Im Jahre 1990 saßen bei knapp 90% aller Arbeitsfahrten und bei 58% aller anderen Fahrten in den Vereinigten Staaten neben dem Fahrer keine weiteren Passagiere in den Fahrzeugen. Die meisten Fahrzeuge stehen zudem knapp 23 Stunden täglich ungenutzt auf Parkplätzen. Ähnliche Zahlen sind auch für Europa zu erwarten. Daher erscheint es eine logische Folge zu sein, dass CarSharing vor allem in den letzten Jahren zu einem immer größeren Thema – vor allem in Europa – wird.
Auf den Seiten dieser Arbeit wird zunächst genauer auf den Begriff „CarSharing“ und die aktuelle Ausgangslage bei den größeren Dienstleistern eingegangen. Anschließend werden „Activity Recognition“ und „Floating Car Data“ genauer beleuchtet. Im Anschluss wird auf mögliche Dienste für CarSharing Nutzer auf Basis von „Activity Recognition“ und „Floating Car Data“ eingegangen, wobei vor allem das automatische Erkennen von Zielen im Fokus stehen soll. Hierbei werden auch Techniken zum Clustern von Daten miteinander verglichen und deren Nutzen diskutiert. Zum Ende folgt eine Zusammenfassung der Ergebnisse und ein Fazit.
Inhaltsverzeichnis
- Car Sharing
- Definition des Begriffes
- Aktuelle Ausgangslage bei CarSharing Dienstleistern
- Activity Recognition und Floating Car Data
- Activity Recognition
- Floating Car Data
- Mögliche Anwendungsfälle
- Verkehrsflussanalyse und Navigationssystem mit Echtzeitinformationen
- Analyse des Fahrverhaltens und flexibles Preismodell
- Automatisches Erkennen von Zielen
- Bestimmen eines geeigneten Zeitrahmens t
- Clustern von Zielorten
- K-Means-Algorithmus
- BIRCH-Algorithmus
- DBSCAN-Algorithmus
- Algorithmus nach Ashbrook et al.
- Verfügbarkeitsprognosen von Fahrzeugen
- Zusammenfassung und Fazit
Zielsetzung und Themenschwerpunkte
Die Arbeit untersucht die Anwendung von „Activity Recognition“ und „Floating Car Data“ im Kontext von CarSharing-Diensten. Ziel ist es, mögliche Dienste für CarSharing-Nutzer zu identifizieren, die durch diese Technologien ermöglicht werden.
- Definition von „CarSharing“ und der aktuellen Situation von Dienstleistern
- Erläuterung der Prinzipien von „Activity Recognition“ und „Floating Car Data“
- Analyse von möglichen Anwendungsfällen für CarSharing-Nutzer
- Bewertung der Möglichkeiten des automatischen Erkennens von Zielen
- Diskussion der Nutzbarkeit verschiedener Cluster-Algorithmen
Zusammenfassung der Kapitel
Im ersten Kapitel wird der Begriff „CarSharing“ definiert und die aktuelle Situation von CarSharing-Dienstleistern in Deutschland beleuchtet. Das zweite Kapitel befasst sich mit den Konzepten von „Activity Recognition“ und „Floating Car Data“ sowie deren Einsatzmöglichkeiten. Das dritte Kapitel stellt verschiedene Anwendungsfälle für CarSharing-Nutzer vor, die durch die Kombination von „Activity Recognition“ und „Floating Car Data“ entstehen können. Ein besonderer Schwerpunkt liegt dabei auf dem automatischen Erkennen von Zielen und der vergleichenden Analyse verschiedener Cluster-Algorithmen. Die Arbeit schließt mit einer Zusammenfassung der Ergebnisse und einem Fazit.
Schlüsselwörter
CarSharing, Activity Recognition, Floating Car Data, Verkehrsflussanalyse, Navigationssystem, Fahrverhalten, Zielerkennung, Clustern, K-Means-Algorithmus, BIRCH-Algorithmus, DBSCAN-Algorithmus, Ashbrook-Algorithmus, Verfügbarkeitsprognosen.
- Citation du texte
- Daniel Seidl (Auteur), 2010, Welche Dienste für CarSharing Nutzer erlaubt Activity Recognition?, Munich, GRIN Verlag, https://www.grin.com/document/167313
