Smarte Mobilität - Verstehen, Modellieren, Gestalten

Structure

Diese Vorlesung wird von integrierten Übungseinheiten und einem optionalen Praktikum begleitet: Dem Campus Mobility Lab.
Der Kurs wird mit 5, optional 6 ECTS angerechnet. Bei erfolgreicher Teilnahme am Campus Mobility Lab können die Studierenden zwischen 1 zusätzlichem ECTS oder einem Notenbonus innerhalb des 5 ECTS-Kurses wählen.

Team

Georg Balke

Anna Paper

Kontakt: vl.smartmobility.ftm(at)ed.tum.de

Online verfügbar

Die Vorlesung wird als Video aufgezeichnet und ist über TUM-Moodle / Panopto abrufbar.

Inhalt

Der Inhalt der Vorlesung gliedert sich in drei Themenbereiche: „Mobilität verstehen“, „Mobilität modellieren“ und „Mobilität gestalten“. Diese begleiten die Studierenden als Hauptmotivation durch die folgenden Termine:

Teil I: Mobilität verstehen

T1: Einführung – Smart Mobility
Organisatorisches | Einführung in die Mobilität, aktuelle Trends und Herausforderungen | Klärung zentraler Begrifflichkeiten

T2: Status Mobilität
Verständnis menschlicher Mobilität | Mobilitätsrelevante Kennziffern | Verkehrsleistung und Infrastruktur bestehender Mobilitätssysteme

T3: Mobilitätskosten
Interne und externe Kosten von Mobilitätssystemen | Bilanzierung von bestehenden Mobilitätssystemen

T4: Mobilitätsdatenanalyse
Räumliche Analyse von Mobilität in abgegrenzten Zielregionen | Tools und Methoden zur Mobilitätsdatenerhebung und -analyse

Teil II: Mobilität modellieren

T5: Mobilitätsmodelle
Modellierung menschlicher Mobilität | Mobilitätstypen

T6: Systemmodellierung
Simulationstypen und Anwendungsbereiche | Vorstellung bekannter Simulationsframeworks | Praktische Einführungen

Lab 1: Campus Mobility Lab – Gruppenarbeit
Termin für die betreute Gruppenarbeit zum „Campus Mobility Lab“-Projekt

Teil III: Mobilität gestalten

T7: Mobilität und Raum: Stadtplanung und -gestaltung
Wechselwirkungen zwischen Mobiltäts- und Stadtplanung | Verkehrliche und raumplanerische Aspekte der Mobilität

T8: Sharing Economy: Geteilte Mobilitätssysteme
Potentiale der Sharing Economy | Vorstellung und Taxonomie existierender Sharing-basierter Mobilitätssysteme | Betriebsorganisation von Sharing-Konzepten

T9: Integration und Anreizsysteme
Integration von Mobilitätssystemen in städtische Gesamtkonzepte | Inter- und Multimodalität | Anreizsysteme zur Verhaltensbeeinflussung

T10: Elektrifizierung
Elektrifizierung des motorisierten Individualverkehrs | Verbrauchsprädiktion | Ladebedarfsprädiktion | Entwicklung und Planung von Elektrifizierungsszenarien

Lab 2: Campus Mobility Lab – Abschlusspräsentation
Präsentation der entwickelten Lösungen aus dem „Campus Mobility Lab“-Projekt zum Erwerb des Notenbonus.

T11: Green Logistics
Potentiale der C.A.S.E-Ansätze im Güterverkehr | Bestehende und zukünftige Güterverkehrssysteme

T12: Gastvorlesung und Klausursprechstunde
Gastvortragende(r) aus Politik/Wirtschaft | Zusammenfassung der Vorlesungsinhalte | Prüfungsvorbereitung

Empfohlene Voraussetzungen

Grundlegende Programmiererfahrungen in einer Hochsprache (z.B. Python, Java, C++, Matlab, R, o.ä.) und Grundkenntnisse im Bereich der Datenanalyse und Statistik werden vorausgesetzt. Die notwendigen Programmiererfahrungen können auch semesterbegleitend durch ein geeignetes Selbststudium erworben werden. Entsprechende Online-Kurse werden zu Vorlesungsbeginn empfohlen.

Wünschenswert, aber nicht notwendig, sind darüber hinaus Vorkenntnisse aus den Bereichen der Simulations- und Fahrzeugtechnik.

Literatur

W. Siebenpfeiffer (Hrsg.) – „Mobilität der Zukunft“, Springer Vieweg, 2021, ISBN: 978-3-662-61351-1

C. Nobis und T. Kuhnimhof – „Mobilität in Deutschland – MiD Ergebnisbericht“, http://www.mobilitaet-in-deutschland.de/pdf/MiD2017_Ergebnisbericht.pdf, 2018

M. Lienkamp et al. – „Status Elektromobilität 2020: Das Endspiel nach der Corona-Krise“, https://www.researchgate.net/publication/341670568_Status_Elektromobilitat_2020_Das_Endspiel_nach_der_Corona-Krise, 2020

L. Adenaw und M. Lienkamp – „Multi-Criteria, Co-Evolutionary Charging Behavior: An Agent-Based Simulation of Urban Electromobility”, www.mdpi.com/2032-6653/12/1/18, 2021

L. Adenaw et al. – „MAGIS – A Geographic Information System for Mobility Data Analysis”, https://ieeexplore.ieee.org/document/8917054, 2019

D. Schröder et al. – „Enhancing Sustainability in a Government-Contracted Mobility-as-a-Service Model”, https://mediatum.ub.tum.de/node?id=1639704, 2022

D. Schröder und F. Gotzler – „Comprehensive spatial and cost assessment of urban transport options in Munich”, www.sciencedirect.com/science/article/pii/S2667091721000078 , 2021

M. Wittmann und L. Martin – „The Influence of Public Transport Delays on Mobility on Demand Services”, https://www.mdpi.com/2079-9292/10/4/379, 2021

M. Wittmann et al. – “A Predictive Fleet Management Strategy for On-Demand Mobility Services: A Case Study in Munich”, https://www.mdpi.com/2079-9292/9/6/1021, 2020

M. Wittmann et al. – „A Holistic Framework for Acquisition, Processing and Evaluation of Vehicle Fleet Test Data”, ieeexplore.ieee.org/document/8317637, 2017

D. Ziegler et al. – “Unified Mobility Estimation Model”, https://ieeexplore.ieee.org/document/9564453, 2021

M. Klöppel et al. – “Agent-based Simulation of a Car-sharing System with Hydrogen-powered Vehicles”, https://ieeexplore.ieee.org/document/8813666,2019

<- Zurück zu: Vorlesungen Wintersemester