Angebot verschiedener Projekt-, Bachelor- und Mastarbeiten
BEDARFSANALYSE UND -PROGNOSE IM KONTEXT VON SHARED MOBILITY SERVICES MITTELS DATA SCIENCE METHODEN UND MACHINE LEARNING
Verschiedene Projekt-, Bachelor- und Mastarbeiten
Shared Mobility Services wie nextbike, DriveNow, TIER oder Uber erleben weltweit rasantes Wachstum. Vielerorts sind geteilte Mobilitätsangebote mit Fahrrädern, Autos und E-Scootern zentraler Bestandteil von alternativen Mobilitätsstrategien, um verkehrsbezogene Probleme in Städten anzugehen.
Als Folge der stark wachsenden Flotten stehen die Betreiber moderner Angebote jedoch vor existenziellen Herausforderungen. Die Angebote müssen gleichzeitig wirtschaftlich, kundenfreundlich, umweltfreundlich und in Kooperation mit öffentlichen Stellen gestaltet werden. Für die Planung und Steuerung sind deshalb genaue Schätzungen des zukünftigen Mobilitätsbedarfs erforderlich.
Existierende Ansätze zur Bedarfsprognose im Kontext von Shared Mobility Services konzentrieren sich jedoch meist auf stationsgebundene Systeme und können die komplexen räumlichen und zeitlichen Abhängigkeiten, die sich aus der flexiblen Bereitstellung von Fahrzeugen ohne feste Stationen ergeben, nicht abbilden. Methoden aus den Bereichen Data Science und Machine Learning bieten die Möglichkeit, die großen Datenmengen, die von den immer schnellen wachsenden Flotten generiert werden, zu nutzen und entscheidend zum Betrieb und Optimierung der Angebote beizutragen.
Themenschwerpunkte:
- Entwicklung von Webcrawlern zur Datenbeschaffung
- Datenbereinigung und Datenanalyse
- Machine Learning und andere Data Science Methoden
Ansprechpartner:
Lukas Böhm (lukas.boehm(at)uni-siegen.de)
Das vollständige Angebot finden Sie hier.
