Smarte Mobilität - verstehen, modellieren, gestalten (5 ECTS)

ED150007Mastermodule5 ECTSDeutsch/EnglischWintersemesterLehrstuhl für Fahrzeugtechnik (Prof. Lienkamp)

KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst, Mobilität aus drei Perspektiven zu bearbeiten: Verständnis der Nachfrage und Kosten, Modellierung von Mobilitätssystemen sowie Gestaltung neuer Lösungen (z. B. C.A.S.E.: Connected, Autonomous, Shared, Electrified). Am Ende kannst du Mobilitätsnachfrage regional und international beurteilen, Mobilitätslösungen modellieren, ökonomisch sowie ökologisch bewerten und Konzepte simulativ erproben.

Was du danach kannst

Beurteilung zeitlich-räumlicher Mobilitätsnachfrage national und international
Erhebung und Analyse von Mobilitätsdaten für spezifische Zielregionen
Modellierung, Vergleich und Bewertung von C.A.S.E.-Mobilitätslösungen
Quantifizierung ökonomischer, ökologischer und sozialer Auswirkungen von Mobilität
Bewertung neuer Mobilitätslösungen nach Vollkosten
Entwurf und simulationstechnische Erprobung neuer Mobilitätskonzepte
Integration von Nachfrage, Infrastruktur, Betriebsorganisation und Systemanforderungen
Organisation und Arbeit in interdisziplinären Teams (im Campus Mobility Lab)

Aus was das Modul besteht

VorlesungVermittlung der theoretischen Grundlagen zu Mobilität verstehen, modellieren und gestalten
ÜbungPraktische Umsetzung der Konzepte in Jupyter-Notebooks mit Python und Analyse von Beispieldatensätzen
Campus Mobility Lab (optional)Semesterbegleitendes Gruppenprojekt zur Anwendung aller Methoden; Erstellung eines Posters; kann Notenbonus bringen
GastvorlesungPraxisperspektive aus Politik/Wirtschaft und Prüfungsvorbereitung

Lehrmethode

Vorlesung mit Präsentation (PowerPoint/Tablet)Erklärung der theoretischen Inhalte und gezielte Fragen zur Transferleistung
Live-Programmierung in Übungen (Jupyter-Notebooks, Python)Implementierung der Konzepte und Demonstration von Musterlösungen mit realen Datensätzen
Freiwillige Datenerhebung per Smartphone-AppErzeugung von realen, anonymisierten Daten zur Analyse und Nutzung im Campus Mobility Lab
Gruppenarbeit im Campus Mobility LabAnwendung der erlernten Methoden in einem integrierten, teamorientierten Entwicklungsprozess

Solltest du schon können

Grundlegende Programmiererfahrung in einer Hochsprache (z.B. Python, Java, C++, Matlab, R)
Grundkenntnisse in Datenanalyse und Statistik
Vorkenntnisse in Simulationstechnik oder Fahrzeugtechnikempfohlen

Prüfung

KlausurProjektarbeit (optional)Poster (optional)

Schriftliche Klausur, Bearbeitungsdauer 90 Minuten. Bewertet wird die Übertragbarkeit der erlernten Methoden auf weiterführende Aufgaben (z. B. konzeptionelle Bewertung eines neuen Mobilitätssystems für eine Zielregion). Erlaubtes Hilfsmittel: nicht-programmierbarer Taschenrechner. Die Modulnote entspricht der Note der Klausur. Optional kann durch erfolgreiche Mitarbeit am Campus Mobility Lab ein Notenbonus von 0,3 Notenpunkten erzielt werden (bewertet personenbezogen nach individuellem Beitrag, inklusive Poster).

Literatur

W. Siebenpfeiffer (Hrsg.) - Mobilität der Zukunft
C. Nobis & T. Kuhnimhof - Mobilität in Deutschland – MiD Ergebnisbericht
M. Lienkamp et al. - Status Elektromobilität 2020: Das Endspiel nach der Corona-Krise
L. Adenaw & M. Lienkamp - Multi-Criteria, Co-Evolutionary Charging Behavior: An Agent-Based Simulation of Urban Electromobility
L. Adenaw et al. - MAGIS – A Geographic Information System for Mobility Data Analysis
D. Schröder et al. - Enhancing Sustainability in a Government-Contracted Mobility-as-a-Service Model
D. Schröder & F. Gotzler - Comprehensive spatial and cost assessment of urban transport options in Munich
M. Wittmann & L. Martin - The Influence of Public Transport Delays on Mobility on Demand Services
M. Wittmann et al. - A Predictive Fleet Management Strategy for On-Demand Mobility Services: A Case Study in Munich
M. Wittmann et al. - A Holistic Framework for Acquisition, Processing and Evaluation of Vehicle Fleet Test Data
D. Ziegler et al. - Unified Mobility Estimation Model
M. Klöppel et al. - Agent-based Simulation of a Car-sharing System with Hydrogen-powered Vehicles

Termine

VorlesungSoftware-Ergonomie

Do.12:00–13:30
MW 0350, Egbert-von-Hoyer-Hörsaal (5503.EG.350)
14× · 15.10.–04.02.
- 15.10.
- 22.10.
- 29.10.
- 05.11.
- 12.11.
- 19.11.
- 26.11.
- 10.12.
- 17.12.
- 07.01.
- 14.01.
- 21.01.
- 28.01.
- 04.02.

ÜbungSoftware-Ergonomie Übung

Mi.13:00–14:30
MW 2050, Zeichen-/Hörsaal (5510.02.050)
14× · 21.10.–03.02.
- 21.10.
- 28.10.
- 04.11.
- 11.11.
- 18.11.
- 25.11.
- 02.12.
- 09.12.
- 16.12.
- 23.12.
- 13.01.
- 20.01.
- 27.01.
- 03.02.

VorlesungSmarte Mobilität - verstehen, modellieren, gestalten (Modul ED150007/ED150008, Präsenz)

Do.09:00–11:30
3502, Seminarraum (5505.03.502)
14× · 15.10.–04.02.
- 15.10.
- 22.10.
- 29.10.
- 05.11.
- 12.11.
- 19.11.
- 26.11.
- 10.12.
- 17.12.
- 07.01.
- 14.01.
- 21.01.
- 28.01.
- 04.02.

ÜbungSmarte Mobilität - verstehen, modellieren, gestalten - Übung (Modul ED150007/ED150008, Präsenz)

Do.09:00–11:30
3502, Seminarraum (5505.03.502)
14× · 15.10.–04.02.
- 15.10.
- 22.10.
- 29.10.
- 05.11.
- 12.11.
- 19.11.
- 26.11.
- 10.12.
- 17.12.
- 07.01.
- 14.01.
- 21.01.
- 28.01.
- 04.02.

Aus dem laufenden Semester, unverbindlich.

Daten aus TUMonline anzeigen

Sprache: Deutsch/Englisch
Turnus: Wintersemester
Modulniveau: Master
Moduldauer: Einsemestrig
Gesamtstunden: 150
Präsenzstunden: 45
Eigenstudiumstunden: 105
Organisationsname: Lehrstuhl für Fahrzeugtechnik (Prof. Lienkamp)

Lehrveranstaltungen

Smarte Mobilität - verstehen, modellieren, gestalten (5 ECTS)
Smarte Mobilität - verstehen, modellieren, gestalten
Smarte Mobilität - verstehen, modellieren, gestalten - Übung
[MW2130-2] Software-Ergonomie (Übung)
[MW2130-1] Software-Ergonomie (Vorlesung)
Software-Ergonomie
Software-Ergonomie Übung

Offizielle Seite in TUMonline · Angaben unverbindlich.