Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

Quantifizierung von Unsicherheiten für dynamische Systeme im Bereich Mobilität

Fachliche Zuordnung Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
Förderung Förderung von 2017 bis 2021
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 374503505
 
Erstellungsjahr 2021

Zusammenfassung der Projektergebnisse

Ziel von QUEST war, die Robustheit von Verkehrssystemen anhand konkreter Szenarien zu untersuchen. QUEST bewegt sich damit auf einem interdisziplinären Gebiet von hoher gesellschaftlicher Relevanz. Robustheitsanalysen sind ist wichtig, weil viele Modellparameter – unabhängig von einer Validierung gegen empirische Daten – mit Unsicherheiten behaftet sind. Innerhalb des Projektes konzentrierten wir uns auf Fußgängersysteme, die anders als Autoverkehr in der Forschung bisher wenig Beachtung fanden. Wir betrachteten dynamische Beobachtungsgrößen, z.B. die Personendichte an einer einer Engstelle. Wir erweiterten Strukturen im Fußgängersimulator Vadere, der in meiner Forschungsgruppe entwickelt wurde, um ein Verfahren zu etablieren, das unsichere Parameter systematisch variiert. Das Verfahren eignet sich auch zur Erstellung von datengetriebenen Ersatzmodellen, die das Systemverhalten der Beobachtungsgrößen für ein konkretes Szenario approximieren. So können wir rechenintensives Auswertungen des zugrundeliegenden Simulators elegant umgehen. Das Herzstück von QUEST ergab sich aus einer Kooperation mit der Gruppe von Yoannis Kevredkidis an der Johns Hopkins Universität, einem führenden Experten zur mathematischen Theorie des „Koopman-Operators“. Es entstanden methodische Fortschritte zu dynamischen Ersatzmodellen. Der Koopman-Ansatz erlaubt nicht nur die schnelle Berechnung eines Ersatzmodell sondern bringt Strukturen des Verkehrssystems selbst ans Licht. Er ist damit ein Ansatz der erklärbaren KI. Vor QUEST stand der Forschung keine Koopman-Software frei zur Verfügung, die strenge Qualitätsstandards einhält. Mit „datafold“schließen wir diese Lücke. Mit unseren Softwarelösungen untersuchten wir konkrete Verkehrsszenarien und publizierten auf einschlägigen wissenschaftlichen Konferenzen oder in Journalen. In zwei Szenarien analysierten wir Effekte von Unsicherheiten auf die Personenmenge in typischen Ausstiegssituationen im öffentlichen Nahverkehr. Für unsere Praxispartner Polizei beschrieben wir mithilfe von Ersatzmodellen ein extrem rechenintensives Szenario: die Abhängigkeit der Länge eines Demonstrationszugs von den unsicheren Parametern „Teilnehmerzahl“und „Varianz in den Laufgeschwindigkeiten“. In einem vierten Verkehrssystem wandten wir die Methodik des Koopman Operators auf Realdaten an: Wir „lernten“die Verkehrsmuster von elf Sensoren in der Stadt Melbourne (Australien) robust aus verrauschten Daten mehrerer Jahre und errechneten präzise Vorhersagen. Unsere Veröffentlichungen und unsere Softwarearbeiten sind frei und öffentlich verfügbar. Unsere Ergebnisse sind damit reproduzierbar. Die Bedeutung ist durch die Pandemie weiter gewachsen, denn wo man Menschenansammlungen vermeiden will, braucht man gute Analysen und Vorhersagen von Personendichten.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

© 2024 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung