 

| details |

 

Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces

Bild zum Projekt Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces

Researcher:

Cheng, Sester

Funded by:

DFG-Graduiertenkolleg SocialCars

Brief description:

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. In diesem Projekt soll dieses Verhalten anhand von Beobachtungen von Trajektorien analysiert werden. Die Analyse wird mittels Deep Learning erfolgen. Die Trajektorien sollen dabei aus Kamerabeobachtungen stammen. Zur Bestimmung des Verhaltens werden neben den Trajektorien auch die entsprechenden räumlichen und zeitlichen Gegebenheiten (Constraints) berücksichtigt. Ziel ist es somit, aus den Daten ein Verhaltensmodell abzuleiten.

 

| details |

 

Extraktion von Verhaltensmustern aus Trajektorien

Bild zum Projekt Extraktion von Verhaltensmustern aus Trajektorien

Researcher:

Zourdilou, Sester

Brief description:

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.

 

| details |