Fahrbahnmarkierung

Warum soll ein Fahrzeug autonom fahren?

Die Antwort darauf wurden bei dem „Summit Future Mobility 2018“ auf dem EUREF- Campus in Berlin-Schöneberg diskutiert. Themen wie Elektromobilität, Vernetzung, autonomes Fahren, Ladestationen, Mobility-on-demand und Car-/Bike-Sharing befinden sich im größten Umbruch.

Um diese Herausforderungen zu bewältigen, sind Unmengen von Daten nötig. Das Gewinnen der Daten für das autonome Fahren ist das Thema der vorliegenden Untersuchung. Die genutzten Daten sollen die Sicherheit der Fahrgäste gewährleisten.

Die Daten sollen mit einem wissenschaftlichen Modell aus der Verkehrstelematik in der Logistik gewonnen werden, die für Fahrbahnmarkierungen auf den Straßen an geschlossenen Einrichtungen beim autonomen Fahren behilflich sein sollen.

Somit wird in dieser Arbeit angenommen, dass das Vertrauen der Fahrgäste dadurch erst in den sicheren Orten bzw. in geschlossenen Einrichtungen als Fahrt-Stichprobe mit der entsprechenden Technik gewonnen werden soll, um das autonomen Fahren an bestimmenden Orten in der Öffentlichkeit zu definieren.

In diesem Sinne versucht diese Arbeit Lösungsansätze zu finden um damit die Sicherheit auf den Straßen für die heutigen und kommenden Generationen zu gewährleisten.

  • 5. Platz
  • Eduardo Guillén

1.Einleitung

Basierend auf der Studie „Bewertung integrierter Mobilitätsdienste mit Elektrofahrzeugen aus Nutzerperspektive“ ¹ wird das vorliegenden Dokument fertiggestellt. Einen weiteren Grund für das vorliegende Dokument ist der Earth Day International mit dem Thema nachhaltige Mobilität. Ich zitiere „Mobilität sei eine der größten Quellen von Luftverschmutzung und Treibhausgasen. Bevölkerungs-, Wirtschafts- und Verkehrswachstum erfordern neue Mobilitätslösungen, um Staus und negativen Umweltwirkungen entgegenzuwirken..“ ² Diese Aussagen und weitere Erkenntnissen verdeutlichen die Ausgangsposition für die Verbesserung der Mobilitätsdienste mit Elektrofahrzeuge.

2. Ausgangsituation

Die Ausgangsposition wird die große Herausforderung durch die letzten Erkenntnisse für die Nutzung von Elektrofahrzeuge verstärken. Diese besagt: „Elektrofahrzeuge: Hoher Fahrspaß, aber Reichweite kritisch. Die Erwartungen potenzieller Nutzer aus der Vorfeldphase werden im Praxistest teilweise übertroffen. Dies gilt insbesondere für die Fahreigenschaften der Elektrofahrzeuge. Allerdings werden die Erwartungen an Batterie und Laden sowie speziell an die Reichweite nicht erfüllt.“ ³

2.1 Betreiber-Challenge ⁴

„Für Transport-Anbieter stellt sich immer wieder die Frage, wie ein Zusatzangebot in den regulären Betrieb eines ÖPNV integriert werden kann. Autonome Shuttles können helfen die ersten oder letzten Meter zu überbrücken, Anschlüsse an den ÖPNV zu sichern oder auch kleinere Frachten zu transportieren. Der Betreiber muss ein klares Bild über die Verfügbarkeit und Auslastung der Fahrzeuge haben.“ ⁴

2.1.1 Fragestellungen des Betreibers

Daraus ergeben sich einige Kernfragen aus Sicht der Betreiber-Challenge:
1.) Wie können Daten aus einem autonomen Shuttle analysiert werden, um einen
wirtschaftlichen Betrieb zu sichern?
2.) Welche Nachrichten müssen aus einem autonomen Shuttle gesendet

2.2 Fahrgast-Challenge

„Der ÖPNV läuft weitestgehend nach festen Fahrplänen ab. Autonome Shuttles können deutlich mehr Flexibilität bieten. Als Haltestellen, als Überbrückung kurzer Zwischenwege oder zur besseren Erreichung eines Ziels helfen sie, Wartezeiten zu minimieren, Anschlüsse zu sichern und Wegezeiten zu verkürzen. Zur Erreichung dieser Ziele ist eine präzise Ist-Standortanalyse sowie eine Prognose zu Ankunftszeiten an bestimmten Orten entlang einer Route des autonomen Shuttles wesentlich.“ ⁵

2.2.1 Fragestellungen des Fahrgastes

Die Kernfrage lautet nach der Sicht der Fahrgast-Challenge:
1.) Wie kann die variable Position eines autonomen Shuttles gut in eine persönliche
Routenplanung, auch unter Berücksichtigung von Störungsmeldungen oder besonderen Beförderungsbedürfnissen, einbezogen werden?

3. Untersuchungsmethode

Die nachfolgende Beschreibung spiegelt die Vorgehensweise bei der Überarbeitung des vorliegenden Dokumentes und der Analysemethodik wider.

3.1 Methodische Vorgehensweise

Teilnahme bei der Open Olli Hackathon- Auftaktveranstaltung ► Analyse der Challenges ► Analyse der Problemdarstellung des derzeitigen Shuttles-Busses ► Grobkonzept für die Weiterentwicklung der Idee ► Anforderungsanalyse an die Verkehrs- und Umlegungsmodelle ► Feinkonzept für das weiterentwickelte 4-Stufen- Modell ► Durchführung der Operationalisierung mit Lösungsvorschlägen ► Dokumentation. Neben den in der Vorgehensweise dargestellten internen Abstimmungen mit dem Auftraggeber fanden weitere Diskussionen über die Ergebnisse mit entsprechenden Anpassungen in den Ergebnissen statt. Diese Diskussionen fanden zeitlich im Programm des Auftragsgebers mit anderen relevanten Forschungsprojekten bspw. bei FutureMobility Summit 2018 statt.

4. Idee

Die Entwicklung eines robusten Sensorik-Programms unter der Karosserie des Shuttle-Buses.

4.1 Ziele

Die Idee ist, dass Personen durch die Nutzung des Shuttle-Buses am Haltstellen-/Umschlagsort selbstständig und effizient für den Transport von Personen von den Quellen (Beginn) bis zum Ziel(Ende) durch die Nutzung einer Fahrbahnmarkierung gebracht werden kann bspw. nach der wissenschaftlichen Forschung „SPURT von Prof.i.R.Dr.-Ing. Harmut Pfüller“ ⁶ der Universität Rostock. Dies soll das Ziel haben, dass das Bus einer digitalisierten Straßenmarkierung bzw. Bodenmarkierung nach logistischer Route innerhalb des Gebietes folgt. Die logistische Route hängt bspw. von folgenden Faktoren ab:

  • ► Vorgesehenen Straßen für die Nutzung des Olli-Buses;
  • ► Anfangsfahrt(Quelle) vs. Endfahrt (Ziel),
  • ► Personenkapazitäten bei den Fahrten zum Ziel;
  • ► Hauptverkehrszeiten innerhalb des Gebiets;
  • ► Anahl des Olli-Buses im Betrieb vor Ort;
  • ► Ladestationen

4.2 Vorgehensweise für eine logistische Route

Damit sollten einigen Faktoren bspw. unter dem 4-Stufen Modell erklärt, um die Kapazität bei den Quellen, Wegen und Zielen zu ermöglichen, bzw. Ladestationen nach Routen zu definieren.

4.3 Verkehrsplanerisches Berechnungsverfahren: Das 4-Stufen Modell

Eine logische Herleitung zur Funktionsweise des Modells bildet die Verbindung der einzelnen Stufen mit den zu grundliegenden Fragestellungen, die durch das „4-Stufen Modell“ ⁷ beantwortet werden sollen. Darin sieht BATES auch den Grund für das „Überleben“ des Konzepts – in dessen logischer Konsequenz und Praktikabilität (vgl. Bates 2000, S. 11ff). Anbei wird die 4- Kernüberlegungen des Modells nach Bates beschrieben:

  • ► Die 1. Stufe der Verkehrserzeugung versucht die Frage nach dem „Wie viel“ zu beantworten, also: Wie viele Ortsveränderungen finden im gesamten Untersuchungsgebiet überhaupt statt? Im Schritt der Verkehrserzeugung werden die Quell- und Zielverkehrsaufkommen sowie das Gesamtverkehrsaufkommen in einer Verkehrsstrommatrix berechnet. Im Ergebnis sind die Randsummen der Quelle-Ziel-Matrix bestimmt ohne bereits zu wissen, wie sich die Ortsveränderungen räumlich genau verteilen.
  • ► In der 2. Stufe der Verkehrsverteilung erfolgt die räumliche Zuweisung der im ersten Schritt ermittelten absoluten Häufigkeiten auf Quelle und Ziel, verbunden mit der Frage: Wohin bewegen sich die Personen? Ist das Gesamtverkehrsaufkommen in Quell- und Zielverkehr bestimmt, besteht die Aufgabe darin, das Quellverkehrsaufkommen auf die möglichen Zielverkehrsbezirke bzw. das Zielverkehrsaufkommen auf die Quellverkehrsbezirke zu verteilen
  • ► Die 3. Stufe der Verkehrsaufteilung beschäftigt sich mit den ermittelten Quelle-Ziel-Beziehungen auf die zur Verfügung stehenden Verkehrsmittel. Diese spiegelt sich in der Frage wieder: Womit wird die Ortsveränderung durchgeführt? Die Aufteilung der Verkehrsnachfrage im Modal Split erscheint im Modell „einfacher“, da die Unterschiede im Verkehrsmittelwahlverhalten geringer ausfallen als die Unterschiede hinsichtlich „Produktivität“ und „Attraktivität“ in den räumlichen Gebieten.
  • ► In der letzten 4. Stufe der Verkehrsumlegung werden die ermittelten Verkehrsströme die zwischen Quelle und Ziel bestehen, auf die im Netzmodell vorhandenen Wege/Routen zugeordnet. Der vierte Schritt befasst sich also mit der Frage: Welche Weg wird gewählt?

4.4 Verkehrsplanungssoftware: VISEVA

4.4.1 Berechnung der Verkehrsnachfrage mit Viseva

„Die Planungssoftware Visesa dient zur Berechnung der Verkehrsnachfrage, d.h. es wird das Verkehrsaufkommen auf Basis von Einzelwegen. Viseva folgt einem makroskopischen Modellansatz mit Hilfe dessen Erwartungswerte von Verkehrsströmen direkt berechnet werden können.“ ⁸

„Zur Berechnung der Verkehrsaufkommen gehen vielfältige Strukturdaten ein, die in Umfang und Qualität stark von der quantitativen Verfügbarkeit und qualitativen Aufbereitung abhängen. Neben den Strukturdaten sind Verkehrsverhaltensdaten bzw. Kennwerte notwendig, die das reale Verkehrsverhalten im Untersuchungsraum beschreiben. Zur Ermittlung der Kennwerte sind die zu Grunde liegenden Ursachen der Verkehrsentstehung und die daraus resultierenden Ortsveränderungen zu untersuchen.“ ⁹

4.4.2 Beispiel für die Datenanforderungen: Viseva

Die zur Modellbildung notwendigen Datenanforderungen orientieren sich an den Determinanten des Verkehrsentstehungsprozesses nach Schnabel & Lohse, die Verfügbarkeit und Möglichkeiten zur Aufbereitung der Daten (s. Anhang 1) verdeutlichen wird. Außerdem wird in Übereinstimmung mit der definierten Quelle-Ziel-Gruppen Einteilung eine mögliche Zuordnung von maßgebenden Strukturgröße für die Anzahl an Quelle- Ziel-Gruppen von der Datenlage (s. Anhang 2) gezeigt.

5. Lösungsvorschläge für den Shuttle-Bus

5.1 Lösungsvorschlag der Fragestellungen (Betreiber)

Durch die vorliegende Idee wird die Datennutzung gebraucht, um die Sicherheit des Shuttle-Buses beim Fahren auf die Straßen zu erhöhen.

Bei der Nutzung des Shuttle-Buses sollte man ein umweltfreundliches Bewusstsein in einer Relation Sicherheit für die Fahrgäste vs. Fahrspaß geschafft werden, d.h. es soll Emotionen beim fahrerlosen Betrieb erweckt werden.

Die Einführung eines internen Tarifs ist für die Nutzung, Service und Wartung des Shuttle-Buses nicht auszuschließen.

5.2 Lösungsvorschlag der Fragestellung (Fahrgast)

Eine Herausforderung für das Schuttle-Bus ist die Erhöhung der Geschwindigkeit, um die wirtschaftliche und emotionelle Interesse der Nutzer in der Relation Schnelligkeit vs. Wartezeit zu erhöhen. „Wie zu erwarten war, wurde die geringe Geschwindigkeit des Fahrzeugs von 8 km/h deutlich negativer bewertet.“ ¹⁰ Um eine Antwort auf die Problemstellung zu ermöglichen, werden folgenden Nachrichten sowohl für den Shuttle-Bus als auch für die Nutzer gesendet:

  • ► Für den Shuttle-Bus werden Nachrichten über den vordefinierten Fahrplan bzw.
  • Zeitabfahrten per Signal (s. Restriktionen) gesendet, damit der Bus den Haltstellen abfahren kann und die Routenplanung verfolgen kann.
  • ► Für die Nutzer wird eine interne Customizing-App mit den Zeitabfahrten,
  • Strecken und Fahrtdauer zur Verfügung gestellt.

5.3 Mechanismus und Operationalisierung

Eine Routenplanung wird an dem Shuttle-Bus per Signal gesendet. Ein Beispiel zeigt das Projekt „Shared Autonomous Taxis“ ¹¹ durch das Programm MATSim ¹² . In der Operationalisierung werden Beispiele für die Nutzung und Fahrten von Olli als Shuttle-Bus in geschlossenen und bestehenden Gebieten durch eine Fahrbahnmarkierung vorgeschlagen.

„Es ist also eine Frage der Sensorik und damit dessen Preis. Nicht wenige Unternehmen forschen an der Vergünstigung der Sensoren im Auto, vor allem aber werden sie besser. Die Boston Consulting Group glaubt die Einführung der Teilautonomie würde den Preis um 4.000 US-Dollar erhöhen. Doch die Sensoren müssten noch verbessert werden. Weitere Kosten beträfen die Infrastruktur – jedoch nicht die Schlaglöcher und die Fahrbahnmarkierungen. Die Zukunft liegt in der Vernetzung der Fahrzeuge und der Orientierung durch die Hilfe anderer Autos und der Cloud. Ob dann Fahrbahnmarkierungen noch notwendig sind ist wohl fraglich, genau wie die Existenz von Verkehrsschildern und Ampeln.“ ¹³

Der Bus sollte intern bei den Fahrten auf den erlaubten Straßen des Gebiets benutzt werden, somit wird eine umweltfreundliche und schnelle Verbindung für die Mitarbeiter in dem Areal erreicht werden (s. 4.2 Vorgehensweise für die logistische Route), bspw.:

  • ► Zwischen den Arbeitsort und die Kantine
  • ► Zwischen Parkplatz des Arbeitsortes bis zum Arbeitsort
  • ► Vom Arbeitsort bis zum Parkplatz
  • ► Von einem Standort bis zum anderen Standort.

5.4 Optimierung des GPS Signals: SwRI

Eine Definition des SwRI lautet: „Das SwRI System zur Lokalisierung von Fahrzeugen soll nicht auf GPS basieren und darüber hinaus auf zwei Zentimenter genau sein. Auf der AUVSI XPONENTIAL 2016 will man “Ranger” vorstellen. Die patentierte Methode zur Fahrzeuglokalisierung soll den Autonomen Fahrzeugen das präzise Navigieren ermöglichen. Das System kann sowohl für das Autonome Fahren,... als auch bei der Logistik eingesetzt werden. Es soll kleiner, schneller und robuster sein und das für relativ geringe Kosten, so Dr. Kristopher Kozak des SwRI. “Ranger” besteht aus Hard- und Software und bedient sich der Kamerasensorik, womit man die Position mittels eines Algorithmus berechnen kann. Es sammelt die Daten der Fahrbahnoberflächen, welche in einer Karte zusammengetragen werden....Damit erreicht man eine Genauigkeit von zwei Zentimetern, denn die Oberflächen von Straßen sind einzigartig und damit identifizierbar, so der Ansatz. Dafür benötigt man aber eine Datenbank über alle Fahrbahnoberflächen.“ ¹⁴

6. DATEN der Operationalisierung

6.1 „Ist“ der verfügbaren Daten zur logistischen Routenplanung

  • ► Betreiber ¹⁵ : ÖPNV- und Fernverkehrs-Fahrpläne, Störungsmeldungen, Routing-APIs, Ladezustand des Shuttles, Wetterdate.
  • ► Fahrgast ¹⁶ : ÖPNV- und Fernverkehrs-Fahrpläne, Störungsmeldungen, Routing-APIs, weitere Mobilitätsangebote z.B. von Car-/Bike-/Ride-Sharing-Anbietern.

6.2 „Soll“ der Daten zur logistischen Routenplanung

Die Soll-Daten richten sich nach der Beschreibung der benötigten Daten in Kapitel 5, wobei eine Zusammenarbeit mit (Software)-Experten in der Verkehrssystemplanung und Verkehrstelematik notwendig wird, um die notwendigen Daten für eine Simulation reingezogen werden können.

6.3 Gebietsanwendbarkeit der Operationalisierung

Mckinsey & Company erläutert in „Autonomes Fahren verändert Autoindustrie und Städte“ ¹⁷ einige Vorteile für die Geschäftsmodelle dieser Arbeit, die mit den Handlungsempfehlungen umsetzen sollen. Die Frage lautet, wo kann man die beschriebene Idee anwenden? In geschlossenen und straßenfähigen Gebieten sollte prinzipiell befahren werden, bspw.:

  • ► Timing Shuttle-Bus am Flughafen, bspw. Flughafen Schönefeld ¹⁸
  • ► Kasernen
  • ► Krankenhäuser
  • ► Mitarbeiter/Personen Shuttle-Bus als Hafenbus

6.4 Vorteile und Nachteile der Operationalisierung

6.4.1 Vorteile

  • + Genauigkeit
  • + Hochflexible Einsatzbereitschaft
  • + Umweltbewusste Mobilitätsoption
  • + Hohe Transportkapazität von Personen
  • + Hohe Akzeptanz durch Öko-Überzeugung

6.4.2 Nachteile

  • - Abhängigkeit der Straßenverhältnisse bei Straßenschäden
  • - Geringe Nutzung in der Anfangsphase
  • - Geringere Geschwindigkeit
  • - Ladungsabhängig durch Personal
  • - Geringere ergänzende Zahlungsbereitschaft

Um den besonderen Nachteil „Schnee“ zu überwinden, hat FORD bspw. sechs Fakten isoliert: „Kartographieren, Alle Daten sammeln, Intelligente Sensoren, Lokalisierung, Sensorfusion, Enthusiasmus und Vertrauen.“ ¹⁹

7. Restriktionen

Die vorliegende Arbeit unterliegt verschiedenen Restriktionen aus denen sich Ansatzpunkte für die weitere Forschung ergeben. Ziel der Arbeit war die Untersuchung der heutigen Fragenstellungen aus Sicht des Betreibers und des Fahrgastes. Um dieser Zielsetzung gerecht zu werden, wurden gezielten Untersuchungen in Rahmen des eigenen Logistikstudiums an der TU Berlin in der Zeit zwischen 2009 und 2012 bzw. aus der Fakultät Verkehrs- und Maschinensysteme und Institut für Land- und Seeverkehr der Prof.Dr. Kai Nagel für die Empfehlungsansätze für die vorliegende Idee verwendet.

Die erste Restriktion war die Auswahl von Literatur im Verkehrsbereich und eine tiefgreifende Untersuchung mit dem Thema „Mobilität der Zukunft“, sonst wäre die Verfolgung des Themas nicht möglich gewesen.

Die zweite Restriktion war die Abgrenzung des Themas, da Mobilität aus unterschiedlichen Sichtweisen betrachten werden kann, d.h. in diesem Fall fand eine Abgrenzung in „Autonome Mobilität“ statt. Wo soll der autonome Bus angewendet werden?

Die dritte Restriktion war die Finanz-, Investitions- und Datenschutzanalyse, die für die Operationalisierung und Simulation der vorliegenden Arbeit sinnvoller wäre, die aber jedoch mit mehr Zeit verknüpft werden sollte. Diesbezüglich lässt sich zur Diskussion in welche Art und die Form soll das Signal für den autonomen Shuttle-Bus gesendet werden.

Die letzte Restriktion war die zur Verfügung gestellten Informationen seitens des Auftragsgebers, die sehr begrenzt war.

8. Fazit und Ausblicke

Aus den Erkenntnissen dieser Arbeit ergeben sich relevante Implikation- und Datennutzungsergebnisse für die Umsetzung des autonomen Fahrens in Deutschland und für die weitere Forschung. Einige Fragen bleiben jedoch offen, da die wissenschaftlichen Bemühungen der Wissenschaft in der Umsetzung und in den Interessen für das autonome Fahren fernerliegen als die von Unternehmen mit einem wirtschaftlichen Gewinn auf dem Markt.

Für weitere Diskussionen liegt die Antwort auf die Fragestellungen in den Anwendungsgebieten des autonomen Fahrens. 9Dadurch wird in dieser Arbeit einige Handlungsempfehlungen vorbemerken:

Langfristig:

  • ► Projektmanagementgebunden in der Planung, Strategie und Umsetzung von Worst-Case Szenarios vs. Best-Case Szenarios;
  • ► Erhöhung des Ökobewusstseins der Fahrgäste und Betreiber.

Mittelfristig:

  • ► Zeitgebunden mit regelmäßigen Gespräche mit dem Projektteam vor Ort;
  • ► Ökobilanzgebunden mit dem Thema Transparenz in der autonomen Mobilität.

Kurzfristig:

  • ► Marketinggebunden in der Nutzung, Akzeptanz, Fahrspaß und in der Kundenbindung;
  • ► Flexibilitätgebunden für die Zufriedenheit der Kunden nach Qualität Management Prinzipien.

In Betrachtung eines Projektes sollten die Instrumentarien der eigene Masterarbeit “Gestaltung eines nachhaltigen Projekt Managements“ ²⁰ für eine nachhaltige Mobilität sin Erwägung vorgenommen werden. Somit schließt sich diese Arbeit an die Gesamtheit der wissenschaftlichen Untersuchungen mit dem vorliegenden Thema mit einer eigenen Perspektive an.


Literatur

  • ► Bates, John (2000): History of demand Modelling. In: HENSHER, DAVID A. & BUTTON, KENNETH J. (HRSG.): Handbook of Transport Modelling, S. 11-33. Oxford. Elsevier Science.
  • ► Guillén, Eduardo. Masterarbeit „Gestaltung eines nachhaltigen Projektmanagements“. TH Wildau, 14.10.2015.
  • ► Hoffmann, C., Graff,A.,Kramer,S.,Kuttler,T.,Hendzlik,M.,Scherf,C.,Wolter,F. „Bewertung integrierter Mobilitätsdienste mit Elektrofahrzeugen aus Nutzerperspektive“.
  • ► InnoZ-Baustein 11.Pdf. InnoZ-Berlin,2012. InnoZ-EUREF-Campus, Open Olli Hackathon – Auftacktveranstaltung. Quelle: https://www.innoz.de/en/openolli. Berlin,13.04.2018.
  • ► Schnabel, Werner & Lohse, Dieter (1997): Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung. Band 2, Berlin.

Fußnoten

1 Hoffmann, C., Graff,A.,Kramer,S.,Kuttler,T.,Hendzlik,M.,Scherf,C.,Wolter,F. „Bewertung integrierter Mobilitätsdienste mit Elektrofahrzeugen aus Nutzerperspektive“. InnoZ-Baustein 11.Pdf. InnoZ-Berlin,2012.
2 Quelle: https://www.msn.com/de-de/nachrichten/wissenschaft/earth-day-2018-gegen-plastikmüll-für-die-verkehrswende/ar-AAwbUEq?MSCC=1524460479&ocid=spartanntp. Zugriff: 23.04.2018
3 Quelle: file:///D:/Hackathon%202018/Paper/11_innoz-Verkehr.pdf. Zugriff: 16.04.2018.
4 InnoZ-EUREF-Campus. Open Olli Hackathon – Auftacktveranstaltung. Berlin,13.04.2018.
5 InnoZ-EUREF-Campus. Open Olli Hackathon – Auftacktveranstaltung. Berlin,13.04.2018.
6 Quelle: https://www.kickmetoscience.uni-rostock.de/formel-spurt/. Zugriff: 15.04.2018.
7 Bates,John. 2000
8 Quelle: http://elib.dlr.de/46878/1/15nov06-w-line-numbers.pdf. Zugriff: 14.04.2018
9 Schnabel & Lohse, 1997.
10 Quelle: https://www.innoz.de/sites/default/files/hunsicker_et_al_-_pilotbetrieb_mit_autonomen_shuttles_auf_dem_berliner_euref-campus.pdf. Zugriff: 16.04.2018.
11 Quelle: http://www.vsp.tu-berlin.de/menue/forschung/projects/2016/shared_autonomous_taxis/movies_shared_autonomous_taxis/. Zugriff: 16.04.2018.
12 Quelle: https://www.matsim.org/. Zugriff: 13.04.2018.
13 Quelle: http://www.autonomes-fahren.de/strassenschaeden-autonome-fahrzeuge/. Zugriff: 15.04.2018.
14 Quelle: http://www.autonomes-fahren.de/praezisere-lokalisierung-von-swri/. Zugriff: 15.04.2018.
15 InnoZ-EUREF-Campus. Open Olli Hackathon – Auftacktveranstaltung. Berlin,13.04.2018.
16 InnoZ-EUREF-Campus. Open Olli Hackathon – Auftacktveranstaltung. Berlin,13.04.2018.
17 Quelle: https://www.mckinsey.de/autonomes-fahren-veraendert-autoindustrie-und-staedte. Zugriff: 28.04.2018.
18 Quelle: http://www.berlin-airport.de/de/_dokumente/reisende/20170829_fahrplan-shuttle-bus-P3.pdf. Zugriff: 15.04.2018.
19 Quelle: http://www.autonomes-fahren.de/snowtonomy-autonomie-im-schnee/. Zugriff: 15.04.2018.
20 Guillén,Eduardo. Masterarbeit „Gestaltung eines nachhaltigen Projektmanagements“. TH Wildau, 14.10.2015.

Anhang

Anhang 1
Quelle: verändert nach SCHNABEL & LOHSE 1997, S. 163.
Anhang 1
Quelle: verändert nach SCHNABEL & LOHSE 1997, S. 150.