Ein Gespräch mit Prof. Dr. Jörg Pfister, Professor an der Technischen Hochschule Mittelhessen, Fachbereich Mathematik, Naturwissenschaften und Datenverarbeitung sowie Leiter des mFUND-Projekts Strategiewechsel durch Open Data orientierte Lösungen (SCHOOL).

Ein Gespräch mit Manfred Menze, Projektleiter, und Dr. André Schella, Modellentwickler, des mFUND-Projekts KI gestützte Schadstoffprognose zur intelligenten Verkehrssteuerung (KISP).

Die anhaltende Diskussion um die Einhaltung gesetzlicher Vorgaben und Grenzwerte von Emissionen in Großstädten veranlassen kommunale Verkehrsunternehmen zuneh-mend zur Umstellung ihrer Flotten von konventionellen Dieselbussen hin zu Elektro-bussen. Aufgrund des geringeren Energieinhalts, der begrenzten Lebensdauer und der oftmals zeitaufwändigen Nachladung der Traktionsbatterien erfordert die Einführung von Elektrobussen eine komplexe Systemauslegung, welche das Zusammenspiel aus Fahrzeug, Betrieb und Ladeinfrastruktur berücksichtigt. Der Fokus bisheriger Forschungsarbeiten zu diesem Thema liegt mehrheitlich auf einem grundlegenden Technologievergleich sowie der Berechnung der Total-Cost-of-Ownership. Dabei wird für die Systemauslegung oftmals ein heuristisches Vorgehen mit empirischen Energieverbrauchswerten auf Basis linearisierter Modellansätze an-gewendet. Besonders die Traktionsbatterien der Fahrzeuge weisen jedoch ein stark nichtlineares Betriebsverhalten auf. In der vorliegenden Arbeit wird eine Simulationsumgebung für einzelne Elektrobus-linien entwickelt. Diese ermöglicht es, das Betriebsverhalten unterschiedlicher System-konfigurationen aus Fahrzeug, Traktionsbatterie und Nachladestrategien zu berechnen und zu vergleichen. Kern der Simulation ist ein zweistufiges Batteriemodell. Eine innere Schleife berechnet auf Basis von Mikrozeitschritten die elektro-thermische Belastung der Batterie, auf deren Basis in der äußeren Schleife die resultierende Schädigung und Lebensdauererwartung ermittelt werden. Zusätzlich wird eine Optimierungsfunktion mit dem Ziel implementiert, die elektrobusspezifischen Systemkosten mittels einer wirtschaftlichen Systemauslegung und einer angepassten Nachladestrategie zu reduzieren. Dadurch wird die Ermittlung eines wirtschaftlich optimalen Systems ermöglicht, wobei die Minimierung der Systemkosten als Optimierungsziel dient. Der Modellansatz basiert auf einer Differenzkostenanalyse. In einem demonstrierten Anwendungsbeispiel beträgt das maximale Optimierungs-potential mehr als 13%, während das mittlere Potential mehr als 5% beträgt. Aus den absoluten Ergebnissen der Optimierungsrechnungen werden Sensitivitäten einzelner Kostenparameter abgeleitet. Daraus geht hervor, dass Energiekosten aktuell den größten Kostenbestandteil des Systems darstellen. Gleichzeitig weisen sie auch die höchste Sensitivität auf und bieten somit ein hohes Potential zur Kostenreduzierung von Elektrobussystemen. / The ongoing discussion about compliance with legal requirements and emission limits in major cities is increasingly encouraging public transport companies to convert their fleets from conventional diesel buses to electric buses. Due to the lower energy content, the limited lifetime and the often time-consuming process of recharging of the traction batteries, the introduction of electric buses requires a complex system design that takes into account the interaction of vehicle, operation and recharging infrastructure. The focus of previous work in this field has mainly focused on a fundamental technology comparison and the calculation of the total cost of ownership. For the system design, a heuristic procedure with empirical energy consumption values based on linearized model approaches is often applied. However, especially the traction batteries of the vehicles show a strongly non-linear operating behaviour. In this thesis a simulation framework for single electric bus lines is developed. This allows to calculate and compare the operating behaviour of different system configurations of vehicle, traction battery and recharging strategies. The core of the simulation is a two-stage battery model. An inner loop calculates the electro-thermal load on the battery on the basis of micro time steps. The resulting damage and life expectancy are then determined in the outer loop. In addition, an optimization function is implemented with the aim of reducing the electro-bus-specific costs by means of an efficient system design and an adapted recharging strategy. This enables the determination of an economically optimal system, whereby the minimization of system costs serves as the optimization goal. The model approach is based on a differential cost analysis. In a demonstrated application example, the maximum optimization potential is higher than 13%, while the average potential is higher than 5%. Sensitivities of individual cost parameters are derived from the absolute results of the optimization calculations. These show that energy costs currently represent the largest cost component of the system. At the same time, they also show the highest sensitivity and thus offer a high potential for cost reduction of electrical bus systems.

Am 6. Mai 2020 nahmen am Fachaustausch Baustellendaten der mFUND-Begleitforschung des WIK mehr als 30 Fachleute teil. Der große Bedarf an einem Austausch zu Baustellendaten zeigte sich in der intensiven Diskussion und zahlreichen Fragen an die Vertreter der Bundesanstalt für Straßenwesen als Betreiberin des MDM, die die Veranstaltung mit einem Fachvortrag unterstützten.

Direct membrane deposition (DMD) was recently introduced as a novel polymer electrolyte membrane fabrication method. Here, this approach is extended to fabricate 12 μm thin nanocomposite fuel cell membranes. Poly(vinylidene fluoride-co-hexafluoropropylene) (PVDF-HFP) nanofibers are directly electrospun onto gas diffusion electrodes. By inkjet-printing Nafion ionomer dispersion into the pore space of PVDF-HFP nanofiber mats, composite membranes of 12 μm thickness were fabricated. At 120 °C and 35% relative humidity, stoichiometric 1.5/2.5 H2/air flow and atmospheric pressure, the power density of the DMD fuel cell (0.19 W cm-2), was about 1.7 times higher than that of the reference fuel cell (0.11 W cm-2) with Nafion HP membrane and identical catalyst. A lower ionic resistance and, especially at 120 °C, a reduced charge transfer resistance is found compared to the Nafion HP membrane. A 100 h accelerated stress test revealed a voltage decay of below 0.8 mV h-1, which is in the range of literature values for significantly thicker reinforced membranes. Finally, this novel fabrication approach enables new degrees of freedom in the design of complex composite membranes. The presented combination of scalable deposition techniques has the potential to simplify and thus reduce cost of composite membrane fabrication at a larger scale.

We show that the combination of direct membrane deposition with proton conductive nanofiber reinforcement yields highly durable and high power density fuel cells. Sulfonated poly(ether ketone) (SPEK) was directly electrospun onto gas diffusion electrodes and then filled with Nafion by inkjet-printing resulting in a 12 μm thin membrane. The ionic membrane resistance (30 mΩ*cm2) was well below that of a directly deposited membrane reinforced with chemically inert (PVDF-HFP) nanofibers (47 mΩ*cm2) of comparable thickness. The power density of the fuel cell with SPEK reinforced membrane (2.04 W/cm2) is 30% higher than that of the PVDF-HFP reinforced reference sample (1.57 W/cm2). During humidity cycling and open circuit voltage (OCV) hold, the SPEK reinforced Nafion membrane showed no measurable degradation in terms of H2 crossover current density, thus fulfilling the target of 2 mA/cm2 of the DOE after degradation. The chemical accelerated stress test (100 h OCV hold at 90 °C, 30% RH, H2/air, 50/50 kPa) revealed a degradation rate of about 0.8 mV/h for the fuel cell with SPEK reinforced membrane, compared to 1.0 mV/h for the PVDF-HFP reinforced membrane.

Die Analyse der Forschungslandschaft, etwa um interessante Kontakte für Forschungskooperationen zu finden oder neue Forschungsschwerpunkte zu identifizieren, ist ein wichtiger Bestandteil der wissenschaftlichen Arbeit. Gerade in den interdisziplinären Bereichen der Mobilitäts- und Verkehrsforschung sind damit jedoch zahlreiche Herausforderungen verbunden. Mit dem neuen Forschungskompass (www.forschungskompass.eu) wird ein Werkzeug entwickelt, um einen schnellen und passgenauen Einblick in diese vielfältige Forschungslandschaft zu erhalten.

In recent years ‘mobility management’—a means of promoting modal shift and alternatives to the journey—has gained importance in continental Europe. Especially in metropolitan areas this approach is seen as a way of improving the effectiveness of traffic system management measures. This paper outlines some key options and constraints of transferring mobility management to rural regions, drawing on evidence gathered from a research and demonstration project currently underway in rural regions of North Rhine-Westphalia. Basic conditions for implementing mobility management in rural regions as well as preliminary findings are presented.

Objective The present study aims to investigate whether drivers’ age and their experience with driving simulators could explain differences between a subjective estimation of system adaptation and a respective objective systematic measurement. Background Assessing valid measurements in driving simulators causes concern because driving simulators are not yet as realistic as real on-road driving scenarios. Common methods like pre-defined training sessions and self-appraisals of simulator adaptation might therefore be insufficient to ensure actual valid data. Hence, influential variables on this discrepancy are investigated. Method In total, N = 203 drivers participated in a training session and a subsequent testing session in a close-to-production driving simulator. Subjective adaptation was estimated by the drivers and an objective adaptation value was gathered on the basis of driving accuracy. The discrepancy between these two measures was calculated and related to age, self-reported driving experience and occurrence of previous adaptation. Results Subjective adaptation was significantly faster than objective adaptation but neither drivers’ age, experience, nor previous adaptation could explain this discrepancy. Discussion Results indicate that younger and older drivers likewise underestimate the time needed for adaptation. Measuring a subjective point of adaptation seems to be an insufficient measure to ensure simulator validity when assessing both older and younger drivers.

Diese Arbeit liefert eine Übersicht über die Risikomaße, mit welchen sich die Verkehrssicherheit messen lässt. Darauf aufbauend erfolgt eine Analyse der Verkehrssicherheit prägenden Maßnahmen des MIVS seit der Erfindung des Automobils. Anschließend erfolgt eine Analyse dieser Daten mit Hilfe von Zeitreihenmodellen. Ein Hauptbestandteil dabei bildet die Untersuchung von Strukturbrüchen, verursacht durch Verkehrssicherheits-Maßnahmen. Hierfür wird die Methodik der Interventionsanalyse (aufbauend auf ARIMA-Prozessen) und der Causal Impact verwendet. Es wird eine Aussage darüber getroffen, wie sich die Verkehrssicherheit, zu einem bestimmten Zeitpunkt, ohne das Umsetzen einer Maßnahme, entwickelt hätte.:Kapitel 1 Einleitung Kapitel 2 Verkehrssicherheit 2.1 Verkehrssicherheit: Sicherheits- und Risikowahrnehmung 2.2 Risikometrie 2.3 Realisierungskonzepte Kapitel 3 Entwicklung der Verkehrssicherheut in Deutschland 3.1 Exkurs Verkehrsgeschichte-der Weg zum MIV 3.2 Maßnahmen und Zwischenbilanzen der Verkehrssicherheit: Trümmerjahre- die Zeit bis 1950 3.3 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1950-1970 3.4 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1970-1990 3.5 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1990-2020 Kapitel 4 Betrachtung der Verkehrssicherheit mit Hilfe von Zeitreihenanalysemethoden 4.1 Zeitreihenanalyse und ARIMA Modell 4.2 Evaluations-Modelle für die Auswertung Verkehrssicherheit prägender Maßnahmen 4.3 Evaluation ausgewählter, die Verkehrssicherheit prägender Maßnahmen anhand der Interventionsanalyse und des Causal Impacts Kapitel 5 Fazit