In der Forschung

  • Analysieren wir die Wechsel­wir­kungen zwischen Mobilitätsverhalten, Verkehrssystem, Gesellschaft, Wirtschaft, Raum und Umwelt.
  • Erheben wir Daten und schaffen methodische Grundlagen und Werkzeuge für eine nachhaltige Verkehrsplanung und für zukunftsfähige Mobilitätslösungen.
  • Tragen wir aktiv zur Verbreitung des Wissens durch Kooperationen mit Partnern aus Praxis und Verwaltung und durch bürgernahe Veranstaltungen bei.
  • Arbeiten wir mit größter Sorgfalt und Integrität, um evidenzbasierte Ergebnisse höchster Qualität zu erzielen.

Themenfelder

Analysen und Prognosen von Personen- und Gütermobilität

Digitalisierung und Automatisierung

Umweltwirkungen des Verkehrs

Aktive Mobilität, Gesundheit und Verkehrssicherheit

Bedarfsgerechte Lösungen im Öffentlichen Verkehr

Gruppenspezifische Mobilitätslösungen

Methoden

Erhebungs- und Analysemethoden und -technologien

Modellierung von Verkehr und Mobilität

Evaluierungsmethoden

Werkzeuge der Wissensvermittlung

Neueste SCI Publikationen

Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2022-12-01 - 2023-11-30

Die vorgeschlagene Arbeit soll das Projekt Strategies for Resilient and Sustainable Post-COVID Passenger and Freight Mobility in the Region of Madrid (MARS MADRID 2022) des Institute Transyt der Universidad Politécnica de Madrid unterstützen. Der Hintergrund des Projekts MARS MADRID 2022 ist eine Analyse der langfristigen Auswirkungen der Covid-19-Pandemie auf Mobilität und Verkehr. Zu diesem Zweck werden Mobilitätsgewohnheiten untersucht, die wesentlich zur Ausbreitung der Pandemie beigetragen haben. Zu diesem Zweck wird eine Makrobefragung durchgeführt. Neben der Gewinnung von Erkenntnissen und der Schaffung einer umfangreichen Datenbank besteht das eigentliche Ziel darin, eine Reihe von Leitlinien für Maßnahmen in den Bereichen Mobilität und Verkehr zur Vorbeugung und Bewältigung von Pandemien zu erstellen, die zur Verbesserung der Widerstandsfähigkeit und Nachhaltigkeit der Mobilität in der Region Madrid beitragen werden. Die gesammelten Daten werden verwendet, um das Modell MARS (Metropolitan Activity Relocation Simulator) der funktionalen Stadtregion Madrid zu modifizieren. MARS ist ein dynamisches LUTI-Modell (Land Use and Transport Interaction), das 2003 von Pfaffenbichler entwickelt wurde und dessen Grundhypothese lautet, dass Siedlungen und die in ihnen stattfindenden Aktivitäten selbstorganisierte Systeme sind (Pfaffenbichler, Emberger und Shepherd, 2008). Das aktualisierte Modell wird verwendet, um die Auswirkungen von Covid-19-bezogenen Phänomenen wie Telearbeit und einer allgemeinen Abneigung gegen den Massentransport zu analysieren. Das allgemeine Ziel des Projekts MARS MADRID 2022 ist es, herauszufinden, wie sich die Einführung von Telearbeit und die Zunahme der Autonutzung auf die allgemeine Mobilität in der Region Madrid auswirken wird. Ziel der von der BOKU vorgeschlagenen Arbeiten ist es, die oben genannten Aufgaben der Datenerhebung und der Identifizierung, Implementierung und Programmierung der notwendigen Änderungen am Modell MARS zu unterstützen. Das Hauptaugenmerk wird auf der Bewertung der Datenverarbeitung von Veränderungen in der Flächennutzung und den Mobilitätsmustern aufgrund der Covid-19-Pandemie in der Region Madrid liegen.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2022-10-24 - 2023-01-23

Der Fokus des Projekts liegt auf der Erarbeitung einer Toolbox zu Methoden und Maßnahmen für Betriebe zu Betrieblichem Mobilitätsmanagement (BMM) mit Verknüpfung von Betrieblicher Gesundheitsförderung (BGF). Die Basis und Inhalte dazu stammen aus den vom FGÖ im Projektcall "Aktive Mobilität – gesund unterwegs! Gehen, Radeln, Rollern & Co im Alltag" geförderten Projekte im Setting Betrieb sowie der Broschüre „Aktive Mobilität - gesund unterwegs! Beispiele aus der Praxis für Betriebe“. Der wissenschaftliche Anspruch besteht darin, eine allgemein gültige Kategorisierung vorzunehmen und die Evaluationsergebnisse aus dem Vorprojekt FAMOS einfließen zu lassen.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2022-12-01 - 2025-11-30

Das Projekt AI-CENTIVE bringt den Stand der KI-Forschung voran, um ein komplexes Ökosystem von Mobilitätsdaten aufzubauen und zu verwalten, das intelligente Anwendungen im Kontext der IKT für die Zukunft ermöglicht. Die Kerninnovationen von AI-CENTIVE zielen darauf ab, das Mobilitätsverhalten zu unterstützen und Anreize für die Wahl nachhaltigerer Optionen zu schaffen, um so die Kohlenstoffemissionen aus der Nutzung von Privatfahrzeugen und benzin-/dieselbasierten Transportmitteln zu reduzieren. Verwertbare Datensätze zu Mobilitätsentscheidungen und -optionen sind derzeit über Datensilos in verschiedenen organisatorischen Netzwerken verstreut. Die gemeinsame Nutzung und Zusammenführung dieser Datensätze über ein gemeinsames Datenökosystem und ihre Verarbeitung durch intelligente Systeme - unter Wahrung der Datenhoheit, der Sicherheit und des Schutzes der Privatsphäre - unterstützt das Training von KI-Modellen, um zu erklären, wie und warum die Bürger bestimmte Mobilitätsentscheidungen treffen, und um ihre künftigen Entscheidungen auf der Grundlage mehrdimensionaler Kontextparameter wie Wetter, Ort und Dauer bevorstehender Veranstaltungen oder der Verfügbarkeit umweltfreundlicher Optionen vorherzusagen. Maßgeschneiderte Anreize, die KI-Vorhersagen nutzen, sollen die Bürger dazu motivieren, diese neuen Optionen anzunehmen und verbleibende Hindernisse für ein nachhaltigeres Verhalten zu überwinden, wie etwa die Notwendigkeit, sich für einen neuen Dienst anzumelden, oder die empfundene Bequemlichkeit, so zu reisen, wie wir es immer getan haben". Um dies zu erreichen, benötigen wir KI-basierte Ansätze, um komplexes Mobilitätsverhalten vorherzusagen und Anreize auf mehrdimensionale Weise zu optimieren, die über die derzeit verfügbaren Lösungen hinausgehen. Das Alleinstellungsmerkmal des Projekts ergibt sich aus der gleichzeitigen Bewältigung einer Reihe von Herausforderungen: (i) die semantische Integration heterogener Daten aus verschiedenen Quellen in ein dynamisches Mobilitätsdaten-Ökosystem; (ii) das Verständnis des sich entwickelnden Daten-Ökosystems mittels eines gemeinsamen Mobilitäts-Wissensgraphen; (iii) graphenbasierte KI-Algorithmen, um aus dem Mobilitätsverhalten der Nutzer zu lernen und Vorhersagen über zukünftiges Verhalten zu treffen sowie geeignete Anreize vorzuschlagen, und (iv) die Modellierung verschiedener Mobilitätsentscheidungen der Nutzer auf der Grundlage verschiedener Anreizmodelle, um das nachhaltigste Mobilitätsverhalten zu fördern. Wir werden sicherstellen, dass unsere Vorhersagen erklärbar und verständlich sind, damit die Beteiligten fundierte Entscheidungen zur Förderung und Unterstützung nachhaltigerer Verhaltensweisen in der Zukunft treffen können. Die Ergebnisse des Projekts werden die österreichischen Bürgerinnen und Bürger in die Lage versetzen und dazu anregen, nachhaltigere Mobilitätsentscheidungen zu treffen, das Bewusstsein zu schärfen und die öffentliche Meinung zu beeinflussen, um eine positivere Einstellung zu diesen Entscheidungen zu entwickeln. Der Einsatz von AI-CENTIVE Algorithmen als Teil (i) der bestehenden öffentlichen mobilen Anwendung "ummadum", um Anreize für nachhaltige Mobilitätsentscheidungen zu schaffen, sowie (ii) eines visuellen Analyse-Dashboards für die Entscheidungsfindung professioneller Stakeholder wird die Sichtbarkeit und Akzeptanz der Projektergebnisse in verschiedenen Zielgruppen erhöhen und den Weg für die Nutzung nach dem Projekt weisen.

Betreute Hochschulschriften