Advertisement

ATZelektronik

, Volume 12, Issue 2, pp 68–73 | Cite as

Smart City-to-Vehicle — Messen, Vorhersagen, Beeinflussen

  • David Eckhoff
  • Daniel Zehe
  • Jordan Ivanchev
  • Alois Knoll
Forschung Connectivity
  • 79 Downloads

Ein Beispiel für eine Smart-City-Anwendung, die das wesentliche Probleme der Parkplatzsuche in einer Megastadt zu lösen versucht, kann in Singapur besichtigt werden. Die Technische Universität München (TUM) und TUMCreate, eine Plattform zur Verbesserung des öffentlichen und individuellen Straßenverkehrs, beschreiben deren Funktionsweise und speziell deren Fähigkeit, vor dem Fahrtantritt die Verfügbarkeit von Parkplätzen am Zielort vorherzusagen.

1 Ausgangssituation

Die Entwicklung von Großstädten hin zu Smart Cities wird entscheidenden Einfluss auf die Mobilität der Zukunft haben. Smart Cities zeichnen sich durch eine hohe Durchdringung von Sensoren und Aktoren aus, die zum einen kontinuierlich diverse Aspekte einer Stadt, beispielsweise den Verkehr, beobachten und basierend darauf kontrollierend eingreifen können.

Diese Systeme sind zusätzlich meist noch mit Kommunikationstechnik ausgestattet, sodass eine große Menge an Informationen zentral gesammelt und verarbeitet werden kann. Die...

Notes

Danke

Die Autoren bedanken sich den Teammitgliedern Suraj Nair, Michael Popow und Marie Tritschel für ihre Unterstützung. Ebenso gilt ein Dankeschön dem Intelligent Transport Systems (ITS) Lab, in dem TUMCreate gemeinsam mit der Continental AG und ASTAR I2R in Singapur die App „Park&Go@SG“ entwickelt haben.

Literaturhinweise

  1. [1]
    Martinez-Balleste, A.; Pérez-Martínez, P.A.; Solanas, A.: The pursuit of citizens’ privacy: a privacy-aware smart city is possible. In: IEEE Communications Magazine, Ausgabe 51, Nr. 6, S. 136–141, 2013CrossRefGoogle Scholar
  2. [2]
    Eckhoff, D.; Sommer, C.: Driving for Big Data? Privacy Concerns in Vehicular Networking. IEEE Security & Privacy, Ausgabe 12, Nr. 1, S. 77–79, Februar 2014CrossRefGoogle Scholar
  3. [3]
    Niculescu, A.I.; Lim, M.Q.; Wibowo, S.A.; Yeo, K.H.; Lim, B.P.; Popow, M.; Chia, D.; Banchs, R.E.: Designing IDA — An Intelligent Driver Assistant for Smart City Parking in Singapore. In: Human-Computer Interaction, Springer, 2015, S. 510–513Google Scholar
  4. [4]
    Coric, V.; Gruteser, M.: Crowdsensing maps of on-street parking spaces. In: Distributed Computing in Sensor Systems (DCOSS), 2013. In: IEEE International Conference on. IEEE, 2013, S. 115–122Google Scholar
  5. [5]
    Ivanchev, J.; Zehe, D.; Viswanathan, V.; Nair, S.; Knoll, A.: BISOS: Backwards Incremental System Optimum Search algorithm for fast socially optimal traffic assignment. In: Intelligent Transportation Systems (ITSC), 2016 IEEE 19th International Conference on IEEE, 2016, S. 2137–2142CrossRefGoogle Scholar
  6. [6]
    Wagner, M.; Viswanathan, V.: Analyzing the Impact of Driving Behavior at Traffic Lights on Urban Heat. In: Procedia Engineering, Ausgabe 169, S. 303–307, 2016CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2017

Authors and Affiliations

  • David Eckhoff
    • 1
  • Daniel Zehe
    • 1
  • Jordan Ivanchev
    • 1
  • Alois Knoll
    • 2
  1. 1.TUMCreateSingapur
  2. 2.Lehrstuhls für Echtzeitsysteme und RobotikTU MünchenMünchenDeutschland

Personalised recommendations