Data Science: Stauprädiktion aus Mobilitätsdaten

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
theoretisch /  
Beschreibung

Der Güterverkehr ist das Rückgrat unserer Wirtschaft und nimmt eine immer bedeutendere Rolle ein. Die Emissionsreduktion von 30 % bis 2030 ist durch die Hybridisierung der Lkw nicht erreichbar, weswegen die Elektrifizierung durch schnellgeladene Batterieelektrische Fahrzeuge untersucht wird. In der vorliegenden Arbeit soll ein bestehender Datensatz hinsichtlich Staufrequenz untersucht werden. Ziel ist die Ermittlung der Wahrscheinlichkeit des Auftretens abhängig von Faktoren wie Tageszeit & Straßentyp. Während der Arbeit können der Umgang mit Geodatenanalyse in Python, PostgreSQL-Datenbanken und Cloud Computing gelernt werden. Folgende Arbeitspakete umfasst die zu besetzende Stelle:

  • Literaturrecherche zur Stauprädiktion auf Fernstraßen
  • Analyse des Datensatzes (>2.000.000 km) hinsichtlich Auftretenswahrscheinlichkeit
  • Ableitung von Parametern für Verkehrssystemmodellierung

Geboten wird:

  • Interdisziplinärer Austausch
  • Förderung von Engagement und Initiative
  • Innovatives Projektumfeld
     
Voraussetzungen

Folgende Qualifikationen werden gesucht:

  • Strukturierte Arbeitsweise, Verlässlichkeit
  • Solide Python – Kenntnisse
  • Erste Erfahrungen mit Machine Learning (Bsp: KI in der Fahrzeugtechnik)

Bitte richten Sie Ihre Bewerbung mit Lebenslauf und Notenauszug an
nefton.ftm@ed.tum.de (Georg Balke).

Tags
FTM Studienarbeit, FTM SM, FTM Smarte Moiblität, FTM Balke, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Georg Balke, M.Sc.
Raum: MW3505
Tel.: 089 289 10494
georg.balketum.de
Ausschreibung