Alle mFUND Projekte Alle mFUND Projekte
PuR2Scale

Quelle: pr2scale

Problemstellung

Park-and-Ride-Anlagen sind wirksame Instrumente zur Förderung des intermodalen Verkehrsverhaltens. Der wichtigste Faktor für Nutzende ist hierbei die Wahrscheinlichkeit, einen freien Stellplatz zu finden. Besteht eine zu hohe Unsicherheit darüber, ob ein freier Parkplatz auf der Anlage gefunden werden kann, erscheint es womöglich weniger attraktiv, das eigene Auto für den letzten Wegabschnitt gegen ein öffentliches Verkehrsmittel zu tauschen. Eine zuverlässige und flächendeckende Prognose über die Auslastung von P+R-Anlagen kann intermodales Reisen fördern und die Auslastung der P+R-Anlagen optimieren.

Projektziel

Ziel des Projekts ist es, P+R-Anlagen zu kategorisieren und die Ergebnisse großflächig auf andere Anlagen zu übertragen. Relevant sind dabei auch die Identifikation und Unterscheidung einzelner Typen von Anlagen, etwa durch Größe und Lage der Anlage, aber auch durch Taktung des ÖPNV. Mithilfe von Methoden des Maschinellen Lernens wird für jeden Anlagentyp ein Prognosemodell erstellt, das die Auslastung an P+R-Anlagen vorhersagen kann, um so die Parksuchdauer der Nutzerinnen und Nutzer zu verringern und den Umstieg zwischen Motorisiertem Individualverkehr (MIV) und ÖPNV zu erleichtern und zu fördern.

Durchführung

P+R-Anlagen werden nach verkehrstechnischen Kriterien (z.B. Größe/Lage der Anlage oder Wege zur Anlage) geclustert. Um alle typischen Anlagen abbilden zu können, wurden drei Betrachtungsgebiete ausgewählt: der Ballungsraum Rhein-Main sowie die Monozentren München und Hamburg. In jedem Gebiet sollen mindestens sechs Anlagen untersucht werden, um mindestens eine repräsentative Anlage je Kategorie betrachten zu können. Für diese wird in einem bestimmten Zeitraum die tatsächliche Belegung manuell und durch elektronische Hilfsmittel erfasst. Auf Grundlage von (semi-automatischen) Zähldaten, Fahrzeugbewegungsdaten und Information der Anlage entsteht für jeden P+R-Anlagentyp ein spezifisches KI-Modell zur Vorhersage der Auslastung

ZuwendungsempfängerB2M Software GmbH ([ui!] Urban Mobility Innovations), München
FKZ: 19F2226A
Projektvolumen
(zum Bewilligungszeitpunkt)
1.450.641,60 €, davon 74 % Förderung durch BMDV

Projektlaufzeit

(zum Bewilligungszeitpunkt)

09/2022 – 08/2025
Projektpartner
  • Research Lab for Urban Transport der Frankfurt University of Applied Sciences, Frankfurt (FRA-UAS)
  • IVM GmbH, Integriertes Verkehrs- und Mobilitäts-management Region Frankfurt RheinMain (IVM)
AnsprechpartnerB2M Software GmbH ([ui!] Urban Mobility Innovations)
Dr. Manuel Görtz
Tel: 0173/8430050
E-Mail: manuel.goertz@umi.city