Fahrerlose Roboter-Fahrzeuge als Ergänzung öffentlicher Verkehrssysteme

Abstract: Dieser Artikel setzt sich mit dem medial aufstrebenden Thema des autonomen Fahrens auseinander. Die Vorteile, die mit dem autonomen Fahren einhergehen zielen auf Lösungen für technische, rechtliche und logistische Herausforderungen ab. Das Endziel dabei ist stets das Erreichen eines effizienteren, umweltfreundlicheren und sichereren öffentlichen Verkehrssystems. Eine erhebliche Chance dabei stellen fahrerlose Roboter-Fahrzeuge dar, welche auf einer On-Demand-Basis auf vordefinierten Routen bzw. entlang fester Haltestellen operieren und somit einen Lösungsansatz für letzte Meile-Fragestellungen bieten, welche sich häufig durch eine geringe Auslastung und ineffiziente Kosten-Nutzen-Verhältnisse auszeichnen. Ein solches System muss entsprechend in das weitere Transitsystem implementiert sein und als Ergänzung statt als Ersetzung fungieren, denn nur so kann eine hohe Servicequalität und eine Flottenoptimierung stattfinden. Dies kann beispielsweise durch eine digitale Mobilitätsplattform erreicht werden, welche die Buchungen der Fahrten und deren Zahlung ermöglicht.

Mit dem städtischen Wachstum geht im Allgemeinen auch eine Veränderung von Verkehrssystemen einher. Zunächst kann hier das Einsetzen automatischer Features zur Verbesserung von Sicherheit, Effizienz und Komfort genannt werden. Außerdem lassen sich selbstfahrende Fahrzeuge in Form von fortgeschrittenen Driver-Assistance-Systemen nennen, welche den Automobilsektor maßgeblich revolutionieren werden. Diese intelligenten Systeme basieren auf Radar-Sensoren, Optik, GPS, Prozessoren und Algorithmen, welche die Fahrzeuge dazu anleiten, auf bestimmte Verkehrssituationen angemessen zu reagieren, ihre Umgebung wahrzunehmen und alle Aspekte des dynamischen Fahrens in Echtzeit umzusetzen. Laut der SAE (Society of Automotive Engineer) gibt es verschiedene Levels und Definitionen von autonomen Fahrzeugen (Autonomous Vehicles – AV), wie in Abbildung 1 (Automated Vehicles for safety, in: NHTSA-Website) zu erkennen ist. Die Phasen basieren auf Automatisierungskapazitäten, Intelligence-Levels und das Benötigen eines entsprechenden Engagements des Fahrers.

Abbildung 1: SAE Automation Levels (Grafik: nextPlace)

Seit Jahren wird bereits an fahrerlosen Roboter-Fahrzeugen geforscht. Trotzdem sind sich einige Experten einig, dass die Umsetzung dieser Technologie im öffentlichen Straßensystem wahrscheinlich noch fünf bis zehn Jahre dauern wird. Dies liegt besonders an technischen, rechtlichen und logistischen Herausforderungen, welchen sich gestellt werden muss. Die meisten Unfälle passieren aufgrund menschlicher Fehler. Automatisierungsprozesse könnten hier ansetzen und Leben retten, Verletzungen reduzieren und somit auch Ressourcen einsparen, Staus vorbeugen und insgesamt zu einem sicheren Straßenverkehr beitragen. Außerdem können diese Art von Fahrzeugen dazu beitragen, die Inklusion im Verkehr zu erhöhen, indem Senioren, Menschen mit körperlichen Beeinträchtigungen und Kinder teilhaben können. Durch effiziente elektrische Fahrzeuge kann auch die Umwelt verbessert werden. Nichtsdestotrotz sind AV speziell in der Upfront-Anschaffung teurer und benötigen die entsprechenden Verwaltungs-, Versicherungs- und technologischen Strukturen, um Datenschutzbestimmungen einzuhalten und Hacker-Angriffen vorzubeugen (Hendricks, D. (2016). In: Startup Grind-Website).

Das Thema AV wirft bei vielen vor allem die Frage nach bestehenden Autobeständen und privaten PKW auf. Bezüglich dessen ist es wichtig, auch das Feld des öffentlichen Verkehrs zu berücksichtigen, denn Hauptziel aller Bestrebungen ist stets, dass die grundlegenden Verkehrsbedürfnisse aller Bürger*innen berücksichtigt werden. Ein egalitär designtes öffentliches Verkehrssystem muss die letzte Meile berücksichtigen. Dies ist besonders in Gegenden eine Herausforderung, die eine große geographische Ausbreitung aufweisen und nur spärlich bevölkert sind. Das Problem hier sind hohe Betriebskosten, geringe Anzahl an Fahrgästen und vergleichsweise hohe Löhne für Fahrer (im Vergleich zu der Anzahl der Passagiere). In diesem Kontext könnten fahrerlose Roboter-Fahrzeuge genutzt werden, um den ÖPNV zu stärken. Eine erhebliche Chance dabei stellen wie bereits erwähnt fahrerlose Roboter-Fahrzeuge dar, welche auf einer On-Demand-Basis auf vordefinierten Routen bzw. entlang fester Haltestellen operieren (UITP Policy Brief, (2018)).

Bezüglich des Bereitstellens eines gerechten öffentlichen Verkehrssystems können fahrerlose Roboter-Fahrzeuge (Robotic Driverless Vehicles as Feeders – RDVF) die Antwort auf die Fragen einer inklusiveren, sauberen und sicheren Option sein. So könnten auch Fragen rund um effizienter genutzte Straßenräume, entlastete städtische Flächen, verringerte Fahrzeiten, Verkehrsunfälle und Staus, sowie finanzielle Nachhaltigkeit angegangen werden. Lösungsansätze hierfür sind gewiss nicht einfach. Jedoch können rechtliche Strukturen, Fahrpreisregularien, ein zusammenhängendes Liniennetzdesign und RDVF ganzheitlich so konzipiert werden, dass weniger dicht besiedelte Gebiete effektiv versorgt werden könnten und in diesen die Bedarfe nach eigenen PKW deutlich gesenkt werden könnten. Laut Studien von Siemens Inc. würde es nach dem Ersetzen von unterbenutzten Londoner Bus-Routen durch einen On-Demand-Shuttle-Service 3 bis 4 Jahre dauern bis die Zahlen schwarz statt rot würden und sich die Transformation lohnen würde (Daw, Pete (2018). Cities in the Driving Seat. In: Cities Today-Website).

Eines der Haupthindernisse bezüglich der Umsetzung von RDVF-Strukturen ist die erfolgreiche Einbindung in das bereits bestehende öffentliche Verkehrssystem. Die Idee um dies anzugehen ist eine On-Demand-Vermittlung für Pendler entlang fest fixierter Routen und Haltestellen mit hoher geographischer Abdeckung. Um einen verlässlichen Service und einen sicheren Zusammenschluss von herkömmlichen Fahrzeugen und AV zu gewährleisten müssen bestimmte Herausforderungen erfüllt werden. Dazu zählen reduzierte Wartezeiten, gute Abdeckungen, einfache Zugänge und einfache Wegetickets, sowie auch eine Integration von Verkehrsplanungsbemühungen, Kommunen und Landnutzungspolicen (UITP Policy Brief, (2018)).

Ein anderer wichtiger Aspekt, welcher hinsichtlich RDVF zu berücksichtigen ist, ist, dass diese nur eine Ergänzung bereits existierender Verkehrsstrukturen darstellen und somit Pendlern mehr Alternativen bieten und die Chance bieten, bestehende Strukturen ausbauen zu können. Die Nutzung von AV anstelle herkömmlicher Fahrzeuge weist hierbei einige Vorteile auf. Dazu gehört eine Verringerung von CO2 Ausstößen dank der Verringerung von Staus. Auch Kosteneinsparungen aufgrund von fehlenden Fahrer*innen und verringerte Betriebs- und Instandhaltungskosten können verzeichnet werden. Darüber hinaus könnte ein solches On-Demand-System effizienter und flexibler hinsichtlich zeitlicher Fragen und Fragen der räumlichen Abdeckung sein, indem es kostengünstig über die üblichen Zeiten hinaus und mit höherer Frequenz operiert. Das Nutzen von AV hat jedoch auch einige Nachteile. Dazu zählt, dass die Fahrzeuge häufig noch sehr langsam und mit geringen Kapazitäten unterwegs sind. Da es sich bei AV um eine Neuheit handelt, gibt es auch Probleme hinsichtlich öffentlicher Akzeptanz und allgemeiner Verlässlichkeit des Services. Auch das Vorhandensein von Kapital und der Wille in die Technologie zu investieren könnten Probleme darstellen. Auch muss beachtet werden, dass zwar durch die Technologie der Bedarf an Autos runtergeschraubt werden kann, aber auch das Gehen und Fahrradfahren als Fortbewegungsmöglichkeiten generell geschwächt werden können (Center for Sustainable Systems, University of Michigan (2018)).

Der erste Schritt um eine RDVF-Struktur als verkehrliche Ergänzung umzusetzen ist das Verständnis der Verkehrsbedürfnisse der lokalen Bevölkerung. Dies beinhaltet beispielsweise Ein- und Ausstiegsorte. Es müssen Nachfrage- und Mobilitätsdaten analysiert werden um verlässliche, effiziente und passende Feeder-Routen-Verläufe zu entwerfen. Außerdem lässt sich bezüglich der Struktur und Koordination des Systems sagen, dass eine digitale Mobilitätsplattform die Chance bieten kann, Buchungen, Zahlungen und Informationen über Fahrten an einem Ort zu vereinen. Um die Verlässlichkeit des Services, welche keine festen Fahrpläne hat, zu erhöhen werden den Fahrgästen verschiedenen Reiseoptionen in Form von Listen aufgezeigt, welche sich nach vorigen Bedarfen richten und die Wartezeit im Falle einer Buchung reduzieren. Da es sich hier um einen On-Demand-Service handelt, kann die Flottenoptimierung dauerhaft gesichert werden wenn RDVF tiefer in den gesellschaftlichen Gewohnheiten verankert sind. Es kann die geringe Auslastung des MIV verhindern und es möglichen machen, dass Shuttles in einem Standby-Modus sind wenn sie nicht gebraucht werden (Almasi, M. (2014). Analysis of Feeder Bus Network Design and Scheduling Problems).

Einige Firmen haben bereits einige Versuche unternommen, die hier beschriebenen Technologien zu erwerben bzw. bereitzustellen. Dabei wurden bestimmte AV-Modelle ausgetestet. Ein interessantes Beispiel hierfür sind die Autopiloten. Hierbei handelt es sich um Schweden’s erstes autonomes Minibus-System. Dieses operiert entlang öffentlicher Straßen, und zwar an einem vordefiniertem festen Pfad von 1,5 km Länge und mit einer Geschwindigkeit von 20 km/h. Das System operiert zudem in Form eines Step-by-Step-Ansatzes mit fest definierten Plänen für die Folgejahre. Das Hauptziel des Projektes ist es, letzte Meile-Lösungen zu liefern und somit typische Verkehrsbarrikaden abzubauen und verschiedene Mobilitätsdienste zu integrieren (Drive Sweden, Autopilot, Kista (2017). In: Connected Automated Driving). Ein anderes interessantes Projekt ist das HEAT (Hamburg Electric Autonomous Transportation)-Projekt der HOCHBAHN: Hier gibt es autonome E-Busse in Hamburg welche eine Höchstgeschwindigkeit von 50 km/h aufweisen. Das Hauptziel ist es, aufzuzeigen dass E-Shuttle-Busse eine sichere Ergänzung für vorhandene Modalsplits darstellen. Das Projekt wird schrittweise realisiert. Laut Henrik Falk, CEO von HOCHBAHN, werden die ersten Testversuche ohne Passagiere im Jahre 2019 stattfinden (Autonomous E-Buses in Hamburg (2018). In: IAV Automotive Engineering, Inc.-Website).

Das hier erörterte Fahrersystem benötigt noch weitere Ausreifung und weitere Verbesserungen. RDVF entlang fester Routen können höhere Sicherheit garantieren wenn es gegeben ist, dass die Software physische Bedingungen und Straßenverhältnisse erkennt. Es wäre für die Zukunft von Roboter-Fahrzeugen als Ergänzung öffentlicher Verkehrssysteme interessant, Routen und Haltestellen dynamisch durch einen Algorithmus berechnet zu bekommen. Dies würde auf Anfrage hin geschehen und würde zu komfortableren und passenderen Pendelverkehren führen. Da in diese Richtung intensiv geforscht wird gibt es täglich Neuigkeiten. Bald werden Städte weltweit dazu fähig sein, diese Technologien umzusetzen um letztendlich sicherer, sauberer und effizienter hinsichtlich des Themas des öffentlichen Verkehrs zu werden.

BIBLIOGRAPHIE

NHTSA, National Highway Traffic Safety Administration. Automated Vehicles for Safety. [Online] Available at: https://www.nhtsa.gov/technology-innovation/automated-vehicles-safety [Accessed 20 Sep. 2018]

Hendricks, D. (2016). 5 Reasons You Should Embrace Self-Driving Cars. [Blog] Startup Grind. Available at: https://www.startupgrind.com/blog/5-reasons-you-should-embrace-self-driving-cars/ [Accessed 25 Oct. 2018]

Foster, R. (2018). New report highlights advantages of AVs for first and last mile trips. [Online] Cities Today. Available at: https://cities-today.com/new-report-highlights-advantages-of-avs-for-first-and-last-mile-trips/ [Accessed 02 Oct. 2018]

UITP International Association of Public Transport, (2018). Policy Brief on Autonomous Vehicles: A potential game changer for urban mobility. [PDF] Available at: https://www.uitp.org/sites/default/files/cck-focus-papers-files/PolicyBrief_Autonomous_Vehicles_LQ_20160116.pdf [Accessed 01 Oct. 2018]

Almasi, M.; Mounes, S.; Koting, S.; Karim, M. (2014). Analysis of Feeder Bus Network Design and Scheduling Problems. The Scientific World Journal, [online] Volume 2014. Available at: http://dx.doi.org/10.1155/2014/408473 [Accessed 03 Oct. 2018]

Connected Automated Driving, (2017). Autopilot, Kista from Drive Sweden. [PDF] Available at:  https://connectedautomateddriving.eu/wp-content/uploads/2017/06/2b_Drive-Sweden-18-May-2017-Part-2.pdf [Accessed 24 Sep. 2018]

IAV Automotive Engineering, Inc., (2018). Autonomous E-Buses in Hamburg. [Online] Available at: https://www.iav.com/en/press/press-releases/2018/autonomous-e-buses-hamburg [Accessed 08 Oct. 2018]

Speranza, M.; Weyland, D.; Archetti, C. (2015) On-demand public transportation. [PDF] Available at: https://www.researchgate.net/publication/273409078 [Accessed 9 Nov. 2018]

Center for Sustainable Systems, University of Michigan. (2018) “Autonomous Vehicles Factsheet.” Pub. No. CSS16-18. [Online] Available at: http://css.umich.edu/factsheets/autonomous-vehicles-factsheet [Accessed 9 Nov. 2018]