Der Förderung des Radverkehrs kommt vor dem Hintergrund wachsender Umweltprobleme große Bedeutung zu. Die Betrachtung von Key Performance Indicators (KPIs) bildet einen integralen Bestandteil bei der Entwicklung von Maßnahmen in der Radverkehrsplanung. Bei Betrachtung des bestehenden Arbeitsprozesses zeigt sich ein Bedarf an neuen digitalen Lösungen, um eine Effizienzsteigerung zu erzielen. Der Zugang zu wesentlichen Informationen gestaltet sich schwierig, da Datenbestände dezentral vorliegen. Ein Gesamtüberblick über die Situation vor Ort ist kaum möglich. Diese Problematik verdeutlicht den Bedarf an einer Lösung, welche vorhandene Daten bündelt und die für die Planung relevantesten Indikatoren bereitstellt.Vor diesem Hintergrund besteht das Ziel dieser Arbeit in der Konzeption und prototypischen Umsetzung eines stakeholderorientierten KPI-Systems für die Radverkehrsplanung, das wesentliche Informationen für die Maßnahmenentscheidung zentralisiert zur Verfügung stellt. Dies erfordert ein umfassendes Management heterogener Datengrundlagen und die Anwendung geeigneter Data Science Methoden, um die Extraktion der KPIs zu ermöglichen. Das wissenschaftliche Vorgehen basiert u.a. auf einer Literaturrecherche, der Entwicklung eines prototypischen Softwaresystems inklusive dynamischer Visualisierung der identifizierten Kennzahlen auf einer Weboberfläche sowie Case-Based Reasoning als Evaluationsmethodik. Im Austausch mit Stakeholdern werden Änderungspotentiale des Prozesses anhand von Use cases aus der Planungspraxis diskutiert. Den Forschungsrahmen bildet ein Action Research Ansatz, welcher Praxisakteure während des gesamten Forschungsprozesses einbindet. Die entwickelte Gesamtlösung leistet einen wichtigen Beitrag zur Effizienzsteigerung im Prozess der Radverkehrsplanung
Oldenburger Schriften zur Wirtschaftsinformatik
Oldenburger Schriften zur Wirtschaftsinformatik ; Band 41
von Thomas Stefani ; Johann Maximilian Christensen ; Akshay Anilkumar Girija ; Siddhartha Gupta ; Umut Durak ; Frank Köster ; Thomas Krüger ; Sven Hallerbach
WEBIST 2024 - Proceedings of the 20th International Conference on Web Information Systems and Technologies, November 17-19, 2024, in Porto, Portugal (2024), Seite 199-208 1 Online-Ressource
Proceedings of the 16th International Conference on Agents and Artificial Intelligence (ICAART 2024) ; Volume 3 2024 (2024), Seite 299-307 1 Online-Ressource
The cooperative maneuver coordination allows for automated and connected vehicles to execute cooperative driving maneuvers, in order to increase the traffic safety and efficiency on the roads. The development of the associated cooperative driving functions requires a comprehensive testing, due to a large number of aspects needed to be considered. This dissertation introduces a novel methodology for the verification and validation of the cooperative driving functions with an intelligent co-simulation framework, including the approaches considering the preparation of scenarios through machine learning, the coupled simulation of vehicle and traffic, as well as the application of relevant traffic quality metrics. Eventually, a simulation-based Remote-Adaptable Prototype-in-the-Loop method is presented in the context of mixed reality, offering a solution for a fast and effort-efficient testing of the cooperative driving functions.
Die kooperative Manöverkoordinierung ermöglicht es den automatisierten und vernetzten Fahrzeugen kooperative Fahrmanöver auszuführen, um die Verkehrssicherheit und -effizienz auf den Straßen zu erhöhen. Die Entwicklung von dazugehörigen kooperativen Fahrfunktionen bedarf eines umfassenden Testens aufgrund einer großen Anzahl zu berücksichtigender Aspekte. Diese Dissertation schlägt eine neuartige Methodik zur Verifizierung und Validierung von kooperativen Fahrfunktionen durch ein Intelligent Co-Simulation Framework vor, inklusive der Ansätze hinsichtlich der Vorbereitung von Szenarien durch maschinelles Lernen, der gekoppelten Simulation von Fahrzeug und Verkehr sowie der Anwendung von relevanten Metriken der Verkehrsqualität. Schließlich wird eine simulationsbasierte Remote-Adaptable Prototype-in-the-Loop Methode im Kontext der gemischten Realität vorgestellt, die eine Lösung für schnelles und aufwandseffizientes Testen von kooperativen Fahrfunktionen bietet.
