No description available.

This paper presents results from a workshop focusing on human demands of mobility that was conducted during the MFTS conference 2022. It shows, how the international participants, most of them male researchers with a background in engineering, dealt with concepts and findings from mobility research conducted by scholars of social sciences, humanities and cultural studies that focus on human mobility demands including gender and diversity aspects.

Introduction: With the beginning of the COVID-19 outbreak and the restrictions put in place to prevent an uncontrolled spread of the virus, the circumstances for daily activities changed. A remarkable shift in the modal split distribution was observed [Ank21]. Moreover, the changes in mobility during the COVID-19 pandemic had multiple impacts on road traffic [Yas21]. By now, several researchers have looked at the impact of COVID-19 as a disruptive event on mobility behaviour. This workshop within the 4th Symposium on Management of Future Motorway and Urban Traffic Systems aimed to discuss insights from these research projects and how they enable experts to transfer this newfound knowledge to future disruptive events such as climate change, rising energy costs and events related to a possible energy transition. Thus, the research question this workshop investigated reads as follows: What can we learn from the pandemic to be able to predict how different future disruptive events can shape the mobility of tomorrow?

Über 90% der Informationsaufnahme beim Fahren erfolgt über den visuellen Sinneskanal. Das Auge ist das einzige fernorientierte Sinnesorgan, das über die Blickbewegungen gezielt ausrichtbar ist und die Erfassung räumlich voraus liegender Objekte ermöglicht. Somit spielt das Blickverhalten der Kraftfahrer eine zentrale Rolle beim Steuern eines Fahrzeugs. Da die Informationsaufnahme und -verarbeitung die Grundlage für Handlungsentscheidungen, ihre Realisierung und Kontrolle im Straßenverkehr bilden, bestimmt das Blickverhalten des Kraftfahrers weitestgehend sein Fahrverhalten und ist dadurch auch für die Verkehrssicherheit von zentraler Bedeutung. Mit Hilfe moderner Messtechnik lassen sich die Blickbewegungen genau registrieren und das Blickverhalten kann beim Autofahren exakt erfasst werden. Dadurch stellt die Analyse des Blickverhaltens ein neues Verfahren dar, mit dem der wahrnehmungspsychologische Faktor in der Wechselwirkung zwischen Fahrer, Fahrzeug und Straße berücksichtigt werden kann. Das Blickverhalten der Fahrer ist ein hochselektiver dynamischer Vorgang, durch den eine präzise Wahrnehmung von beweglichen bzw. unbeweglichen Objekten, Geschwindigkeiten und räumlichen Ausdehnungen gewährleistet ist. Die Analyse des Blickverhaltens ermöglicht sowohl den zeitlichen als auch den räumlichen Verlauf des detaillierten Informationszuflusses zusammen mit den Aufmerksamkeitsverlagerungen zu erforschen. Wo und in welchem Zeitpunkt der Fahrer detailliert hinblickt, kann mithilfe der Blickverhaltensanalyse ermittelt werden. In der Literatur sind verschiedene Blickverhaltensmaße vorhanden, mit denen das zeitliche Verhalten der visuellen Aufmerksamkeitsverteilung, die räumliche Konzentration des Blickes und die Intensität der Informationsaufnahme untersucht und interpretiert werden können. In der vorliegenden Arbeit werden aus dem breiten Spektrum dieser Maße diejenigen ausgewählt, die bezüglich der gesuchten Abhängigkeiten am aussagekräftigsten sind. Das Blickverhalten der Kraftfahrer wird in erheblichem Maße von der Streckenge-ometrie bestimmt. Aus der Forschung ist bekannt, dass die Verhältnisse beim Lenken eines Fahrzeugs entlang geraden Strecken und innerhalb von Kurven bezüglich der Beanspruchung des Fahrers und der Blickkonzentration nicht gleich sind. In Kurven ist die Belastung höher im Vergleich zu den Geraden und das führt zu einer gesteigerten Aufmerksamkeit. Das Blickverhalten in Links- und Rechtskurven charakterisiert sich mit bestimmten Blickmustern, die sich voneinander deutlich unterscheiden. Diesbezüglich werden entsprechende Untersuchungen und Analysen auch unter Einbeziehung der vorhandenen Sichtweite durchgeführt. Der Einfluss der streckencharakteristischen Parameter auf das Fahrverhalten und das Unfallgeschehen ist auf dem Gebiet des Straßenentwurfs seit langer Zeit Untersuchungsgegenstand zahlreicher Forschungsarbeiten. Auf Autobahnen sind jedoch nur wenige solche Untersuchungen vorhanden und ein Forschungsbedarf liegt auch diesbezüglich vor. In der Dissertation wurde die BAB A72 zwischen Hof und Chemnitz untersucht, die eine der ältesten Autobahnen Deutschlands ist und für die bekannt ist, dass sie Sicherheitsprobleme hat. Diese Bundesautobahn, die ursprünglich als Regionalautobahn sehr geländeangepasst trassiert worden ist, wurde im Zeitraum von 1990 bis 1995 grundhaft ausgebaut. Die Trasse ist unverändert geblieben und die Gradiente und der Querschnitt sind verbessert worden. Dadurch sind die Geschwindigkeiten deutlich gestiegen. So ein Ausbau kann zu Disproportionen in der räumlichen Linienführung führen. Auf der Autobahn A72 sind in einigen Abschnitten solche Disproportionen vorhanden. Ausdruck dafür ist das überdurchschnittlich hohe Unfallgeschehen. Die Verkehrssicherheit hat eine vorrangige Bedeutung für den Bau und den Betrieb jeder Straße. In der Arbeit wird durch das Blickverhalten von Fahrern mit einer neu entwickelten Methodik versucht, die Gründe für unsichere Abschnitte anders als mit den klassischen Methoden zu erforschen. Im Ergebnis werden Empfehlungen für einen Kurvenmindestradius und eine psychologische Mindestsichtweite untermauert.

In this extended abstract, we propose an Artificial Intelligence-based model dedicated to the representation of a multi-class traffic flow, i.e. a traffic flow in which different vehicle classes (at least cars and trucks) are explicitly represented, with the aim of using it for the development of freeway traffic control schemes based on ramp management. Specifically, the goal of this work is to develop a hybrid modelling technique in which a Machine Learning component and the multi-class version of METANET model are adopted to determine a better estimation and forecasting tool for freeway traffic. The resulting model is specifically devised in order to be included in a Model Predictive Control (MPC) scheme for the required traffic state prediction.