Was kann Hamburg tun, um Modellstadt für die digitale Verkehrsstadt zu werden?

Transkript

1 Dr. Daniel Hobohm. Head of Global Product Management. Siemens Was kann Hamburg tun, um Modellstadt für die digitale Verkehrsstadt zu werden? Intern Siemens AG 2015 Alle Rechte vorbehalten. Answers for infrastructure and cities.

2 Vernetzte Mobilität: Schon heute liegt die Zukunft näher als man denkt Seite 2

3 Die Herausforderung mit intelligenter Infrastruktur Seite 3

4 Eine ITS Basis-Infrastruktur Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Zentrale Verkehrsmanagement Cloud-Basierte Systeme Zentrale/UTC FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Monitoring & Management Netzadaptive Steuerung Cloud-basierte Interaktionen Straße Feldebene Steuergeräte Feldmessgeräte RSU Vernetztes Steuergerät Lokale Verkehrsabhängigkeit Detektoren RSU HSV- Spiel Detektor Seite 4

5 Cloud-Basierte Systeme zu Monitoring und Management: sguard und sx Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Zentrale Verkehrsmanagement Cloud-Basierte Systeme Zentrale/UTC FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Monitoring & Management Netzadaptive Steuerung Cloud-basierte Interaktionen Straße Feldebene Steuergeräte Feldmessgeräte RSU Vernetztes Steuergerät sx Lokale Verkehrsabhängigkeit Detektoren RSU HSV- Spiel Detektor Seite 5

6 smartguard: Unsere Cloud-Basierte Erweiterung unserer Verkehrsmanagementlösung 1) Urban Traffic Control Seite 6

7 Eine LSA ist defekt. Der sx läuft im Notlaufprogramm, von Autofahrern unbemerkt. smartguard erhält die Information und kann durch jeden Berechtigten benutzt werden Der Service Techniker kann über sguard die Fehlermeldung analyisieren. Er kann nun Ersatzteile einpacken. Seite 7 Nach Ankunft kann er direkt die LSA reparieren, im Notlaufprogramm, und in Betrieb nehmen. Wenn gewünscht, kann er den sx auch neu konfigurieren.

8 Mit zunehmenden Datenvolumina erhöht sich auch die Analysefähigkeit für die Stadt Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Zentrale Verkehrsmanagement Cloud-Basierte Systeme Zentrale/UTC FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Monitoring & Management Netzadaptive Steuerung Cloud-basierte Interaktionen Straße Feldebene Steuergeräte Feldmessgeräte RSU Vernetztes Steuergerät sx Lokale Verkehrsabhängigkeit Detektoren RSU HSV- Spiel Detektor Seite 9

9 Netzweite Analyse von Stadtdaten Was ist das Problem? Fahrzeuge können erhebliche Daten erzeugen Auf den ersten Blick scheint es einen guten Überblick der Lage zu geben Aber bei genauerer Betrachtung tauchen Widersprüchen auf Gibt es wirklich Stau? Bei Wendepunkten kommen Big Data Fehler häufig vor Verlässige Information benötigt lokale Information Seite 10

10 Beispiel Detektorbelegung am Links-Abbieger Analyse: Am Nachmittag. Vielleicht sollten geeignete Maßnahmen ergriffen werden? Seite 11

11 ÖPNV und Fahrzeug - Priorisierung Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Zentrale Verkehrsmanagement Cloud-Basierte Systeme Zentrale/UTC FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Monitoring & Management Netzadaptive Steuerung Cloud-basierte Interaktionen Straße Feldebene Steuergeräte Feldmessgeräte RSU Vernetztes Steuergerät Lokale Verkehrsabhängigkeit Detektoren RSU HSV- Spiel Detektor GPS (Stream) Seite 12

12 Bevorrechtigung von ÖPNV und Notfallfahrzeugen durch zentrale Kommunikation vom Telegramm Aufbau einer OnBoardUnit mit GPS und GPRS (Stromversorgung und Antenne) GPS-basierte Fahrzeuglokalisierung und Anerkennung von erreichten Signalisierungspunkten Versand der Signalisierungspunkten durch Mobiltelefon (GPRS) zu Sitraffic Scala Anforderungstelegramm an das Steuergerät durch Sitraffic Canto Ausarbeitung vom Anforderungstelegramm für die Bevorrechtigung mit gewöhnlicher Methode für Verkehrsanpassung GPS Logon Logoff Sitraffic Steuergerät Stream Sitraffic Scala Seite 13

13 Presseveröffentlichungen Seite 14

14 Duisport Seite 18

15 Feldebene Zentralenebene Bedienebene Innovatives LKW Routing für sehr großen dt. Binnenhafen Traffic Management Concert Innovative LKW Guidance basierend auf Web Services Hafen Betreiber Spediteur Disponent LDL/Terminal Disponent LKW Fahrer 1 2 Registrierung des LKW Fahrers (basiered auf sguard) Estimated time of arrival wird basierend auf Real-Time Daten geschätzt und mit Fahrtroute abgeglichen Client Web Portal App Verkehrsmanagementzentrale Externe Systeme Schnittstelle Detektion LED-Schilder / Virtuelle Schilder möglich 3 Routing information zu Parkmöglichkeiten, Abfahrt. Virtuelle Schilder möglich Zugang über GPS-basierte Lösung Seite 19

16 Car2X: RoadSideUnit basierte, ultraschnelle Kommunikation in das Fahrzeug Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Zentrale Verkehrsmanagement Cloud-Basierte Systeme Zentrale/UTC FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Monitoring & Management Netzadaptive Steuerung Cloud-basierte Interaktionen Straße Feldebene Steuergeräte Feldmessgeräte RSU Vernetztes Steuergerät Lokale Verkehrsabhängigkeit Detektoren RSU HSV- Spiel WLAN Detektor GPS (Stream) Seite 20

17 Intelligente Fahrzeuge benötigen intelligente Straßen Intelligente Fahrzeuge Intelligente Fahrzeuge und redundante Systeme ITS Architektur Intelligente Infrastruktur Seite 21

18 Car2X als wichtigen Schritt für autonomes Fahren, mit lokaler und zentraler Intelligenz. Anweisung: Sicherheit und Effizienz Information: Optimierung Interaktion: Autonome, lokale Systeme Normgerecht über Signale Verkehr lokal steuern Über Information, flächendeckend oder zeitunkritisch steuern Zeitnah Verkehrsabhängigkeit beeinflussen Zentrale Zentrale Zentrale "Parkhaus hat noch Platz" "-2C!" "Fahre 32 km/h" "Links!" "Dichte" "Baustelle, 1 Bahn gesperrt" "Grün in 5 Sekunden" "Vorsicht Fahrradweg! "Rettung "Grünphase Prognose" "Sehr detaillierte Karten" Seite 22

19 Kooperative Systeme: Siemens baut auf erprobte und getestete Automationstechnologie mit ITS-spezifischen Softwares auf Kooperatives Siemens Steuergerät Siemens Road Side Unit (SCALANCE) Siemens Verkehrssteuergerät mit WLAN p Standard für zukünftige Anwendungen (Übersenden von MAP/SPAT/DENM/CAM Informationen) Seite 23

20 Die Kommunikationstechnologie wird sukzessive Einzug halten und physische Infrastruktur ergänzen Heute! 100m ! 100m Drive 35 to get green In 5 Jahren! 60 in 100m 35km/h In 15 Jahren? 60! 140m URBAN Seite 24 HIGHWAY

21 Take-Aways 1 Vernetzte Mobilität kommt 2 Siemens entwickelt auf allen infrastrukturellen Ebenen Systeme der Zukunft 3 Digitalisierung kann helfen, Kosten zu sparen oder Effizienz zu erhöhen 4 Car2X ist auf einem guten Weg und kann Teil einer autonomen Autowelt werden Seite 25

22 Vielen Dank! Intern Siemens AG 2015 Alle Rechte vorbehalten. Answers for infrastructure and cities.

23 Backup Seite 27

24 Autonomes Fahren wird auf der intelligenten Infrastruktur aufbauen, die wir heute definieren Zentralen "Vorsicht Bus!" "Grün in 5s!" "Fährt 32 km/h" RSU RSU "Vorsicht Rettungswagen!" "Vorsicht Fahrradweg!" Intelligente Infrastruktur als entscheidender Faktor für das autonome Fahren Seite 29

25 LKWs in Häfen, Autohöfen, Parkplätzen Wie kann hier Digitalisierung helfen? i. Exakte Erfassung des Belegungszustandes ii. Kommunikation an die LKW Fahrer Seite 30

26 Stellplatzmangel verursacht Probleme, die kurzfristig nicht durch Infrastrukturmaßnahmen gelöst werden können Problemstellung Der Bedarf bzw. die Nachfrage ist deutlich höher als die Anzahl der verfügbaren Lkw-Stellplätze Die vom BMVI in 2008 geplanten Baumaßnahmen konnten nicht in vollem Umfang umgesetzt werden In Zusammenhang mit den gesetzlich vorgeschriebenen Ruhezeiten kommt es zu "illegalen" Parksituationen Die Sicherheit für Fahrzeuge und Personen auf dem Parkplatz kann durch die "Falschparker" nicht mehr gewährleistet werden Stellplatz Angebot/Nachfrage 2008 in Tsd. Gebaute Stellplätze Soll/Ist in Tsd ,1 6,0 68,1 Nachfrage 53,9 20,2 7,5 17,9 28,5 Angebot Differenz 2,8 2, ,5 5, ,3 8, ,0 10, ,4 11, ,7 13, , ,6 Expertenschätzung Nachfrage lt. BMVBS Überparkung Autohöfe Rastanlagen Fehlende Stellplätze kum. Soll kum. Gebaut Quellen: Expertengespräch BMVBS und Autohöfe; BMVBS Bericht Parkstandsituation an BAB 2008 Quellen: Expertengespräch BMVBS und Autohöfe; BMVBS Bericht Parkstandsituation an BAB 2008 Seite 31

27 Erfassung: Zwei alternative Technologien Bilanzierungsverfahren und Einzelstellplatzdetektion Bilanzierungsverfahren Detektoren für Zählung, Klassifizierung an Ein- und Ausfahrt Innovation Vorteile des Bilanzierungsverfahrens Auch Fahrzeuge auf nicht offiziellen Parkplätzen werden detektiert (Falschparker) Vergleichsweise niedrige Kosten bei großen Parkplätzen Projekte A9: 21 Parkplätze zwischen München und Nürnberg Chempark Dormagen Einzelstellplatzdetektion Stellplatzdetektoren Vorteile der Einzelstellplatzdetektion Kein Abgleich notwendig Niedrige Kosten bei kleinen Parkplätzen Projekte Mehrere Pilotprojekte mit >95% Detektionsrate A2: Resser Mark (I-Schleifen) bisher 100% Detektionsrate Seite 32

28 Die für Bilanzierungsverfahren erforderliche hohe Genauigkeit wird mit einer Kombination aus Laser-Scanner und Bodenradardetektoren erreicht Max. Scanbereich 96 Grad 20 Meter lang ScanSens: Messung des Höhen und Breitenprofil Eingestellter Scanbereich ScanSens Laser scanner GroundSens In-ground radar GroundSens Bodenradar: Messung der Fahrzeuglänge und Geschwindigkeit Detektion System von VoLTRA solutions GmbH Seite 33

29 Sogar in schwierigen Situationen wird eine hohe Detektionsgenauigkeit erreicht Technische Herausforderung Breite Fahrspur Rangierende Lkws Detektionspunkte E2 A1 A2 E1 Seite 34

30 Derzeit wird das Bilanzierungssystem im Chempark bei Dormagen installiert Gewerbeparkplatz im Chempark Dormagen Kunde: Chempark-Betreiber Currenta (ca Mitarbeiter) Projektziel: Strukturierung des Lkw-Park-Verkehrs Technische Projektbeschreibung 2 Lkw-Parkplätze mit Stellplätzen Je 1 Einfahrt und 3 Ausfahrten 8 Messquerschnitte mit Laserscannern und Bodenradardetektoren Systemintegration mit SST5 und Schildern zur Restplatzanzeige Bild des alten Lkw-Parkplatzes, der baulich erweitert und technisch erneuert wurde Seite 35

31 Die gleiche Technologie wird für Pkw Parkflächen verwendet Mit wenigen Messquerschnitten an den Zu- und Ausfahrten kann der komplette Parkplatz überwacht werden Richtungsabhängige Detektion an gemeinsamen Ein- und Ausfahrten Beispiel für ein mögliches Pkw-Parkprojekt Sitraffic Sens Messquerschnitte Kein manueller Abgleich notwendig Seite 36

32 The traffic engineer calculates the green time phases for the intersection. He realizes that the green time needs to be 2s longer than planned. Over the easy to use web-interface he configures a new green time. Immediately he can see the results on the street. Seite 37

33 STREAM Unsere Lösung für Fahrzeugpriorisierung STREAM Simple Tracking Real-time Application for Managing Traffic Lights and Passenger Information GPS Vorgehen Lokalisierung durch GPS Kommunikation durch Mobilfunknetz Nutzen von Standard Hardware Modulen Generelles Vorgehen für Fahrzeugenbevorrechtigung Seite 38

34 Siemens verfolgt sowohl lokale, als auch dezentrale Entwicklungsthemen Beispiele von Dienstleistungen mit hohem Mehrwert Aktualisierung Automotive OEM Server Topology & Phase Status Server FCD/ Verkehrsablauf VIP Umwelt ÖPNV Notfall Verkehrsabhängigkeit Cellular oder Broadcast Kamera TA TA TA Modulen Steuergerät Lokale Verkehrsabhängigkeit RSU Mehrspuriger Radarsensor Virtuelle Schilder WLAN Cellular Detektor GPS (Stream) GPS (Stream) Seite 39

35 Backup Installierte/geplante RSU's Testfelder CVIS Dortmund 5 Steuergeräte mit kooperativer Komponente Applikation für lokale/zentrale Priorisierung, lokale Verkehrslage, Datenfusion (FCD/Induktionsschleife) AKTIV VM Hattersheim 3 Steuergeräte mit kooperativer Komponente Applikation für lokale/zentrale Priorisierung, Grüne Welle Empfehlung Compass 4D Newcastle Testfeld Telematik Wien Elisa TM München AIM Braunschweig 20 Steuergeräte UK mit Priorisierung/Grüne Welle Information an Fahrzeuge Teststrecke mit kooperativen Komponenten zur Demonstration von Fahrzeugapplikationen (Grüne Welle Gefahrenmeldung Assiistenzsysteme 10 innerstädtische RSU 30 Autobahn RSU 50 Fahrzeuge 4 Steuergeräte mit kooperativer Komponente, 3 BMW Testfahrzeuge Datenaustausch für energieeffizientes und umweltfreundliches Fahren, Demonstration von Ampelassistent und Motor Start/Stop Automatik (BMW) Großforschungsanlage für intelligente Mobilitätsdienste Ca. 35 RSU's im innerstädtischen Bereich Plattform für die Entwicklung anwendungsorientierte Applikationen (z.b. nmobs) Seite 40

36 Nur durch lokale Daten können globale Daten verstanden und auch geändert werden Lokale Analyse gekoppelt mit Strategiemanagement können zusätzlichen Mehrwert schaffen Lokale Analyse lohnt sich für die meisten Fahrer Jedoch kann sie nicht nur durch dezentralisierte Datenerfassung erfolgen Seite 41

37 Beispiel Durch genaues Wissen kombinierte Datenanalyse und Fingerprint Beispiel von einer Baustelle und ihren Auswirkungen Besonderheiten: (Baustellen, Sperrungen, Veranstaltungen, Unfälle etc.): Zeitraum Ereignis Baustelle, Fahrtrichtung gesperrt, eine Umleitung ist eingerichtet Verkehrsbehinderung, Baustelle, Stau zu erwarten Seite 42

38 Beispiel Vorrang für die Schule Intratägliche Periodizität vor der Schule Seite 43

39 Beispiel Stau am Nachmittag Analyse: Am Nachmittag. Vielleicht sollten geeignete Maßnahmen ergriffen werden? Seite 44