Forschungsprojekt STREAM

Foto: Volker Wiciok

Smart-Mobility-System zur energieeffizienten Verkehrssteuerung

Ein großer Anteil der Umweltbelastungen ist auf den Pendelverkehr zurückzuführen. Smart-Mobility-Lösungen können die Verkehrssituation verbessern, indem sie den Verkehr gleichmäßiger entlang verschiedener Routen, Zeiten und Verkehrsmittel verteilen.

Im Rahmen des Forschungsprojekts „Smart Traffic using AI, Gamification and Social Computing“ (STREAM) soll auf Basis des koordinierten Einsatzes von Künstlicher Intelligenz und innovativen Motivationskonzepten (insbesondere persuasive Gamification- und Social-Computing-Elemente) ein prototypisches Smart-Mobility-System zur Verbesserung des städtischen Pendel-Individualverkehrs entwickelt werden. Dabei werden die Pendlerinnen und Pendler aktiv eingebezogen und ermöglichen so eine individualisierte, proaktive Verkehrssteuerung. Auf diese Weise soll das Mobilitätsverhalten von Verkehrsteilnehmenden nachhaltig positiv beeinflusst und durch hohes Verkehrsaufkommen entstehende Verkehrsstörungen reduziert werden.

Welchen Beitrag leistet STREAM für die Forschung und Praxis?


Abbildung: FernUniversität

Beschreibung der Grafik

mehr Infos

Die Grafik zeigt die Architektur des Forschungsprojektes STREAM. Die angestrebte Smart-Mobility-Lösung beinhaltet einerseits eine Smartphone-App. Motivationsstrukturen (aufbauend auf persuasiven Gamification- und Social-Computing-Elementen) sollen sicherstellen, dass die Nutzerinnen und Nutzer die App dauerhaft und regelmäßig nutzen und sich an die vorgeschlagenen Zeitfenster bzw. Routen halten. Diese Sichtweise adressiert sich an die Rolle des Verkehrsteilnehmenden als Daten- und Informationsvermittler (Akteur und mobiler Sensor). Die entscheidende Rolle der aktiven Mitwirkung der Bürgerinnen und Bürger an der Entlastung des Verkehrs wird in der Grafik hervorgehoben.

Aus technischer Sicht konfiguriert anderseits eine auf KI-basierte Prognosekomponente auf Basis der hinterlegten Informationen aller Anwenderinnen und Anwender sowie unter Zuhilfenahme stationärer und mobiler Sensordaten die individuellen Startzeitpunkte. So soll eine möglichst ausgewogene Auslastung der betreffenden Routen entstehen.

Architektur und Prototyp

Die angestrebte Smart-Mobility-Lösung beinhaltet einerseits eine App, in der Nutzerinnen und Nutzer geplante Ziele, Routen und Reisezeitfenster hinterlegen sowie geeignete Startzeiten und Routen vorgeschlagen bekommen, um zu einem gewünschten Zeitpunkt bzw. Zeitfenster am Zielort anzukommen.

Innovative, wissenschaftlich fundierte Motivationsstrukturen (aufbauend auf persuasiven Gamification- und Social-Computing-Elementen) sollen sicherstellen, dass die Nutzerinnen und Nutzer die App dauerhaft und regelmäßig nutzen und sich an die vorgeschlagenen Zeitfenster bzw. Routen halten. Diese soziotechnische Sichtweise adressiert zum einen die Rolle des Verkehrsteilnehmenden als Daten- und Informationsvermittler (z. B. als mobiler Verkehrssensor). Zum anderen wird die entscheidende Rolle bei der aktiven Mitwirkung an der Entlastung des Verkehrs hervorgehoben.

Aus technischer Sicht konfiguriert eine KI-basierte Prognosekomponente auf Basis der hinterlegten Informationen aller Anwenderinnen und Anwender sowie unter Zuhilfenahme klassischer und mobiler Sensordaten (z.B. Induktionsschleifen, FCD) die individuellen Startzeitpunkte derart, dass es zu einer möglichst ausgewogenen Auslastung der betreffenden Routen kommt. Ein künstliches neuronales Netz und verschiedene Simulationen ermöglichen dabei die Prognose von Verkehrsspitzen auf Basis historischer und aktueller (Verkehrs-)Daten, welche in Folge einer proaktiven Verbesserung des Verkehrsflusses abgeschwächt werden.

Abbildung: FernUniversität

Beschreibung der Grafik

mehr Infos

Die Grafik zeigt die Smartphone-App des Forschungsprojektes STREAM. Es sind drei Smartphone-Ansichten abgebildet. Auf der linken Smartphone-Ansicht ist die Verkehrskarte zu sehen, wo die Nutzenden ihre aktuelle Position, ihr Ziel und die Zeitspanne nennen können. In der mittleren Smartphone-Ansicht sind verschiedene Mitglieder der Community zu sehen. Auf dem Bildschirm des Smartphone rechts werden Daten wie der Kalorien- oder CO2-Verbrauch angezeigt.


Unsere Motivation

mehr Infos


 

Unsere Projektpartnerinnen und Projektpartner

mehr Infos


 

Beteiligte Wissenschaftlerinnen und Wissenschaftler

mehr Infos

Projektleitung

Projektbeschäftigte

Lehrstuhl für BWL, insbesondere Betriebliche Anwendungssysteme (Prof. Smolnik):

Lehrgebiet Parallelität und VLSI (Prof. Keller):

Sebastian Litzinger, M.Sc.

Lehrgebiet Rechnerarchitektur (Prof. Schiffmann):

Andreas Klos, M.Sc.


 

Aktivitäten im Wissenschaftstransfer

mehr Infos

Berichterstattung in der Presse

Weitere Aktivitäten im Wissenschaftstransfer


 

Ausgewählte Publikationen

mehr Infos

  • Anschütz, C.; Ebner, K.; Smolnik, S. (2021): Needs for Speed - Categorizing commuter types in the context of smart mobility systems, in Proceedings of the 40th European Conference on Information Systems (ECIS 2021), 14-16 Juni, Marrakesch, Marokko.
  • Anschütz, C.; Ibisch, J.; Ebner, K.; Smolnik, S. (2021): Gestaltung künstlicher neuronaler Netze zur Prognose des Verkehrsaufkommens im Kontext von Smart-Mobility-Lösungen, in Tagungsband der 16. Internationalen Tagung Wirtschaftsinformatik (WI2021), 09.-11. März, Duisburg-Essen.
  • Rüther, R.; Klos, A.; Klein, M.; Schiffmann, W. (2020): Traffic Flow Forecast of Road Networks with Recurrent Neural Networks; in Proceedings of the 29th International Conference on Artificial Neural Networks (ICANN 2020).
  • Anschütz, C.; Ebner, K.; Smolnik, S. (2020): Spielerisch zum Ziel: Initiale Designprinzipien für die nachhaltige Gestaltung von Smart-Mobility-Apps auf Basis einer Marktanalyse, in Tagungsband der 15. Internationalen Tagung Wirtschaftsinformatik (WI2020), 09.-11. März, Potsdam.
  • Ebner, K.; Anschütz, C.; Smolnik, S. (2019): STREAM – Ein KI-basiertes Smart-Mobility-System zur langfristigen Einbindung von Pendelnden, in New Dimensions of Mobility Systems: Tagungsband des 11. Wissenschaftsforums Mobilität 2019, H. Proff (Hrsg.), 23. Mai 2019, Duisburg, Springer.
  • Klos, A.; Litzinger, S.; Schiffmann, W. (2019): Compute-Ecient Neural Network Architecture Optimization Algorithm, in Proceedings of the International Conference on Artificial Neural Networks (ICANN 2019).
  • Ebner, K.; Mattes, P.; Smolnik, S. (2019): Are You Responsible for Traffic Congestion? A Systematic Review of the Socio-technical Perspective of Smart Mobility Services, in Proceedings of the 52nd Annual Hawaii International Conference on System Sciences (HICSS-52), 8.-11. Januar, Maui, Hawaii, USA.

Prof. Dr. Stefan Smolnik Foto: Veit Mette

Prof. Dr. Stefan Smolnik

Projektleitung

E-Mail: stefan.smolnik

Telefon: +49 2331 987 - 2466

Dr. Katharina Ebner Foto: Hardy Welsch

Dr. Katharina Ebner

Koordinatorin STREAM

E-Mail: katharina.ebner

Telefon: +49 2331 987 - 2562

Lehrstuhl Smolnik | 04.05.2022