Transportation Informatics

Die Forschungsgruppe Verkehrsinformatik (Transportation Informatics (TIG)) befasst sich hauptsächlich mit Maschinelles Lernen, Datenwissenschaft und Neuro-Computing basierte Modellierung, Simulation, Optimierung und Steuerung im Rahmen von ausgewählten komplexen Systemen im Verkehr, welche lauten: intelligente bzw. kooperative Verkehrssteuerung, moderne Fahrassistenzsysteme, intelligente bzw. selbst-fahrende Fahrzeuge, intelligente Mobilität & Logistik Systeme.

Ausgewählte Forschungsaktivitäten:

• Vorhersage des Verkehrsampelzustands mittels zellularer neuronaler Netzen (CNN); Kontext: „traffic-light assistance system“
• Proaktive Fahrsicherheitsabschätzung auf Basis der Fahrerzustandsprognose durch CNN
• Fahrer Emotionserkennung und Vorhersage (durch CNN) für Fahrassistenzsysteme
• CNN basierte robuste adaptive lokale Strassenverkehrsteuerung
• Robuste Vorhersage von nichtlinearen und stochastischen Zeitreihen mittels CNN (z.B.: Verkehrsdaten, Emissionsdaten, Wetterdaten)
• Lösung von graphentheoretischen Problemen (e.g.: SPP, TSP, VRP, Flows, etc.) mittels zellularen/rekurrenten neuronalen Netzen; Kontexte: nichtlineare Pfadkosten, stochastische oder zeitvariable Kantengewichte, etc.)
• Beschleunigung des Lösen von Differentialgleichungen mittels CNN; Kontext: Echtzeit System Simulation
• Beschleunigtes Lösen von Matrixinversionen mittels Neuro-Computing Ansätze; Kontexte: zeitvariable Matrizen in Modellen technischer Systeme
• Hochleistungsfähige Kompression von Sensordaten- und/oder Bilder mittels Neuro-Computing
• Neuro-Computing basierte optimale nichtlinearer Regelung technischer Systeme (Bsp: Verkehr, …)
• Neuro-Computing basiertes Lösen von inversen Problemen (Bsp: online Systemidentifikation, Zuverlässigkeitsmodellierung und -Prognose)