Optimierung von Mobilitätsdiensten auf Abruf
Öffentlicher Dissertationsvortrag von Zahra Ghandeharioun.
Datum, Zeit und Veranstaltungsort
Montag, 18. März 2024, 10:00-11:00
HCI J2, ETH Hönggerberg, Zürich
Dies ist eine Hybrid-Veranstaltung. Sitzplätze vor Ort sind begrenzt, eine externe Seite Teilnahme online ist jedoch ohne Einschränkungen möglich.
Referentin
Gruppe Strassenverkehrstechnik
Stefano-Franscini-Platz 5
8093
Zürich
Schweiz
Abstract
Das weltweite Städtewachstum führt zu einer Zunahme des Pendlerverkehrs, von Staus, und verursacht Umweltverschmutzungen und erhöhte Gesundheitsrisiken. Technologiegetriebene Verkehrsinnovationen, wie On-Demand- und Shared-Mobility-Dienste, sollen diese Herausforderungen angehen. Die Integration dieser Dienste in den öffentlichen Nahverkehr könnte das Verkehrswesen revolutionieren und darum wird in dieser Arbeit die Optimierung des On-Demand-Verkehrs in Städten anhand von folgenden Methoden untersucht:
- Die Analyse historischer Reisezeitdaten verbessert die Genauigkeit, was der Verkehrsoptimierung und der Erkennung von Staus zugute kommt.
- Die Implementierung eines Echtzeit-Shuttle-Ridesharing-Algorithmus reduziert die Wartezeiten und Verspätungen im Auto für Taxifahrten in Manhattan.
- Die Entwicklung präziser Modelle für kurzfristige Nachfrageprognosen, insbesondere unter Verwendung von Deep-Learning-Techniken, erhöht die Vorhersagegenauigkeit.
Diese Forschung liefert Erkenntnisse für die Optimierung des städtischen Verkehrsbetriebs, die Verbesserung von Ridesharing-Diensten und die effiziente Planung der Flottendisposition.