Dr. Abolfazl Karimpur, Assistenzprofessor für Verkehrstechnik am SUNY Polytechnic Institute, hat ein innovatives Framework entwickelt, um die Länge und Dauer von Verzögerungen durch Staus und Unfälle abzuschätzen, ohne auf physische Straßensensoren angewiesen zu sein. Dr. Karimpur ist Hauptautor eines neuen Artikels, der in Case Studies in Transportation Policy veröffentlicht wurde.

Durch die Integration von Echtzeit-Fahrzeuggeschwindigkeits- und Standortdaten aus einer Vielzahl von Crowdsourcing-Quellen ermöglicht dieser Ansatz eine kontinuierliche landesweite Überwachung von Unfallfolgen zu einem Bruchteil der Kosten herkömmlicher Methoden. Diese Forschung bietet Verkehrsbehörden ein leistungsstarkes Tool, um Vorfälle schneller zu erkennen und darauf zu reagieren, Verkehrsstaus besser zu bewältigen und die Sicherheit der Fahrer auf der Straße zu verbessern.

Diese neueste Veröffentlichung wurde gemeinsam mit Anthony Alteri, einem Absolventen des SUNY Polytechnic, Adrian Cottam vom Auburn University Transportation Institute und Ellwood Hanrahan II vom New York State Department of Transportation (NYSDOT) verfasst.

Das Projekt wurde vom Transportation Artificial Intelligence Research Lab (TRAIL) am SUNY Polytechnic Institute durchgeführt, dessen Leiter Dr. Karimpour ist. Das Projekt profitierte maßgeblich von der Zusammenarbeit mit dem New York State Department of Transportation, das wichtige Verkehrsdaten lieferte, an Brainstorming-Sitzungen teilnahm und wichtige Erkenntnisse lieferte, die die Forschungsrichtung und -ergebnisse mitprägten.

Weitere Informationen: Abolfazl Karimpour et al., „Automatisierung der landesweiten Schätzung von durch Unfälle verursachten Verzögerungen und Warteschlangen mithilfe von Crowdsourced-Daten“, Fallstudien zur Verkehrspolitik (2025).