Kooperative und optimierte Lichtsignalsteuerung in städtischen Netzen

Transkript

1 6. VIMOS-Tagung, 15. Dezember 2010 KOLINE Kooperative und optimierte Lichtsignalsteuerung in städtischen Netzen Dipl.-Ing. Ralf Kutzner

2 Gliederung Projektdaten und partner Herausforderungen und Lösungsansätze Das KOLINE-System Das KOLINE-Fahrzeug Die KOLINE-LSA Die KOLINE-Zentrale

3 Projektdaten Laufzeit Juni 2009 Mai 2012 Budget ca. 2 Mio. Förderung ca. 1,5 Mio. Förderer

4 Projektpartner Deutsches Zentrum für Luft- und Raumfahrt e. V. Institut für Verkehrssystemtechnik Institut für Automation und Kommunikation e. V. Magdeburg Technische Universität Braunschweig Institut für Regelungstechnik Technische Universität Braunschweig Institut für Verkehr und Stadtbauwesen TRANSVER GmbH Volkswagen AG 4

5 Herausforderungen im Stadtverkehr Problem der mangelnden Effizienz => lange Wartezeiten, viele Halte, hoher Kraftstoffverbrauch Quelle: ADAC-Motorwelt,

6 Herausforderungen im Stadtverkehr Problem der mangelnden Effizienz => hohe Immissionsbelastungen NO2, PM10 Quelle: LfU Baden-Würtemberg

7 Herausforderungen im Stadtverkehr Problem der mangelnden Verlässlichkeit => Niedriger Komfort 0:08:00 Gemessene Reisezeiten (ANPR) Hildesheimer Straße, Hannover 0:07:00 : s) Reise e zeiten (h:m in: 0:06:00 0:05:00 0:04:00 0:03:00 0:02:00 0:01:00 7:45:00 8:00:00 8:15:00 8:30:00 8:45:00 Uhrzeit

8 Lösungsansatz: LSA-Koordinierung Wirkungen der LSA-Koordinierung Quelle: ADAC-Test Partikel-Emissionen, ADAC e.v. Juni

9 Lösungsansatz: LSA-Koordinierung Potenziale adaptiver Verfahren zur LSA-Koordinierung Betrachtungsdauer : 1 h Hauptverkehrszeit Kriterien Ist- Zustand VA CeTRANS HBS Festzeit Ø Reisezeit [s/km] Ø Verlustzeit [s/km] Ø Wartezeit [s/km] Ø Geschwindigkeit [km/h] 17,87 22,46-20 Ø Anzahl der Halte [#/Fz km] 2,537 1, Ø Dichte [Fz/km] 9,025 7, Ø Reisezeit Hildesheimer [s] Gesamtreisezeit [s] CO [kg] 180,4 174,2-3 HC [kg] 6,12 4,85-21 NOx [kg] 0,89 0,65-27 Kraftstoffverbrauch [l] 450,1 347,9-23 CO 2 [kg] %

10 Lösungsansatz: Komfortsteigerung Vergangenheit Zukunft Wann geht es weiter??? t[s]

11 Lösungsansatz: Smooth Driving Vergangenheit Zukunft t[s] Optimale Geschwindigkeit? Unbekannt Bekannt!

12 Lösungsansatz: Pulkbildung Vergangenheit Zukunft t[s]

13 Lösungsansatz: Kooperativer Stadtverkehr Kooperationsmodell für den Stadtverkehr kooperatives KOLINE-System Adaptive strategische Anpassung der LSA-Steuerung Daten der LSA für Annäherungsstrategie mit optimierter Längsregelung g g Fahrzeugdaten als virtueller Detektor Fahrzeuge reagieren taktisch mittels Annäherungsstrategie Erhöhung von Leistungsfähigkeit im Stadtverkehr Verringerung von Fahrzeughalten, h Kraftstoffverbrauch, t ff Emissionen i

14 Systemarchitektur Til Teilsystem Til Teilsystem Til Teilsystem KOLINE-Fahrzeug KOLINE-LSA KOLINE-Zentrale Verkehrsassistenzsystem KOLINE-RSU Modellbasierte LSA-Optimierung Detektor Detektor Legende: Schaltgerät Komponente Dateninhalte Zugehörigkeit zu... LSA Verkehrsnachfrage Fahrzeugdatenbasierte Rückstauschätzung TRANSQest (Rückstauschätzung mittels Detektordaten) Fahrzeug Kommunikation TRANSFusion (Fusionierung der Rückstauschätzung) extern

15 Assistenzfunktion für kooperatives Fahren Teilsystem KOLNE-Fahrzeug Daten der LSA für Annäherungsstrategie mit optimierter Längsregelung Optimierte Längs- und Querregelung Fahrzeugdaten als virtueller Detektor

16 Rückstauschätzung Teilsystem KOLNE-LSA Virtuelle Detektoren Fahrzeugdatenbasierte Rückstauschätzung Aktualisierung Halteliniennahe Detektoren Rückstauschätzung je Umlauf Basis Fusionierte Rückstauschätzung

17 Optimierung der Lichtsignalsteuerung Teilsystem KOLNE-Zentrale Übersicht und Ausrichtung Aufgabenstellung Optimierung der Lichtsignalsteuerung im gegebenen Netz Randbedingung Vorhersagbarkeit der Schaltzeitpunkte muss gegeben sein Lösungsansatz Dynamische Anpassung von Festzeitsignalprogrammen mittels CTM und genetischem Algorithmus

18 Optimierung der Lichtsignalsteuerung Vorgehensweise Detektorwerte Signalpläne 15 min 15 min 15 min Messung Optimierung Prognose Nachfrageschätzung Umsetzung 15 min Optimierungsgrößen Versatzzeit und Progressionsgeschwindigkeit g g zwischen den LSA des Netzes Datengrundlage Messwerte der im Netz vorhandenen Detektoren

19 Optimierung der Lichtsignalsteuerung Prognose der Detektorwerte für Optimierungsintervall Lösungsansatz: Mustererkennung Zusammenstellung eines Datensatzes t von Detektorwerten (die letzten vier Messintervalle aller Detektoren) Finden des ähnlichsten Musters in Datenbank mit historischen Werten Bestimmung der Prognosewerte durch Analogie zu historischem Datensatz

20 Optimierung der Lichtsignalsteuerung Nachfrageschätzung Lösungsansatz: Informationsminimierung Matrix-Schätzung: Kanten mit bekanntem Verkehrsfluss gehen als Randbedingungen di ein Verbesserung durch Ableitung von direkten Abhängigkeiten

21 Optimierung der Lichtsignalsteuerung Optimierung mittels CTM und genetischem Algorithmus Genetischer Algorithmus Analogie zur Evolutionstheorie Survival of the Fittest Prinzip Auswahl der fittesten/besten Lösungen aus einer Lösungsmenge Erzeugung einer neuen Lösungsmenge durch Rekombination und Mutation dieser Lösungen Bestimmung der besten Lösungen durch Gütefunktion CTM (Cell Transmission Model)

22 Optimierung der Lichtsignalsteuerung Weiterentwicklung des CTM Zweck Bestimmung der Güte der berechneten Signalprogramme NEU Implementierung von variablen Progressionsgeschwindigkeiten Bestimmung der Anzahl der Halte mittels CTM

23 Nachweis der Funktion, Leistung und Wirkung Virtuelles Testfeld Technisches es Prüffeld Demonstrationsfeld

24 Vielen Dank für Ihre Aufmerksamkeit!