Open Access

Urban mobility systems are under increasing pressure to provide efficient, dependable, and sustainable public transport services. Traditional traffic signal systems often lack the responsiveness to dynamically prioritize public transport vehicles, resulting in delays and a reduced service quality. Cooperative Intelligent Transport Systems (CITS), which is developed initially for automotive industry can have extended application in public transport section. C-ITS offer a promising solution by enabling real-time communication between vehicles and infrastructure (V2X). This allows for adaptive traffic signal control strategies that can prioritize public transport based on actual traffic conditions. The city of Halberstadt is currently implementing a pilot project (Harzbewegt) to modernize its traffic signal infrastructure with CITS capabilities. This includes the integration of V2X communication equipment to support public transport prioritization. The thesis is intended to provide insights into this pilot project by focusing on the design and evaluation of C-ITS based strategies for public transport priority at selected intersections. Signalised Junction configuration and traffic control algorithms are designed to replicate complex, real-life traffic management tasks. The control algorithm mainly focuses on interpretation C-ITS message types – specifically CAM and MAPEM messages. These configuration designs are then critically simulated and evaluated under multiple microscopic traffic scenarios. The insights and recommendations derived from this work may serve as instruments for ever growing field of Cooperative intelligence in the future ready mobility systems.

Die Energiewende und der beschleunigte Ausbau von Wärmepumpen, Photovoltaikanlagen und Ladeinfrastruktur verändern die Lastverläufe in den Niederspannungsnetzen grundlegend. Klassische Planungsansätze mit statischen Gleichzeitigkeitsfaktoren und konservativen Worst-Case-Annahmen stoßen zunehmend an Grenzen und können zu überdimensionierten oder verspäteten Netzausbaumaßnahmen führen. Auf Basis von Mess-, Netzstamm- und Wetterdaten aus dem Projekt „JenErgieReal“ wird in dieser Arbeit eine datengetriebene Methodik zur strukturellen Typisierung und Verhaltensanalyse von Niederspannungsnetzsträngen in Jena entwickelt. Hochaufgelöste Messwerte an Transformatorstationen werden mit Netzstammdaten verknüpft, um Stränge hinsichtlich Topologie, Kundenspektrum und technologischer Ausstattung zu beschreiben und in Strang-typen zu klassifizieren. Für diese Strangtypen werden standardisierte Last- und Einspeiseprofile zu synthetischen Energieverläufen skaliert und mit gemessenen Verläufen verglichen. Aus den Abweichungen werden Toleranzbänder und Bewertungskennzahlen abgeleitet, die Aussagen zur Datenqualität, zur Plausibilität der Netzdaten und zum typischen Strangverhalten ermöglichen. Szenarioanalysen zeigen, wie unterschiedliche Ausbaupfade von Wärmepumpen, Photovoltaik und Elektromobilität die Netzbelastung beeinflussen.