Sommersemester 2018, BA/MA Produkt-Design
IRT | Ruben Gaona
Integrated Responsive Transport
Die Vielfalt an Mobilitätspräferenzen produziert eine wachsende Zahl von Anbietern, die den Mobilitätsmarkt
durchdringen: Taxis, Car Sharing, Mitfahrgelegenheiten, öffentliche Verkehrsmittel … Wenngleich jedes Angebot einen anderen Aspekt der diversen Mobilitätspräferenzen abdeckt, so wachsen doch alle parallel nebeneinander und tragen so zu einer steigenden Anzahl von Fahrzeugen bei. Aus Basis intelligenter Sensornetzwerke beschreibt IRT ein modulares System, das die Vorteile der unterschiedlichen Mobilitätsangebote integriert und in einer einzigen Fahrzeugeinheit abbildet. IRT bietet dem Nutzer die Möglichkeit, in ein und demselben Fahrzeug flexibel von einer Mobilitätsmodalität zu einer anderen zu wechseln. Die Auslastung der gesamten Fahrzeugflotte wird durch die verbesserte Flexibilität optimiert und das stetige Wachstum der Fahrzeugflotte vermieden. Folgende Mobilitätsmodi können dabei unterschieden werden:
Privacy Mode: Dieser Modus ermöglicht dem Nutzer das größtmögliche Maß an Ungestörtheit durch die Fahrt in einem privaten Fahrzeug. Sobald der Nutzer seinen Fahrtwunsch der virtuellen Plattform meldet, wird das Fahrzeug mit den gewünschten Features an den bestellten Ort gebracht und steht zur Verfügung. Der Modus kann nun jederzeit zu einem anderen Modus wechseln – ganz nach den Bedürfnissen des Nutzers. Der Privacy Mode benötigt keine spezielle Infrastruktur. Er nutzt die bestehenden Straßen / Straßenspuren.
Shared Mode: Wenn der Nutzer des Privacy Mode damit
einverstanden ist, wird die Fahrt für weitere Nutzer (Secondary User) geöffnet, womit sich Mitfahrgelegenheiten ergeben. Wenn der Erstnutzer eine Mitfahranfrage bestätigt, wird der Secondary User an einem vorher bestimmten Ort abgeholt. Jederzeit kann nun per Abstimmung zum Public Mode gewechselt werden. Dieser Modus benötigt keine spezielle Infrastruktur. Gleichwohl ist es möglich, dass bei der Fahrt auf mehrspurigen Straßen (z. B. Stadtautobahnen),
Fahrzeuge, die diesen Modus nutzen, Vorrang
genießen (Priority Lanes).
Die zuvor genannten Modi, die einen hohen Grad an Privatheit bieten, sind teuer und ursächlich für hohe Verkehrsbelastung. Der Grund liegt in der Nutzung von standardmäßigen Fahrspuren. Öffentliche Modi sind günstiger und
sie nutzen speziell reservierte Fahrspuren mit kontrollierter Fahrtenfrequenz. Dadurch wird die Verkehrsbelastung drastisch verringert.
Public Mode A: Unter Nutzung der existierenden Busspuren können 2 oder mehr Fahrzeugeinheiten verkettet werden, so als seien sie selbst ein Bus. Diese Fahrzeugkette (Composed Module) steht den Nutzern zu bestimmten Uhrzeiten und an bestimmten Haltepunkten zur Verfügung. Die Geschwindigkeit und Fahrtenfrequenz dieses Modus hängt von verschiedenen Einflussfaktoren ab (Fußgänger, Verkehrsampeln, Kreuzungsverkehr). Im bedarfsgesteuerten Stadium werden keine festen Haltepunkte mehr benötigt. Das System ist dann in der Lage ausschließlich bedarfsgesteuert neue Routen anzulegen, Fahrspuren zu beanspruchen und on-demand Haltepunkte auszuwählen.
Public Mode B: Aufbauend auf BRT (Bus Rapid Transit) können viele Fahrzeugeinheiten verkettet werden. Sie bilden damit eine Art Zug, der auf exklusiven und isolierten Fahrspuren verkehrt. Dieser Modus erfordert feste Haltepunkte
und eine spezielle Infrastruktur, wodurch Geschwindigkeit und Frequenz des Systems unabhängig von äußeren Einflussfaktoren sind.
Im Wesentlichen bestimmen die Bedürfnisse der Nutzer – die in der virtuellen Plattform zusammengeführt werden – das Angebot des Gesamtsystems. Dabei verbessert die KI-basierte Datenanalyse das Nutzererlebnis durch die Vorhersage von Mobilitätsentscheidungen. Die andauernde Interaktion zwischen Nutzer und dem System ermöglicht das Erlernen von Mobilitätsmustern, die jenseits der bekannten zeitbasierten Strukturen existieren: z. B. Großereignisse wie Konzerte, Sportevents. Zusammengefasst nutzt IRT künstliche Intelligenz, um sich mit den Mobilitätsbedürfnissen städtischer Bewohner kontinuierlich weiter zu entwickeln. Es bietet eine hohe Reaktionsfähigkeit auf verschiedenen Ebenen und nutzt die Präferenzen der Nutzer zur Vorhersage und Optimierung urbaner Mobilität.
