Open Thesis
Available BA/MA Thesis Topics
You are searching for a "Masterpraktikum"?
Please write a mail to the supervisor. Some thesis topics can also be used as "Masterpraktikum".
Der Busverkehr zwischen Hubland und Bahnhof ist zu Stoßzeiten regelmäßig verspätet und steht meist durchgehend im Stau. Diese Arbeit soll mit Hilfe des Mobilitätssimulationstools CityMOS den Effekt von Busspuren sowie intelligenten Ampelschaltungen (welche bei sich nähernden Bussen auf grün wechseln) untersucht werden. Hierzu muss im Tool sowohl die Verkehrsinfrastruktur in einem halbautomatisierten Verfahren modelliert werden, als auch das aktuelle Verkehrsaufkommen simuliert werden.
Ziele der Arbeit
- Modellierung der Verkehrswege ans Hubland
- Integration von Busspuren und Ampelschaltungen in das Tool
- Evaluierung der Verkehrsauswirkungen verschiedener Szenarien
Voraussetzungen
- Studium der Informatik oder eines verwandten Faches
- Interesse an der Gestaltung von Verkehrssystemen sowie deren Modellierung, Simulation und Optimierung
- Selbstständige und eigenverantwortliche Arbeitsweise
- Sicherer Umgang mit Python
Interesse an der Arbeit? Einfach eine E-Mail an jonas.schiller@uni-wuerzburg.de schreiben
Motivation
Der Fahrradverkehr wird aktuell auf vielen verschiedenen Wegen Richtung Campus Hubland geführt. Wir wollen mittels einer Kombination aus Geo und Mobilitätsdaten sowie Computer Vision einen optimalen Pfad ans Hubland finden und dies multikriteriell bewerten. Hierfür können bereits bestehende algorithmische Ansätze verwendet werden, welche im Rahmen des Projekts zu einer Optimierung zusammen gefügt werden sollen.
Ziele der Arbeit
- Recherche zu den Kriterien eines optimalen Fahrradweges
- Integration verschiedener bestehender Modelle zu Erhebungsdaten, Computer Vision und Verkehrsaufkommen
- Ausarbeitung einer Empfehlung für einen Pop-Up Radweg
Voraussetzungen
- Studium der Informatik oder eines verwandten Faches
- Interesse an der Gestaltung von Verkehrssystemen sowie deren Modellierung, Simulation und Optimierung
- Selbstständige und eigenverantwortliche Arbeitsweise
- Sicherer Umgang mit Python
Interesse an der Arbeit? Einfach eine E-Mail an jonas.schiller@uni-wuerzburg.de schreiben
Motivation
Decision Focused Learning kombiniert ML-Vorhersage Modelle mit Optimierungsmodellen, indem das ML Modell nicht basierend auf dem Vorhersagefehler, sondern auf den resultierenden Optimierungskosten trainiert wird. Dies ermöglicht eine bessere Einstellung des Modells und kann gerade sehr kostentreibende Vorhersagefehler vermeiden. In der Arbeit soll diese Methode unter Verwendung des PyEPO Frameworks auf das Depotladen von Busflotten angewandt werden.
Ziele der Arbeit
- Kennenlernen des PyEMO Frameworks
- Kombination des Depotlade Optimierungsmodells mit dem Framework
- Benchmark verschiedener Decision Focused Learning Ansätze
Voraussetzungen
- Studium der Informatik oder eines verwandten Faches
- Interesse an der Gestaltung zukünftiger Energiesysteme sowie deren Modellierung, Simulation und Optimierung
- Selbstständige und eigenverantwortliche Arbeitsweise
- Sicherer Umgang mit Python
Interesse an der Arbeit? Einfach eine E-Mail an jonas.schiller@uni-wuerzburg.de schreiben
Motivation
Mit der zunehmenden Elektrifizierung des Verkehrssektors gewinnt das Ladeverhalten von E-Auto-Besitzer*innen stark an Bedeutung. Eine intelligente Lastverteilung beim Laden ist dabei nicht nur essenziell für die Stabilität des Stromnetzes, sondern auch für die effektive Nutzung von erneuerbaren Energien. Um Ladeprozesse gezielt steuern zu können, ist jedoch eine grundlegende Voraussetzung, dass das Fahrzeug physisch an das Stromnetz angeschlossen ist – das sogenannte Ansteckverhalten.
Dieses Ansteckverhalten wurde bisher in verschiedenen Studien empirisch untersucht und spielt eine zentrale Rolle für alle Ansätze zur Optimierung des Ladeverhaltens. Insbesondere für unsere Forschung in verschiedenen Projekten im Bereich Energieinformatik und Mobilität benötigen wir realitätsnahe Simulationsmodelle, die das Anstecken von Elektrofahrzeugen möglichst differenziert abbilden. Ziel ist es, die Ansteckwahrscheinlichkeit in Abhängigkeit von Faktoren wie Nutzergruppen oder Wohnorttypen (z. B. städtisch vs. ländlich) besser zu verstehen und die existieren Studien zu Vergleichen um daraus eine Modellierung zu erstellen.
Ziele der Arbeit
- Recherche von Studien zum Ansteckverhalten von ElektrofahrzeugbesitzerInnen und Kombination der Ergebnisse zu einer Meta-Studie
- Identifikation potenzieller Datensätze für die Entwicklung eines Simulationsmodells
- Entwicklung eines (räumlich/) zeitlich aufgelösten Ansteckmodells, welches für verschiedene Personengruppen die Ansteckwahrscheinlichkeit vorhersagt
Voraussetzungen
- Studium der Informatik oder eines verwandten Faches
- Interesse an der Gestaltung zukünftiger Energiesysteme sowie deren Modellierung, Simulation und Optimierung
- Selbstständige und eigenverantwortliche Arbeitsweise
- Sicherer Umgang mit Python
Interesse an der Arbeit? Einfach eine E-Mail an marco.pruckner@uni-wuerzburg.de oder paul.benz@uni-wuerzburg.de schreiben
Motivation
Calibrating agent-based simulations is difficult because there is no analytical expression for the underlying joint probability distribution in most cases.
Therefore, we need to use algorithms that do not require computing the simulation's gradients. A popular class of algorithm that can be used for this purpose are genetic algorithms. Genetic algorithms come in a variety of forms, and the goal of this thesis is to benchmark several of them for their ability to calibrate the transport demand simulator OMoSim (https://github.com/L-Strobel/omosim). For the task, an existing benchmarking setup can be used, and several other algorithms have already been implemented that can be used for comparison.
Goals
- Research several genetic algorithm versions
- Implement several algorithms
- Tune the parameters of the algorithms
- Evaluate the performance of the algorithms
- Document your work in the thesis
Requirements
- Java (or Kotlin) basics and motivation to learn more advanced Java
- Interested in writing performant multi-threaded algorithm implementations
Interested? Write a mail to leo.strobel@uni-wuerzburg.de
Motivation
In activity-based transportation models, traffic is derived from the activities of individuals. Therefore, such models need to build probability distributions of each individual's daily activity schedules. This is relatively easy when individuals plan their daily schedules independently. However, in reality, individuals coordinate through social networks; for example, a family might plan a trip together. Another example is a friend group that plans for an evening meet-up; in that case, their schedules share a common characteristic -- evening meet-up -- but are independent the rest of the day.
The task of this thesis is to develop a stochastic simulation model of the activity schedules of a city's population, accounting specifically for social networks that interlink individuals. The joint probability distribution of the population should match data from household travel surveys while being internally consistent.
Goals
- Research relevant literature and possible data sources
- Create a simulation for activity chains that incorporates social networks
- Evaluate the model by comparing its probability distribution to the data
- Document your work in the thesis
Requirements
- Confident usage of any programming language
- Basic knowledge of probability and statistics
- Interest in stochastic modeling
Interested? Write a mail to leo.strobel@uni-wuerzburg.de
Motivation
Die realitätsnahe Abbildung individuellen Verhaltens stellt eine der größten Herausforderungen bei der Simulation von Mobilität und Energieverbrauch dar. Unser Lehrstuhl entwickelt mit dem agentenbasierten Simulationsmodell OMOD eine detaillierte Abbildung des Mobilitätsverhaltens in Städten und Regionen. Die Simulation basiert dabei auf öffentlich verfügbaren Mobilitätsbefragungen, mit dem Ziel, realistische Mobilitätsmuster und Verkehrsflüsse abzubilden. Ein inhaltlich verwandter und hochinteressanter Datensatz ist die Zeitverwendungserhebung (Time Use Survey, ZVE) des Statistischen Bundesamts. In dieser Erhebung dokumentieren Haushaltsmitglieder ihre täglichen Aktivitäten in 10-Minuten-Schritten über drei Tage, wodurch ein umfassendes Bild individueller Tagesabläufe entsteht – inklusive Schlaf, Arbeit, Freizeit, Haushaltsaktivitäten und Mobilität.
Ziel dieser Masterarbeit ist die Entwicklung eines Simulationsmodells zur Alltagsstruktur von Personen, das auf Basis der Zeitverwendungsdaten realistische Agentenaktivitäten über den gesamten Tagesverlauf abbildet. Dieses Modell soll das bestehende OMOD-Mobilitätsmodell ergänzen und validieren. Durch die Kombination beider Modelle wird es möglich, ganzheitliche Aktivitätsprofile zu erstellen. Dieses Modell soll im EU-geförderten Smart and Sustainable Work Culture Projekt zur Abschätzung des Einfluss von Home und Shared Office auf den städtischen Energieverbrauch genutzt werden.
Ziele der Arbeit
- Analyse und automatische Verarbeitung des Datensatzes der Zeitverwendungserhebung
- Abstraktion benötigter Wahrscheinlichkeitsverteilung zum Sampling von Aktivitätsketten und Entwicklung eines Simulationsmodells zur automatischen Erstellung der Aktivitätsketten
- Validierung und Abgleich des Modells mit OMOD
Voraussetzungen
- Studium der Informatik oder eines verwandten Faches
- Interesse an der Gestaltung zukünftiger Energiesysteme sowie deren Modellierung, Simulation und Optimierung
- Selbstständige und eigenverantwortliche Arbeitsweise
- Sicherer Umgang mit Python
Interesse an der Arbeit? Einfach eine E-Mail an jonas.schiller@uni-wuerzburg.de schreiben
