Institut für Ubiquitäre Mobilitätssysteme

Visual Analytics – Leitstand für den ÖPNV Zur Unterstützung der Steuerung und Entscheidungsfindung im ÖPNV

31. Januar 2020

Unternehmen stehen im Zeitalter von Big Data angesichts der Flut an Datenmassen vor der Herausforderung und Chance diese effizient einzusetzen. Doch inwiefern, müssen die Daten aufbereitet werden, dass die spätere Entscheidungsfindung und Systemsteuerung dadurch unterstützt werden können? Gerade das spielt bei der Entwicklung eines Leitstands für den ÖPNV eine wichtige Rolle. Speziell die Einbindung der Echtzeitdaten verspricht großes Potenzial bezüglich der Unterstützung in Entscheidungsprozessen sowie in der Steuerung des öffentlichen Verkehrs.

Im Hinblick auf aufkommende Unregelmäßigkeiten oder Systemstörungen ist es wichtig, diese frühzeitig zu erkennen und dementsprechend auf Grundlage der vorhandenen Daten die notwendigen Entscheidungen zu treffen. Eine Vielzahl an möglichen Fragestellungen gilt es für einen ÖPNV Leitstand zu beachten. Diese können wie folgt lauten: Wo befinden sich meine Fahrzeuge im Umlauf? Wann erreicht ein Fahrzeug eine bestimmte Haltestelle? Das Potenzial bezüglich eines solchen Systems ist groß, doch wie können diese Fragestellungen zufriedenstellend realisiert werden. Dazu wurden einige Grundfunktionalitäten in einem Prototyp realisiert.

Der Leitstand-Prototyp wurde für den Microsoft Surface Hub erstellt, um insbesondere die spätere Interaktion mit dem Multitouch Display zu testen. Der entwickelte Prototyp ist eine Webanwendung, die auf der Scriptsprache JavaScript basiert. Dadurch können Benutzerinteraktionen verarbeitet und aufbauend die Möglichkeiten von HTML und CSS erweitert werden. Als Datenanbieter für das Kartenmaterial wurde OpenStreetMap (OSM) genutzt und mittels der open-source JavaScript Bibliothek Leaflet.js in die Anwendung implementiert. Die Leaflet Bibliothek ermöglicht die Interaktion mit der Karte, so können z.B. Marker oder Popups der Karte hinzugefügt und mit diesen interagiert werden. Des Weiteren wurde die open-source JavaScript Bibliothek Chart.js für die Erstellung von interaktiven Diagrammen genutzt. Der Prototyp sollte in der Lage sein alle Haltestellen sowie Linienverläufe im Karlsruher zwei Wabennetz zu visualisieren. Zudem sollten Informationen über diese vorhanden sein, z.B. welche Linien bedienen die jeweiligen Haltestellen. Außerdem sollte der Prototyp einen Überblick über das gesamte System geben sowie das Tracking einzelner Fahrzeuge ermöglichen.

Zusätzlich wurden Szenarios ausgearbeitet und realisiert, um einen dynamischen Ablauf gewährleisten zu können. So wurde z.B. die Sperrung einer Haltestelle aufgrund eines Verkehrsunfalls sowie der krankheitsbedingte Ausfall von Fahrern simuliert. Des Weiteren wurde am Ende des Projekts eine Nutzerstudie (vgl. Abb. 2) durchgeführt, um die intuitive Bedienung des Systems sowie die Usability zu testen. Dadurch sollten Optimierungspotenziale erkannt werden.

Der hier gezeigte Prototyp deckt lediglich die Grundfunktionen ab und ist nur teilweise dynamisch. Jedoch bietet er eine Grundlage für eine mögliche Interaktion und Diskussion. Gleichzeitig wird aber deutlich, dass vor der Realisierung eines solchen Leitstands viele offene Fragestellungen bezüglich der Usability und der funktionalen bzw. nicht funktionalen Anforderungen im Vorfeld geklärt werden müssen.

Autor: Nicolas Walther

Vergleich von CNN zur Erkennung von kleinen Bauteilen am Montagetisch

24. Januar 2020

Künstliche Intelligenz in Form neuronaler Netze existiert in der Theorie bereits seit den 1940er Jahren. In den vergangenen Jahren konnten auf dem Sektor erhebliche Fortschritte verzeichnet werden. Im Bereich Computer Vision legen beispielsweise so genannte CNN (Convolutional Neural Networks) den Grundstein für eine zuverlässige Erkennung, Ortung und Klassifizierung von Objekten in Bildern und Videos. Damit lassen sich viele Einsatzbereiche für CNN finden, sowohl im Gebiet des autonomen Fahrens als auch in der Industrie 4.0. Die Anwendung von CNN zur Bilderkennung hat jedoch immer noch Schwächen: So stellt die Größe der Objekte im Bild aktuell noch eine Schwierigkeit dar. Wo zur Bildgröße gesehen relativ große Objekte problemlos und mit einer hohen Trefferquote erkannt werden, erkennen viele neuronale Netze kleine Objekte gar nicht oder klassifizieren falsch. Untersucht wurde deshalb die Eignung verschiedener CNN, welche sich zuvor bereits für bestimmte Aufgaben der Objekterkennung bewährt haben, für die Erkennung kleiner Bauteile am Montagetisch.

Das Training eines neuen neuronalen Netzes erfordert in der Regel eine enorme Anzahl an Daten und ist sowohl rechenintensiv als auch zeitaufwändig. Nicht selten muss ein neuronales Netz erst mit hunderttausenden von Bildern für viele Trainingszyklen (auch Epochen genannt) trainiert werden, um das gewünschte Ergebnis zu erzielen. Der Begriff Transfer Learning beschreibt das Übertragen der Ergebnisse eines bereits (auf eine bestimmte Aufgabe) fertig trainierten Netzes auf eine neue Aufgabe. Um zeit- und ressourcensparend zu arbeiten, wurde das Prinzip des Transfer Learnings auch für das beschriebene Projekt angewendet. Hierfür wurden die Layer vortrainierter neuronaler Netze mit neuen Daten und Klassen weiter trainiert.

Ein grundlegender Bestandteil des Projekts war das Erstellen eines Bilddatensatzes, welcher zum Trainieren und zum späteren Test der Trainingsergebnisse eingesetzt wurde. Für jede der 25 Klassen wurden deshalb auf unterschiedlichen Untergründen 97 Bilder mit verschiedenen Kamerawinkeln, – abständen und -auflösungen gemacht (vgl. Abb. 1). Im Anschluss wurden alle Bilder für das anstehende Supervised Learning mit Hilfe der Software LabelImg gelabelt. Für das Training der neuronalen Netze wurden letztlich 90% der insgesamt 2.425 Bilder des Datensatzes genutzt, die restlichen 10% dienten für die spätere Überprüfung der Trainingsergebnisse. Um Untersuchung der verschiedenen Netze möglichst vergleichbar zu gestalten, wurde das Training aller Netze so konfiguriert, dass die Anzahl an Bildern, die gleichzeitig in das Netz eingespeist werden (sog. Batch Size), möglichst klein gehalten wurde. Insgesamt sollte während dem Training jedes der Trainings-Bilder 200-mal das Netz durchlaufen (entspr. 200 Trainings-Epochen). 

Die Untersuchung sollte in Anbetracht einer späteren Verwendung der künstlichen Intelligenz zur Unterstützung bei der Arbeit am Montagetisch erfolgen. Dementsprechend sollte bei der Auswahl der Netze darauf geachtet werden, dass eine Erkennung von Objekten in einer Videosequenz ohne größere Verzögerungen möglich ist.

Zwar sind die Trainingslaufzeiten der SSD-Netze die kürzesten, betrachtet man jedoch die Präzision wird deutlich, dass Faster R-CNN und RFCN eine beträchtlich bessere Leistung erzielen. Zu beachten gilt allerdings, dass es bei der Objekterkennung in einer Video-Sequenz mit den beiden präziseren Netzen zu Verzögerungen kommen könnte. Auf Basis der Geschwindigkeit empfiehlt es sich deshalb, das Faster R-CNN mit einem größeren Datensatz und weiterem Fine Tuning, weiter zu trainieren, um das gewünschte Ergebnis zu erreichen.

Autor: Madlon Pécaut

Technische Konzeption und Umsetzung eines Public Displays

17. Januar 2020

Public Displays können von Kommunen oder Betrieben genutzt werden um das Informationsangebot über gebotene Services zu verbessern. So lassen sich Public Displays durch Städte im Bereich Stadtmarketing einsetzen um über touristische Attraktionen oder Events in näherer Zukunft zu informieren. ÖPNV-Betriebe können interaktive Public Displays nutzen um dem ÖPV-Nutzer Informationen bereitzustellen, die durch konventionelle Methoden nur schwer darstellbar sind. Dies umfasst in beiden Anwendungsfällen beispielsweise die Bereitstellung einer interaktiven Karte, welche gleichermaßen Daten aus beiden Bereichen darstellen kann. Ziel dieser Arbeit war es die technischen Fragen hinter dem Display zu klären. Dies umfasst insbesondere die Softwarearchitekur, Datengewinnung und schlussendlich die Datenaufbereitung.

Das Display wurde in dieser Arbeit als Webapplikation bestehend aus HTML, JavaScript sowie CSS umgesetzt. Das Backend der Anwendung wurde mithilfe von Python sowie dem Webframework Flask umgesetzt. Durch Umsetzung als Webapplikation kann die Anwendung auf jeder gängigen Hardware ausgeführt werden, sodass eine flächendeckende sowie kostengünstige Ausrollung möglich ist. Hauptbestandteil der Anwendung ist die Visualisierung von Daten auf einer Karte. Die Kartendarstellungen wurden in diesem Prototyp mithilfe von der JavaScript-Bibliothek Leaflet umgesetzt. Diese erlaubt es Geodaten im GEOJSON-Format auf einer durch Touch-Gesten bedienbaren Karte darzustellen. Auf diese Art und Weise konnten so GEOJSON-Daten des Transparenzportals in die Anwendung eingebunden und visualisiert werden.

Neben den schon im GEOJSON-Format vorliegenden Daten wurden auch nativ-nicht unterstütze Dateien eingebunden. Standorte von Nextbike Leihfahrrädern sowie Stationen müssen daher nach Aufruf der Nextbike-API zuerst in das GEOSJON-Format übertragen werden, bevor diese auf der Karte angezeigt werden können. Für das Public Display wurde zudem eine rudimentäre Standortsuche implementiert, mithilfe deren alle Orte im Stadtgebiet Karlsruhe gefunden werden kann. Zudem ist es mithilfe des Public Displays möglich zu diesen Zielen zu Navigieren. In der aktuellen Implementierung wird lediglich ein Fußgängerrouting unterstütz, welches in Zukunft um ein ÖPVRouting mithilfe der TRIAS-Api erweitert werden soll. Eine mögliche Art der technischen Umsetzung eines Public Displays wurde in dieser Arbeit vorgestellt. Die Umsetzung mittels Webapplikation hat sich dabei als sehr robust und guterweiterbar erwiesen. Durch die Nutzung vieler verschiedener Nutzergruppen mit diversem technischen Background ist es bei der Konzeption eines Public Displays unabdingbar alle Nutzergruppen mit den Entstehungsprozess einzubinden. Dies erfordert für eine Umsetzung des User-Centered-Design-Process aber eine längere Projektlaufzeit mit mehreren Zyklen, welche im Projektzeitraum nur einmal durchlaufen werden konnte.

Autor: Lukas Löffler

Lab & Guide: Eine Mobilapplikation zur digitalen Führung durch das IUMS Labor mit Hilfe von erweiterter Realität

10. Januar 2020

Die Einsatzmöglichkeiten gemischter oder erweiterter Realität sind denkbar endlos. Die Technologie bietet Chancen in vielen Einsatzbereichen.
In diesem Projekt versteht sich die Umsetzung einer Applikation, welche eine digitale Führung durch das Labor des Institut für ubiquitäre Mobilitätssysteme ermöglichen soll, als Chance im Bereich der erweiterten Realität (im folgenden auch Augmented Reality oder AR genannt).
Die Führung soll eigenständig, mit dem Smartphone als Guide, ohne Hilfestellung oder Information weiterer Personen möglich sein.
Das Userinterface der Applikation ist bewusst sehr einfach gehalten, um unerfahrene Nutzer nicht abzuschrecken und diese für die neue Technologie gewinnen zu können.
Des Weiteren enthält die Applikation eine Kurzanleitung, womit einem jedem Nutzer die Verwendung ermöglicht wird.
Auch ein kurzer Weg zu Hochschul-und Labor-Webseite wurden per URL Aufruf ist im Hauptmenü hinterlegt.
Im Impressum findet der Anwender Informationen zu Entwickler, Anlaufstelle und Version der Applikation. ei der Implementierung der Applikation wurde sich vorerst auf die Umsetzung in der Google Android Umgebung beschränkt.
Weiterhin wurde als Use Case ausschließlich die Nutzung der Applikation auf dem Smartphone definiert.
Diese Entscheidung soll sicherstellen, dass jedem Nutzer die Möglichkeit offensteht, die Führung eigenständig durchzuführen, ohne dabei auf Geräte wie Augmented Reality Brillen zurückgreifen zu müssen.
Wenn man von Augmented Reality spricht, unterscheidet man oftmals zwischen 3 verschiedenen Arten der Detektion:
Für eine im vorgegebenen Zeitraum umsetzbare Applikation fiel die Wahl auf die markerbasierte Erkennung in Papierform.
Diese Art der Detektion bietet einen verständlichen Einstieg in die Welt der Implementierung erweiterter Realität.
So werden Objekte im Labor in der Lab & Guide Applikation anhand von Markern in Augmented Reality um Informationen erweitert, welche für den Nutzer potentiell interessant sind.

Aktuell sind in der Applikation 3 verschiedene Geräte detektierbar, zu welchen dann weitere Informationen eingeblendet werden.

• Microsoft Surface Hub 84“ (Smart Multitouch Display)
• Ultimaker 3 extended (3D Drucker)
• Tobii TX300 (Eye Tracking Machine)

Zu diesen Geräten werden dann Informationen zu Funktion, Maßen, der technischen Spezifikationen und Anschlüssen oder Verbindungsschnittstellen dargestellt.

Autor: Louis Zimmermann

Entwurf einer prototypischen Verkehrsmanagementzentrale Problemstellung

3. Januar 2020

Durch die stetig steigende Verkehrsnachfrage und der Wunsch nach individueller Mobilität kommen Städte an die Grenzen ihrer Kapazität. Längst hat man erkannt, dass ein Ausbau der Infrastruktur das Problem der Verkehrsnachfrage nicht lösen kann. Gleichzeitig finden Lösungsansätze die allein den Ausbau der Verkehrsinfrastruktur zum Ziel haben aus ökologischer und ökonomischer Sicht immer weniger Akzeptanz in der Bevölkerung. Zusätzlich stehen Städte vor neuen Problemen wie der zunehmenden Feinstaub- und Lärmbelastung, welche eine Verkehrsträgerübergreifende Koordination erfordert. Damit die vorhandenen Verkehrsnetze sicher, effizient und nachhaltig genutzt werden bedarf es der Entwicklung und Umsetzung von Zuständigkeitsübergreifende Mobilitätsstrategien. Zur Konzeption und Umsetzung dieser Bedarf es Verkehrsmanagementzentralen in Form von Integralen Leitständen.

Zur Entwicklung eines solchen Leitstandes wurde in einem ersten Schritt die Funktionsweise herkömmlicher Leistände evaluiert. Dafür wurden unter anderem die Verkehrsleitzentrale Mannheim und der Verkehrsrechner der Stadt Karlsruhe besucht. Mit den daraus gewonnen Informationen wurde ein prototypischer Leitstand entworfen, der den Operator bei der Engstellenanalyse und im Strategiemanagement unterstützt.

Der Prototyp ist als Webanwendung entworfen und basiert auf der open-source JavaScript Bibliothek Leaflet. Hauptbestandteil ist dementsprechend eine Karte, die dem Operator eine Übersicht über die aktuelle Verkehrssituation bereitet. Dazu werden Verkehrsinformationen des Navigationsanbieter TomTom bezogen. So werden besondere Ereignisse wie Unfälle oder Staus hervorgehoben. Zusätzlich wird auch der aktuelle Verkehrsfluss angezeigt und Verzögerungen farblich hervorgehoben. Über ein Kontextmenü kann der Operator zusätzliche Informationen abrufen und operative Maßnahmen einleiten. Neben der Verkehrsbelastung bietet die Anwendung eine Übersicht über Soll Positionen der Stadtbahnlinien. Prototypischen Zugriff bietet die Webanwendung auch auf die Lichtsignalanlgen, Haltestellen und dynamische Informationstafeln der Stadt Karlsruhe. Liegen bestimmte Szenarien vor, kann der Operator auf einen Strategienkatalog zurückgreifen, der ihm Handlungsschritte zur Problemlösung bietet.

Verkehrsmanagementzentralen gelten als Ausweg aus den innerstädtischen Verkehrsproblemen. Die Entwicklung einer prototypischen Verkehrsmanagementzentrale für die Stadt Karlsruhe bietet die Möglichkeit zukünftige Interaktions- und Visualisierungskonzepte zu evaluieren. Die Weiterentwicklung zu einer realen Verkehrsmanagementzentrale bedarf jedoch langfristige Entwicklungsleistung.

Autor: Felix Boehm

Entwicklung eines visuellen Assistenzsystems zur Unterstützung eines Werkers an einem Montagearbeitsplatz des Leitbilds der Industrie 4.0

20. Dezember 2019

Mit der Digitalisierung und der Einführung des Standards der Industrie 4.0, ändert sich das Arbeitsumfeld in der derzeitigen Industrie drastisch. Dies gilt auch für den Arbeitsvorgang des Kommissionierens. Hier liegt der Fokus darauf, diesen Vorgang entweder komplett zu automatisieren oder ihn durch Erweiterungen zu optimieren. Genau für eine solche Optimierung bietet sich die Methodik Pick-by-Light an. Durch das sinnvolle einsetzen diese Methodik, ist es möglich den Kommissioniervorgang zu beschleunigen und die Fehlerquote drastisch zu senken. Um diese Punkte zu überprüfen, wurde an einem Montagetisch der nach dem Leitbild der Industrie 4.0 gebaut worden ist, die Pick-by-Light Methodik an 10 Probanden geprüft.

Um eine entsprechende Umgebung zu gewährleisten, wurde via LibreOffice eine klassische Pick-by-Light-Anwendung simuliert. Hierfür wurden alle Kästchen, in denen Bauteile vorhanden sind, in Rot und Weiß angeleuchtet. Rot symbolisiert hier, dass kein Bauteil aus dem angeleuchteten Kästchen benötigt wird. Für alle Kästchen die Weiß angeleuchtet werden, wird dementsprechend mindestens ein Bauteil für den momentanen Arbeitsschritt benötigt. Die Anzahl der benötigten Teile sowie die erforderlichen Arbeitsschritte, werden, wie in Abb. 1 dargestellt, am oberen Rand des Arbeitsbereiches angezeigt. Jeder Proband musste nach dieser Methodik zwei Durchläufe mit unterschiedlichen Werkstücken absolvieren. So wurde einmal die Änderung der Produktivität durch Pick-by-Light in einem unbekannten Umfeld, sprich die Probanden wussten im Voraus nicht darüber Bescheid in welchem Kästchen sich welche Bauteile befinden, sowie die Änderung der Produktivität in einem bereits bekannten Umfeld gemessen.

Nach einer Laufzeit von zwei Wochen und einer Teilnehmeranzahl von 10 Probanden ergab sich, wie in Abb.2 zu sehen, folgendes Diagramm. Hierbei ist deutlich erkennbar, dass es eine Verbesserung in der Produktivität der Probanden gab, sobald die Pick-by-Light-Methodik bei einem unbekannten Umfeld angewandt wurde. Je nach Schwierigkeit des vorgegebenen Werkstücks, gab es für das erste Modell, welches das leichtere von beiden war, eine Steigerung von 116% und bei dem zweiten Modell eine Steigerung von rund 19%.

Durch die Studie lässt sich klar erkennen, dass Pick-by-Light die Produktivität der Probanden deutlich erhöht. Angesichts der angewandten Methodik können die Suchzeiten für einzelne Bauteile, Pickfehler sowie der Einarbeitungsaufwand für neue Mitarbeiter drastisch verringert werden. Daher ist Pick-by-Light eine hervorragende Möglichkeit die Produktivität eines einzelnen Individuums mit sehr geringen Aufwand, deutlich zu erhöhen.

Autor: Maximilian Pils

Entwicklung einer Mobilitätsauskunft, die individuelle und öffentliche Verkehrsangebote verbindet

13. Dezember 2019

In den letzten Jahren nahm das Angebot und die Nutzung von (Car- / Bike-) Sharing Angeboten mehr und mehr zu. Doch nicht immer gibt es am Start- oder Zielort einer Route die Möglichkeit ein solches Sharing-Fahrzeug auszuleihen bzw. abzugeben. Dafür sollen im Projekt Regiomove sogenannte Mobilitätshubs entstehen, die Verkehrsangebote vernetzen. Mit Hilfe der entwickelten Mobilitätsauskunft, die klassische ÖV-Angebote mit modernen IV-Angeboten verbindet und ihre Auskunftssysteme verknüpft, soll es schon jetzt möglich werden diese Angebote für mehr Menschen erreichbar zu machen und Reisedauern zu verkürzen. Dabei wird ein zusätzlicher Fokus auf die gegebenenfalls eingesparten Emissionen gegenüber alternativen Verkehrsmitteln gelegt.

Die Anwendung verbindet verschiedene Auskünfte und Schnittstellen um ein Ergebnis zu berechnen. Im Wesentlichen sind das:

• TRIAS-Schnittstelle für Fahrtinformationen
• TRIAS-Schnittstelle für Ortsinformationen
• Nextbike-Schnittstelle für Bikesharing
• GraphHopper für internes Routing
• Mögl. Erweiterung: Stadtmobil-Schnittstelle für Carsharing

 Der Nutzer kann auswählen, ob er Verbindungsvorschläge nach dem Muster „Erst ÖV, dann IV“ oder umgekehrt erhalten möchte. Zusätzlich kann er ein eigenes Fahrrad und die generelle Nutzung von verschiedenen Sharing-Anbietern auswählen.

Das Vorgehen der Anwendung (mit IV Beispiel nextbike) ist folgendes: Zunächst werden die eingegebenen Start- und Zielorte mithilfe der TRIAS-Schnittstelle validiert und der Nutzer wählt aus einer Liste von vorgeschlagenen Orten aus, sodass die Positionen anschließend eindeutig sind. Dann wird die nextbike-Schnittstelle nach allen verfügbaren Stationen oder ahrrädern angefragt. Von diesen werden all jene herausgefiltert, die in einer fahrradfreundlichen Reichweite zu Start- bzw. Zielort liegen. Anschließend berechnet die Anwendung viele potentielle ÖV-Verbindungen vom Start zu den potentiellen Fahrrädern beim Ziel sowie von den potentiellen Fahrrädern beim Start zum Ziel. An die als Ergebnis von der TRIAS-Schnittstelle zurückgegebenen Verbindungen wird jeweils die zugehörige, mit GraphHopper auf OpenStreetMap basierte, Fahrrad-Route angehangen, sodass sich eine Gesamtverbindung ergibt. Um den Nutzer nicht mit vielen Verbindungen zu überfluten werden nur solche angegeben, die einen Reisedauervorteil gegenüber einer direkten ÖV-Verbindung anbieten.

Mithilfe der verknüpfenden Mobilitätsauskunft lassen sich insbesondere dann Verbesserungen erzielen, wenn eine oder mehrere der folgenden Bedingungen erfüllt sind:

• Start oder Ziel liegt außerhalb eines Sharinggebietes
• Start und Ziel liegen nicht an (Haupt-)ÖV Achsen
• Start und Ziel werden zwar durch ÖV angebunden, jedoch

nicht direkt verbunden

• ÖV-Routen machen für den Nutzer unnötige Umwege

Beispiele für Verbindungen in Karlsruhe sind zum Beispiel Neureut <-> Kühler Krug. Bulach <-> Rüpurr Battstraße oder Fächerbad <-> Städtische Klinikum

Autor: Carl Gerlach

Aktive, mobile Reisebegleitung im öffentlichen Verkehr

29. November 2019

Verbindungsaufbau zu einem SmartWindow – Masterprojekt Verkehrstelematik

Public Displays sind bereits in vielen Städten zu finden, als elektronische Fahrplanauskünfte, Infoboards oder interaktiver Zeitvertreib. Was wenige jedoch anbieten, ist ein Verbindungsaufbau zum eigenen Smartphone, um Daten lokal auszutauschen. Weiterhin ist der Einsatz von mobilen Public Displays nur in sehr speziellen Bereichen sinnvoll. Im Rahmen dieses Projektes soll die Möglichkeit einer Reisebegleitung realisiert werden, von zu Hause bis zum Ziel. Hierfür gibt es Prototypen, sogenannte SmartWindows, die in den Bahnen des öffentlichen Verkehrs installiert werden. SmartWindows sind Fenster in Straßenbahnen, die als Reisebegleitung agieren. Nutzer können mit ihnen interagieren und eine Routenführung starten Der Fokus dieses Projektes liegt auf dem Verbindungsaufbau und Datenaustausch zwischen den verschiedenen Systemkomponenten.

Zu den bereits umgesetzten Funktionen im Projekt „SmartMMI“ des IUMS der Hochschule Karlsruhe gehören die Reisebegleitung am Fenster und die Mitnahme des Weges auf das Smartphone. Dies soll erweitert werden, sodass der Nutzer beim Betreten der Bahn und nach dem Hinsetzen seinen aktuellen, mitgebrachten Weg auf das Fenster übertragen kann. In einem Best-Case-Szenario wird automatisch erkannt, dass sich ein Nutzer am Fenster befindet und ein Verbindungsaufbau wird vorgeschlagen, den der Nutzer aktiv ablehnen oder annehmen muss. Jedoch kann durch den Prototyp so ein Szenario nicht umgesetzt werden. Deshalb werden die Funktionen etwas vereinfacht und der Nutzer muss selbst Aktionen durchführen.

Damit das „Mitbringen“ eines Weges möglich ist, muss das Fenster wissen, dass sich ein Nutzer an dem jeweiligen Sitzplatz befindet. Dies geschieht, indem der Nutzer einen generierten QR-Code einliest, der die notwendigen, als URI kodierten, Daten enthält. Dazu zählen Richtung und Linie, auf der die Bahn fährt, eine eindeutige Identifikation des Fensters und die Seite (links oder rechts). Zusätzlich wird ihm eine URL mitgegeben. Die URL ist für den zweiten Schritt notwendig. Hier wird diesem Datenpaket ein weiteres hinzugefügt. Auf dem Smartphone werden alle notwendigen Daten ermittelt, die für die Reisebegleitung notwendig sind. Dazu gehören Der Name des Nutzers bzw. eine ID und sein Start und Ziel. Diese Daten werden dann der Plattform zur Berechnung gesendet. Anschließend wird an dem Fenster die Strecke angezeigt. Hier muss sichergestellt werden, dass auf dem Fenster keine sensiblen Daten über den Nutzer angezeigt werden. Die Anforderungsanalyse bringt funktionale und nichtfunktionale Anforderungen hervor, Wie zum Beispiel das Erkennen eines Smartphones in der nähe in Phase 1 oder das Löschen von lokalen Daten auf dem Fenster bei Verbindungstrennung in Phase 3. Die Entwicklung des Prototyps gibt Aufschluss über die Ansprüche eines solchen Systems.

Die große Anzahl an nicht erfüllten Anforderungen zeigt, dass dieses Thema noch viel Forschung bedarf. In einem nächsten Schritt könnte das System weiter ausgebaut werden, sodass Nutzertests durchgeführt werden können. Daraus wird sichtbar, wie sinnvoll einige Funktionen sind und wie gut sie in einem echten Szenario abschneiden. Die Ergebnisse des Prototyps zeigen, dass Potential besteht, eine durchgängige Reisebegleitung zu realisieren.

Autor: Christian Rickert

Anforderungsanalyse eines Informationsboards im öffentlichen Raum unter Berücksichtigung des Nutzers

22. November 2019

Informationsboards, auch Hinweistafeln genannt werden von Städten weltweit schon seit Jahrzenten genutzt. Dabei sind diese überwiegend analog und bedürfen einer aufwendigen Überarbeitung, falls diese aktualisiert werden sollen. In den letzten Jahren ist die Digitalisierung in den verschiedensten Bereichen stark vorangeschritten. Dabei erkennen auch Städte immer mehr die Chancen der Digitalisierung in der öffentlichen Nutzung. Der Einsatz von digitalen Infotafeln schenkt den Städten neue Möglichkeiten in der Erreichbarkeit ihrer Bürger sowie Touristen und bietet gleichzeitig eine stetige Aktualisierung von Informationen. In dieser Arbeit wurde ein individuelles Board für Karlsruhe entworfen.

Um die Nutzeranforderungen zu erheben, wurden die Methoden der Online-Umfrage, Personas und Szenarien genutzt. Für die Beurteilung der Auswertung wurde ein Farbsystem gewählt, welches die Priorisierung verdeutlichen soll. Dabei wurde eine Anzahl von 0-5 Stimmen rot, 6-11 Stimmen gelb und 12+ Stimmen grün markiert (siehe Bild oben). Es wird die Einbeziehung der späteren Nutzer in jeden Entwicklungsschritt beachtet und das Board an den Anforderungen verschiedener Nutzergruppen angepasst. Um dies zu gewährleisten wurde der erste Prototyp des Informationsboards in einer Thinking Aloud Studie Nutzern vorgestellt. Diese konnten durch die direkte Arbeit mit dem Board konkrete Mängel aufzeigen und trugen der Beurteilung der Nutzerfreundlichkeit des Boards stark bei.

Aus der Studie wurden viele Erkenntnisse für die zukünftige Entwicklung des Boards gewonnen. Die aus der Online-Umfrage erhobenen Anforderungen reichten noch nicht für eine volle Abdeckung aller Nutzergruppen aus, woraufhin sich die Ergänzung durch Personas und deshingehende Szenarien bestens eignete. Personas sollen die späteren Nutzer des konzipierten Systems vertreten und helfen das System an alle Nutzergruppen anzupassen. Jeder soll das Infoboard als gesellschaftlichen Gewinn ansehen können. Es wurden vier Personas zu jeweils folgenden Personengruppen erstellt: Gelegenheitsnutzer, Tourist, Bedarfsnutzer, Alltagsnutzer. Zu jeder Persona wurden zwei Szenarien erstellt, welche die individuellen Bedürfnisse der Persona wiederspiegeln und bei der Entwicklung des Boards eine entscheidende Rolle gespielt haben.

Die Front-End Entwicklung erfolgte in Axure. Damit war eine möglichst genaue Konzipierung des Prototyps möglich. Im Folgenden ist der Startbildschirm dargestellt. Er verfügt über eine große Standortkarte, welche vom Nutzer durch Touch bewegt werden kann. Durch einen roten Marker wird der aktuelle Standort angegeben.

Das Board verfügt über einen Standby-Bildschirm, welcher den Nutzer über bevorstehende Events, das Wetter, Datum, Uhrzeit und eine Abfahrtstafel des ÖPNV informiert. Durch berühren des Bildschirms, egal an welcher Stelle, gelangen die Nutzer zum Startbildschirm (Home), über den alle angebotenen Dienste erreichbar sind. Von diesem Startbildschirm aus können die Nutzer auf die Seiten von „Entdecken (POI)“, „Roll-the-dice“, „Navi-ÖPNV“ und „Navi-Fuß“ gelangen.

Autor: Laura Langhof

Entwicklung von Smart Nodes zur Erkennung von Maschinenzuständen und zur intelligenten Auftragsabwicklung

15. November 2019

Die Automatisierung der Produktion im Zeitalter der Industrie 4.0 schreitet immer weiter voran. Einhergehend steigen die Anforderungen an Produktionssysteme hinsichtlich Effizienz, Zuverlässigkeit und Autonomie. Moderne Produktionssysteme liefern zahlreiche Daten über den Produktionsprozess. Dadurch kann die Effizienz und Zuverlässigkeit der Systeme Digital verfolgt werden. Viele Produktionsfirmen besitzen allerdings nicht die finanziellen Ressourcen smarte Produktionssysteme zu kaufen. Oberstes Ziel von Industrie 4.0 und dem IIOT (Industrial Internet of Things) ist es alle Systeme miteinander zu vernetzen. Deshalb müssen ältere Systeme durch „Retrofitting“ Intelligent werden.

In diesem Projekt wurde ein Demonstrator mit Lego Mindstorms erstellt, der mit Smart-Nodes ausgerüstet wurde. Die Smart-Nodes liefern Daten über die aktuelle Leistungsaufnahme und Stromverbrauch. Dadurch können Rückschlüsse auf Maschinenauslastung und Maschinenzustand gezogen werden. Anhand dieser Informationen kann das System selbstständig auf Störungen reagieren. Bei Ausfall einer Antriebseinheit, passt das System die Auftragsabwicklung an, um so die Produktion aufrechtzuerhalten.

Für die Smart-Nodes wurden handelsübliche Raspberry-Pis (3B+) verwendet. Der eingesetzte Sensor INA219 wurde über die I2C-Schnittstelle mit dem Pi verbunden und in den Stromkreis des EV3-Controllers und EV3-Motors aufgenommen.

Das Raspberry-Pi sendet die Informationen über OPC-UA an ein übergeordnetes System (Smart-Object). Auf Grundlage der gegebenen Informationen, berechnet das System das optimale Programm für eine reibungslose Auftragsabwicklung. Das Ergebnis wird an den EV3-Controller, die zentrale Steuereinheit der Motoren, übermittelt. Dieser passt die Ansteuerung der Motoren an.

Der Demonstrator hat die Aufgabe eingehende Waren zu sortieren. In diesem Fall handelt es sich um Lego-Steine, die anhand ihrer Farbe sortiert werden. Bei Ausfall eines Transportbandes dürfen die Steine nicht auf das stehende Band weitergeleitet werden. Es muss folglich eine Umplanung der Auftragsabwicklung stattfinden, damit die Anlage nicht gestoppt werden muss. Durch das entwickelte System konnte dies erreicht werden.

Um Maschinenzustände (An/Aus) in diesem Anwendungsfall zu messen eignet sich der Spannungssensor INA219.

Weiterhin liefert er Daten über die Leistungsaufnahme der Maschine, die eine wesentliche Rolle bei der Erfassung der Maschinenauslastung spielt – gerade im Hinblick auf „predictive Maintenance“.

Für den industriellen Einsatz eignet sich der Sensor nicht, da er  eine maximal Leistungsaufnahme von 25 Volt und 3.2 Ampere aufweist. Die im Projekt verwendet Raspberry-Pi sind leistungsstarke Einplatinenrechner und eignen sich für industrielle Anwendungen.

Autor: Patrick Schuster

Mikroskopische Verkehrsflusssimulation auf einen Multi-Touch-Tisch

13. August 2018

In diesem Projekt beschäftigten sich Studierende des Masterprojekts Verkehrstelematik im SS 2018 mit einer mikroskopischen Verkehrsflusssimulation und deren Anpassbarkeit zur Laufzeit. Zum Einsatz kam die weltweit führende Simulationssoftware VISSIM der Firma PTV AG und der Multi-Touch-Tisch Samsung SUR40 von Microsoft. Der Multi-Touch-Tisch aus dem IUMS-Labor verfügt über die PixelSense-Technologie, was ihm erlaubt sowohl Berührungen als auch kodierte Muster (sog. Tangibles) zu erkennen. Durch die Kombination der Tangibles, PixelSense und VISSIM soll dynamisch in Echtzeit in die Verkehrsflusssimulation eingegriffen werden. Hierfür wurden im ersten Schritt unterschiedliche Szenarien entworfen, in denen dynamisch die Parameter der Simulation verändert werden sollen.

In einem zweiten Schritt wurden 3D-Objekte (sog. Tangables) erstellt und Mithilfe des 3D-Druckers im IUMS-Labor gedruckt worden. Anschließend wurden die gedruckten physischen Objekte (sog. Tangables) an der Unterseite mit speziellen Codes versehen, welche der Multi-Touch-Tisch decodieren kann sobald diese auf dem Tisch platziert werden. Der Vorteil von dieser Methode ist, dass die Bedienung der Simulationssoftware soweit vereinfacht werden, dass auch Sachunkundige diese nutzen können. Insgesamt wurden drei Modelle von vorfahrtsregelnden Verkehrszeichen gedruckt: ein Schild für Rechts-vor-Links, ein Hauptstraßenschild sowie eine Lichtsignalanlage.

So wurden beispielsweise an einer Einmündung durch das Auflegen der drei verschiedene Tangibles an diesem Knotenpunkt die Vorrangregelungen „Rechts vor Links“, „Vorfahrtsknoten“ und eine Lichtsignalanlage parametrisiert. Die benötigte Veränderung der Parameter der Netzobjekte wird Mithilfe von Python-Skripten und der in VISSIM implementierten COM-Schnittstelle (Component Object Model) realisiert. Ein solcher Vergleich unterschiedlicher Planfälle ist ein häufiger Anwendungsfall in VISSIM. Aufgrund der von VISSIM erstellten Auswertungen werden solche Planfälle in der Regel in getrennten Szenarien betrachtet. Für einen direkteren Vergleich der Auswirkungen der unterschiedlichen Vorrangregelungen wurden diese durch die Echtzeitparametrisierung in einer Simulation realisiert.

Entwicklung eines Visualisierungs- und Interaktionskonzepts für SmartWindows im öffentlichen Personennahverkehr

13. August 2018

Durch die fortschreitende Digitalisierung und innovative Technologien im Bereich des öffentlichen Personennahverkehrs (ÖPNV) eröffnen sich den Verkehrsbetreibern neue Möglichkeiten den Fahrgästen ein weiterentwickeltes Fahrerlebnis zu gewährleisten und ihm eine ausführliche Fahrgastinformation bereitzustellen. In diesem Projekt wurde untersucht, welcher Informationsbedarf bei der Fahrt mit dem ÖPNV besteht und wie diese Informationen auf sinnvolle und verständliche Art und Weise in die neue Technologie des intelligenten Stadtbahnfensters der Zukunft (SmartWindows) eingebracht werden können.

Bei den SmartWindows handelt es sich um transparente Bildschirme, welche in die Fensterscheiben der Straßenbahn integriert sind. Diese können Informationen an die Fahrgäste im Fahrzeuginneren sowie nach außen, bspw. für die an der Haltestelle wartenden Fahrgäste, darstellen. Durch die interaktive Benutzeroberfläche können die Informationen nutzerspezifisch aufbereitet und bereitgestellt werden, wodurch das Fahrerlebnis gesteigert wird. Um zu einem Visualisierungskonzept für das SmartWindow zu gelangen wurde in einem ersten Schritt eine Onlineumfrage zur Erfassung des Informationsbedarfs von Fahrgästen durchgeführt. Die Auswertung dieser Umfrage identifizierte viele verschiedene, für die Fahrgäste relevante Informationen wie: Wetter, Störungsmeldungen, Darstellung von Points of Interests (POI‘s) und viele mehr. Weiterhin wurde von den ca. 250 Umfrageteilnehmern das hohe Potential des SmartWindow als Informationsterminal für Fahrgäste hervorgehoben.

In einem zweiten Schritt wurde anhand des so generierten Informationsbedarfs die Ausgestaltung eines Klickprototyps (Mock-Up) vorgenommen. Bei der Erstellung des Klickprototyps orientierten sich die Studierenden des Masterprojekts Verkehrstelematik im SS 2018 sowohl an den Wünschen der Umfrageteilnehmer  sowie an den Ergebnissen aus dem aktuell laufenden Forschungsprojekt SmartMMI. Der so entwickelte klickbare Mock-Up wurde abschließend in einem Usability-Testing auf seine Verständlichkeit und Bedienbarkeit überprüft. Das Ergebnis zeigt ein positives Feedback der Probanden bezüglich des entwickelten Klickprototyps und dessen Interaktionsmöglichkeiten. Die Studierenden waren von der Thematik so fasziniert, das bereits erste Anfragen zur Bearbeitung dieses Themas im Rahmen einer Masterthesis aufkamen.

Entwicklung eines berührungslosen Anforderungstasters für Lichtsignalanlagen

6. August 2018

Für viele Prozesse wird mit dem Ziel der Optimierung versucht, dem Menschen Aufgaben abzunehmen, zu erleichtern und damit Prozesse zu automatisieren. Dabei ist das Ziel eine Effizienzsteigerung herbeizuführen und den Komfort für die Nutzer zu erhöhen. Auch im öffentlichen Straßenraum gibt es Prozesse, die automatisiert und damit für den Nutzer erleichtert und verbessert werden können. So müssen Fußgänger um eine Freigabezeit (Grünzeit) an einer Lichtsignalanlage (LSA) zu bekommen heute noch immer physischen Aufwand erbringen indem sie einen Taster betätigen müssen. Anders als bei Fahrzeugen, welche dafür lediglich eine Induktionsschleife überfahren müssen. Neben dem zusätzlichen physischen Aufwand spielt der Faktor Hygiene, verursacht durch den direkten Kontakt mit dem Anforderungstatser, eine wesentliche Rolle. Eine große Zahl an Viren und Bakterien können eine gewisse Zeit auf den Tastern überleben und werden so unter Umständen auf den nächsten Wirt übertragen.

Zu einer Verbesserung der Situation der Fußgänger könnte deren passive Erkennung zur Anforderung einer Freigabephase führen. In diesem Projekt wurde untersucht, wie sich eine Erkennung von Personen mit dem Zweck einer berührungslosen Freigabezeitanforderung an einer LSA umsetzen lässt. Zu diesem Zweck wurden anfangs die Anforderungen an einen Anforderungstaster im öffentlichen Raum aufgestellt. Anforderungen wie: Zuverlässigkeit, einfache Bedienbarkeit, Unempfindlichkeit gegenüber Vandalismus, Kosten u.v.m. Anschließend folgte die Technologierecherche zu den Detektionsmethoden. Dazu wurde verschiedene Sensorik auf ihre Eignung zum Einsatz im öffentlichen Straßenraum hin untersucht. Darunter Sensoren wie: Lichtschranken, Infrarot, Radar, Ultraschall und einige andere.

Mit dem Ergebnis der Technologierecherche wurde ein Prototyp auf Basis des Ultraschallsensors entwickelt. Dazu wurde Mithilfe des 3D-Druckers ein Taster-Gehäuse gedruckt worin die Ultraschalsensoren verbaut wurden. Des Weiteren, wurde eine NFC-Kommunikationsmodul verbaut. Somit war es dem entwickelten Prototyp möglich Personen in einem bestimmten Umkreis und einer bestimmten Entfernung zu detektieren. Zusätzlich, konnte das verbaute NFC-Lesegerät die in den Campuskarten der HSKA verbauten NFC-Chips auslesen womit prototypisch eine Verlängerung der Freigabezeit für bestimmte Person erwirkt werden konnte. Das Szenario der Freigabezeitverlängerung ist sinnvoll für ältere und mobilitätseingeschränkte Personen und könnte in Realität beispielsweise mit Seniorenausweisen umgesetzt werden. Eine Evaluation des entwickelten Anforderungstasters im IUMS-Labor rundete das Masterprojekt Verkehrstelematik im SS 2018 ab.

Verhalten von Radfahrenden mit mobilem Eye-Tracking erforschen

22. März 2018

Aktuell liegt der Fokus der Forschung im Themenfeld des Eye-Trackings auf der Automobilindustrie, weswegen primär Ergebnisse für die Aufmerksamkeitsverteilung von Autofahrern vorliegen. Um Aussagen über das gesamte Verkehrssystem treffen zu können, müssen die Verhaltensweisen aller Verkehrsteilnehmer untersucht werden. In einer Studie haben Studierende die Aufmerksamkeitsverteilung von Radfahrerinnen und Radfahrern analysiert. Hierzu wurden diese mit einem mobilen Eye-Tracker (Brille zur kontinuierlichen Aufzeichnung der Blicke) und teilweise mit einer Smartwatch ausgestattet und fuhren mehrmals an eine unbekannte Route. Die Studie ergab, dass die Probanden bei der ersten Runde deutlich häufiger auf Verkehrsschilder schauten, als auf den darauffolgenden Runden und dass Bodenmarkierungen eher wahrgenommen wurden als Verkehrsschilder. In den Testfahrten mit der Smartwatch als Navigationsgerät konnte festgestellt werden, dass die Probanden häufiger den Blick weg vom Verkehrsgeschehen und hin zur Smartwatch wendeten, die Blicke zur Uhr aber auf ein minimales reduziert wurden, um den Verkehr weiterhin im Blick zu halten. Insofern kann von einem minimal erhöhten Verkehrsrisiko ausgegangen werden. Auch deutliche Hinweise auf die Wirkung von Ablenkungen und eine vergleichsweise geringe Zahl wahrgenommener Schilder im Verkehrsgeschehen zeigten sich.

Einsatz der Microsoft HoloLens in Verkehrsleitständen

22. März 2018

Die Leitstandmitarbeiter von Verkehrsbetrieben müssen bei auftretenden Betriebsstörungen innerhalb kürzester Zeit wichtige Entscheidungen treffen um negative Auswirkungen für Kunden und die Bevölkerung so gering wie möglich zu halten. Eine zentrale Herausforderung bei der Umsetzung von Leitständen ist es, dem Mitarbeiter einen möglichst optimalen Überblick über die aktuelle Situation zu verschaffen. In diesem Zusammenhang wurde ein Konzept erarbeitet, welches den Einsatz von Augmented Reality (AR)-Brillen in Leitständen vorsieht. Mittels der Microsoft HoloLens und einem 3D-Stadtmodell der Karlsruher Innenstadt wurde ein Prototyp entwickelt, der es erlaubt einen beliebigen Ausschnitt des Stadtmodells beispielsweise auf einen Tisch zu projizieren und in diesem frei zu navigieren, z. B. zu zoomen. Zusätzlich kann im Modell ein Liniennetz des ÖPNV visualisiert werden, welches dem Disponenten hilft, Umleitungen für öffentliche Verkehrsmittel einzurichten. Auf Basis dieses AR-Konzeptes könnten weitere Informationen bereitgestellt werden: Beispielsweise kann dem Disponenten bei einem Unfall mitgeteilt werden, welche Fahrzeuge involviert sind, wo sich diese befinden oder wie die Situation im ÖPNV-Fahrzeug aussieht; hierfür wird das Bild der Überwachungskameras live an die AR-Brille übertragen. Auch wäre ein Fernzugriff auf Fahrzeugfunktionen denkbar, die es dem Disponenten ermöglichen Anweisungen über die Lautsprecher auszugeben oder die Fahrzeugtüren vom Leitstand aus zu öffnen – auch im Hinblick auf autonome Fahrzeuge.

Einsatz Interaktiver Public Displays für Fußgängerleitsysteme

22. März 2018

Während einer Bestandsaufnahme in der Karlsruher Innenstadt wurde festgestellt, dass die vorhandenen Informationstafeln für Fußgängerinnen und Fußgänger in der Regel nicht dynamisch und interaktiv nutzbar sind und somit die Standortsuche, Orientierung und Wegfindung zu Schwierigkeiten führt. Um diese Problematik auszugleichen, wurde ein Konzept entwickelt das die statischen Informationstafeln um ein interaktives und adaptives Public Display erweitert. Auf dem Display ist die Karte der näheren Umgebung abgebildet. Sehenswürdigkeiten, Fußgängerzonen und Grünflächen, die zum Entspannen einladen, werden farblich hervorgehoben. Aufgrund vielfältiger Kontextparameter passen sich die Informationen auf dem Display an. Beispielsweise werden Geschäfte angezeigt, die zum aktuellen Zeitpunkt geöffnet haben; zur Adventszeit werden die Weihnachtsmärkte und deren Öffnungszeiten angezeigt. Eine Such- bzw. Filterfunktion und eine Routenanzeige runden die Funktionalität des Systems ab. Mittels eines Prototyps wurde das Konzept an einem 98“ großen Multi-Touch-Display unter Laborbedingungen evaluiert und verbessert.