Optimierung von modellierten Warteprozessen im Rahmen adaptiver Netzsteuerungen durch C2I-Daten
|
|
- Laura Gerstle
- vor 5 Jahren
- Abrufe
Transkript
1 - 1 - Optimierung von modellierten Warteprozessen im Rahmen adaptiver Netzsteuerungen durch C2I-Daten Christian Priemer Institut für Verkehrswirtschaft, Straßenwesen und Städtebau der Leibniz Universität Hannover, Appelstraße 9 a, D Hannover, Tel , Fax , priemer@ivh.uni-hannover.de Prof. Dr. Bernhard Friedrich Institut für Verkehr und Stadtbauwesen der Technischen Universität Braunschweig, Pockelsstraße 3, D Braunschweig, Tel , Fax , E- Mail: friedrich@tu-braunschweig.de Kurzfassung Der Artikel stellt eine Methode vor, wie die in der Zukunft verfügbaren C2I-Daten zur Abschätzung von Rückstaulängen in städtischen Straßennetzen sinnvoll genutzt werden können. Dabei liegt der Fokus der Arbeit darin aufzuzeigen, welcher positive Nutzen selbst bei einer geringen Penetrationsrate an kommunikationsfähigen Fahrzeugen für den Verkehrsablauf an Lichtsignalanlagen erzielt werden kann. Die Kenngröße Rückstaulänge ist dabei ein wesentliches Kriterium zur Optimierung von adaptiven Netzsteuerungsverfahren. Zum anderen könnten den Verkehrsteilnehmern auf Basis von gesicherten aktuellen Rückstaulängen in Zukunft auch Informationen über die optimale Geschwindigkeit zum haltfreien Passieren der Lichtsignalanlage im Fahrzeug bereitgestellt werden. Die vorgestellte Methode verknüpft Daten aus der Steuerungslogik, vorhandenen stationären Detektoren sowie C2I-Daten. Die Untersuchungen werden mit Hilfe des mikroskopischen Simulationstools AIMSUN NG durchgeführt. 1 Motivation Das hohe Verkehrsvolumen im MIV in nationalen und internationalen Metropolen führt zu Überlastungen der städtischen Straßenverkehrsnetze. Damit verbunden sind neben den negativen Auswirkungen für den einzelnen Verkehrsteilnehmer in Form von Erhöhungen der Reisezeit und des Kraftstoffverbrauchs auch Schäden für die Umwelt. Ein intelligentes städtisches Verkehrsmanagement wird daher eine zentrale Aufgabenstellung für Verkehrsplaner in der Gegenwart und insbesondere in der Zukunft sein. Wesentlich beeinflusst wird dabei die Qualität des Verkehrsablaufs in städtischen Straßennetzen von der Güte der Lichtsignalsteuerungen. Eine netzweite Optimierung des Verkehrsflusses innerhalb signalisierter Knotenpunkte ist daher eine Schlüsselgröße, um die angesprochenen negativen Auswirkungen zu minimieren. Die Qualität des Verkehrsablaufs innerhalb lichtsignalisierter Knotenpunkte wird dabei sowohl von der Güte der Lichtsignalsteuerung als auch von dem individuellen Fahrverhalten der Verkehrsteilnehmer in der Zufahrt bestimmt. So können Informationen über verbleibende Restrot- oder Restgrünzeiten dem Verkehrsteilnehmer in der Zufahrt helfen, sich
2 - 2 - vorausschauend mit einer angepassten Geschwindigkeit der Lichtsignalanlage zu nähern. In einer fortgeschrittenen Applikation könnten individuelle, optimale Geschwindigkeiten zum Passieren des Knotenpunktes ohne Halt dem Fahrer von der Lichtsignalanlage übermittelt werden. Derzeit werden im Zuge nationaler und internationaler Forschungsprojekte in Zusammenarbeit mit der Industrie Demonstratoren entwickelt, die eine Kommunikation zwischen Fahrzeugen (C2C-communication) und zwischen Fahrzeugen und der Infrastruktur (C2I- bzw. I2C-communication) realisieren. Die Autoren dieses Artikels sind dabei Partner im BMWI-Projekt AKTIV - AS (Teilprojekt Kooperative Lichtsignalanlage) 1. Vorraussetzung für eine individuelle Assistenz in der Zufahrt von Lichtsignalanlagen ist die genaue Kenntnis der Verkehrslage. Nur unter Berücksichtigung der aktuellen Rückstaulängen in den Zufahrten sind sowohl individuelle Geschwindigkeitsempfehlungen als auch eine Optimierung der Steuerungsstrategien möglich. Der Artikel stellt unter Berücksichtigung bereits erprobter Methoden (z.b. MÜCK 2002, [1] ) ein Verfahren zur Rückstauschätzung vor. Der entwickelte Ansatz berücksichtigt dabei Daten vorhandener stationärer Detektoren, Daten der Lichtsignalsteuerung und das in Zukunft nutzbare Datenpotential der C2I-Technologie. Eine Markteinführung für die Technologie ist derzeitig nicht absehbar. Vor diesem Hintergrund versucht der Artikel den positiven Nutzen zukünftiger Kommunikationsdaten bei einer geringen Penetrationsrate an kommunikationsfähigen Fahrzeugen im Rahmen einer mikroskopischen Simulationsstudie aufzuzeigen. 2 Staubildung und Stauauflösung Der Warteprozess und damit verbunden die Länge von Rückstaus in den Zufahrten von Lichtsignalanlagen wird vom Ankunftsprozess der Fahrzeuge sowie vom Serviceprozess der Lichtsignalsteuerung bestimmt, d.h. insbesondere von der Länge der Freigabe- und Sperrzeiten sowie - im Falle einer Koordinierung im Linienzug oder im Netz - der Versatzzeiten und der Progressionsgeschwindigkeit. Für die Optimierung von Lichtsignalsteuerungen in städtischen Straßennetzen wurden in den vergangenen Jahrzehnten verschiedene adaptive Netzsteuerungsverfahren entwickelt und in realen Straßennetzen erfolgreich eingesetzt. Basierend auf einer modellhaften Abschätzung der gegenwärtigen und zukünftigen Verkehrslage im Netz, generieren diese Methoden optimale, individuelle Rahmensignalpläne für lokale Steuerungen unter Berücksichtigung von definierten Netzströmen. Ein wesentliches Optimierungskriterium innerhalb dieser Methoden sind Rückstaulängen (FRIEDRICH 2000, [2]). Analog zu einer Festzeitsteuerung sind die Freigabe- und Sperrzeiten bei adaptiven Netzsteuerungen innerhalb eines (vor-)definierten Zeitraums fest. In diesem Fall sind die räumlichen Ausprägungen von Rückstaus maßgeblich von der Ankunftsrate und ihrer Wahrscheinlichkeitsverteilung abhängig. Greenshields fand 1947 in seiner Arbeit heraus, dass der Ankunftsprozess im nicht gesättigten Zustand der Poissonverteilung folgt (GREENSHIELDS et al. 1947, [3]) entwickelte DAWSON [4] ein Verfahren zur Beschreibung gestörter Verkehrsabläufe, welches verschiedene Zeitlückenverteilungen überlagert und transformiert. Einen wesentlichen Beitrag zur Beschreibung des 1
3 - 3 - Warteprozesses an Lichtsignalanlagen sowohl unter gesättigten als auch nicht-gesättigten Bedingungen entwickelten KIMBER und HOLLIS (1978, [5]). Mit Hilfe von Koordinatentransformationen konnten sie den angenommenen deterministischen Warteprozess im ungesättigten Zustand mit dem angenommenen stochastischen Warteprozess im übersättigten Zustand verknüpfen. Sowohl für die Staubildung als auch für die Stauauflösung ist der Serviceprozess ein wichtiger Parameter. Neben der Länge der Freigabezeiten sind dabei fahrzeug- und fahrerspezifische Parameter wichtige Faktoren. So beeinflussen sowohl die Zusammensetzung der Fahrzeugtypen und deren Beschleunigungsvermögen als auch die Verteilung der Reaktionszeiten der Fahrer den Serviceprozess (siehe GREENSHIELDS et. al. 1947, [3]). Eine zuverlässige Abschätzung der Rückstaulängen ist somit eng verknüpft mit einer zuverlässigen Abschätzung der Ankunftsrate. Im Folgenden wird eine Schätzmethode vorgestellt, die sowohl bereits verfügbare Daten der Lichtsignalsteuerung und stationärer Detektoren in der Zufahrt als auch in der Zukunft verfügbare C2I-Daten nutzt. 3 Methode zur Abschätzung von Rückstaulängen mit C2I - Daten 3.1 Funktionalität der C2I Technologie in städtischen Straßennetzen Fahrzeuge, die mit einem Kommunikationstool ausgestattet sind, werden im Folgenden als Ccars bezeichnet. Ccars operieren in städtischen Straßennetzen als virtuelle Detektoren, die Daten mit weiteren kommunikationsfähigen Fahrzeugen oder mit der Infrastruktur (z.b. Lichtsignalanlagen) via WLAN-Technologie (802.11p) austauschen können. Im Empfangsbereich von kommunikationsfähigen Lichtsignalanlagen, der bis zu 300 m betragen kann, senden Ccars ihre aktuelle Position und Geschwindigkeit an die Lichtsignalanlage (siehe Bild 1). Basierend auf den Daten dieser virtuellen Detektoren in Kombination mit Daten stationärer Detektoren sowie Daten aus der Lichtsignalsteuerung sind verschiedene Applikationen vorstellbar, die den Verkehrsablauf an Lichtsignalanlagen in Zukunft verbessern sollen. So können zunächst Daten virtueller Detektoren ergänzend zu Daten bestehender stationärer Detektoren in die Steuerungslogik einfließen. Bild 1: Kommunikation Ccar kommunikationsfähige Lichtsignalanlage In weiteren Applikationen können Daten aus der Lichtsignalsteuerung, z.b. über verbleibende Restrot- bzw. Restgrünzeiten, dem Fahrer als Informationen bereitgestellt werden, die ein intelligentes Fahren innerhalb der Zufahrten ermöglichen sollen. Basierend auf einer stabilen Verkehrslageschätzung wäre es zudem möglich, dem Fahrer direkt die individuell günstigste Geschwindigkeit zum haltfreien Passieren des Knotenpunktes bereitzustellen.
4 Die Simulationsumgebung Die Markteinführung der C2I-Technologie für Fahrzeug und Infrastruktur ist momentan nicht konkretisierbar. Eine Reihe nationaler und internationaler Forschungsprojekte sowie das Car-to-Car-Communication Konsortium befassen sich derzeit mit den technischen und administrativen Rahmenbedingungen für eine solche Markteinführung. Um zu untersuchen, inwiefern die neue Technologie und das damit verbundene Datenpotential den Verkehrsfluss in den städtischen Straßennetzen der Zukunft verbessern kann, nutzt die vorliegende Forschungsarbeit ein mikroskopisches Simulationsmodell. Auf diese Weise kann der Einfluss von geringen Penetrationsraten an Ccars bei Markteinführung und höheren Penetrationsraten in der ferneren Zukunft auf die Güte der Rückstauschätzung berücksichtigt werden. Im Einzelnen werden folgende Prozesse simulativ abgebildet: Mikroskopische Verkehrsfluss, Lichtsignalsteuerung und die C2I-Kommunikation. Für die Modellierung des Verkehrsflusses wird das mikroskopische Simulationstool AIMSUN NG (ANG) verwendet. Dabei werden bereits erwähnte Parameter wie das Reaktionsvermögen der Fahrer und das Beschleunigungsvermögen der Fahrzeuge entsprechend aktueller Studien modifiziert (siehe RICHTER 2005, [6]; DERICHS 1998, [7] ). Innerhalb von ANG können verschiedene Steuerungsstrategien wie z.b. die Festzeitsteuerung standardmäßig modelliert werden. Das im Folgenden vorgestellte Schätzverfahren fordert als Randbedingung feste Freigabe- und Sperrzeiten über einen definierten Zeithorizont. So kann das Verfahren prinzipiell im Rahmen von Festzeit- und adaptiven Netzsteuerungen angewendet werden. Der in diesem Artikel präsentierte Arbeitsstand basiert auf Untersuchungen an festzeitgesteuerten Knotenpunkten. Für die Modellierung der C2I-Kommunikation zwischen Ccars und Lichtsignalanlage wird das ANG API Modul genutzt. Über definierte Schnittstellen erfolgt der Austausch von Informationen zwischen Verkehrsflusssimulator und API Modul. So können aktuelle Daten der stationären Detektoren, der Lichtsignalsteuerung sowie Positions- und Geschwindigkeitsdaten der Ccars empfangen werden. Innerhalb des API Moduls wurde zudem die Methode zur Rückstauschätzung implementiert. In einem weiteren noch nicht umgesetzten Schritt können externe Anwendungen wie z.b. das adaptive Netzsteuerungsverfahren BALANCE (FRIEDRICH 1994, [8]) in die Simulationsumgebung integriert werden. Bild 2: Schema AIMSUN API Modul (siehe TSS 2007, [9])
5 Matching Methode Sowohl für die C2C- als auch für die C2I-Kommunikation ist es wesentlich, die Position der Kommunikationspartner möglichst exakt zu lokalisieren. Für die genannten Applikationen Bereitstellung von individuellen Restzeiten und Geschwindigkeitsempfehlungen zum haltfreien Passieren ist es zwingend notwendig, die Ccars den einzelnen Fahrstreifen in der Zufahrt zuzuordnen und deren aktuelle Distanz zur Haltlinie zu bestimmen. Vor diesem Hintergrund wird bei der im Folgenden vorgestellten Matching Methode vereinfacht eine 100 % Genauigkeit der kommunizierten Ccar - Positionsdaten angenommen. Für die Zuordnung der Ccars zu den einzelnen Fahrstreifen und zur Distanzbestimmung zwischen Ccar und Haltlinie werden definierte Fahrstreifenfunktionen f d (x) verwendet. Für jeden Fahrstreifen der Zufahrt wird eine Funktion f d (x) definiert, die den Linienverlauf zwischen dem Beginn der angenommenen Kommunikationsreichweite von 200 m und der Haltlinie beschreibt. Die Verwendung einer Funktion anstelle eines Positionsgitters ermöglicht es, eine einfache und schnelle Bestimmung der Distanz zu festen Punkten wie z.b. stationären Detektoren oder der Haltelinie auch bei nicht-linearen Linienverläufen zu bestimmen. Die Nachteile liegen im Aufwand der im Vorhinein zu bestimmenden, nicht linearen Funktionsgleichung. Bild 3: Distanzfunktion f d (x) Bild 3 veranschaulicht die beschriebene Situation. Ein Ccar nähert sich einer kommunikationsfähigen Lichtsignalanlage. Innerhalb der Kommunikationsreichweite von 200 m sendet es seine aktuelle Position (globale x-/y-koordinaten) sowie seine aktuelle Geschwindigkeit an die Lichtsignalanlage. Wenn sich das Ccar auf dem betrachteten Fahrstreifen befindet, muss gelten: x1 xccar x3 (1) und x 1 : x 3 : x Ccar : x-koordinate am Beginn der Kommunikationsreichweite x-koordinate der Haltlinie aktuelle x-koordinate des Ccar f d(x Ccar ) a yccar f d(x Ccar ) (2) f d (x Ccar ): Fahrstreifenfunktion a: Fahrstreifenbreite y Ccar : aktuelle y-koordinate des Ccar.
6 - 6 - Zur Bestimmung der momentanen Distanz zwischen Ccar und Haltlinie oder sonstigen Festpunkten muss Gleichung (3) erfüllt sein: x= x 3 ' d 2 (3) x= xccar d = 1+ f (x) dx d: aktuelle Distanz zwischen Ccar und Haltlinie x 3 : x Ccar : x-koordinate der Haltelinienposition aktuelle x-koordinate des Ccar f d (x Ccar ): 1. Ableitung der Fahrstreifenfunktion. 3.4 Schätzverfahren Die Gesamtlänge eines Rückstaus L in der Zufahrt einer Lichtsignalanlage wird im Rahmen des im Folgenden vorgestellten Schätzverfahrens hinsichtlich einer gesicherten Länge L 1 und einer zu schätzenden Länge L 2 differenziert. Gesicherte Aussagen über eine Teillänge des Rückstaus lassen sich anhand von Detektorbelegungen treffen. So wird im Falle einer Dauerbelegung eines stationären Detektors die Distanz zwischen stationärem (dauerbelegten) Detektor und Haltelinie als L 1 angesehen (siehe MÜCK, [1]). Befindet sich ein Ccar innerhalb der Warteschlange fungiert dieses als virtueller Detektor und die Distanz zwischen Ccar und Haltlinie entspricht L 1 (siehe Bild 4). Bild 4: Teillängen L 1 und L 2 des Rückstaus Die Gesamtlänge L des Rückstaus ergibt sich gemäß Gleichung (4) zu: L= L1+ L2 (4) L: Gesamtlänge des Rückstaus L 1 : L 2 : Distanz zwischen Ccar und Haltlinie Distanz zwischen Warteschlangenende und Ccar Für die Abschätzung von L 2 wird das in der Ökonomie begründete Gesetz nach Little (1961, [10]) verwendet, welches besagt, dass die mittlere Anzahl von Kunden N in einem stabilen System (über einen definierten Zeitraum) dem Produkt aus der mittleren Ankunftsrate λ und der mittleren Wartezeit T im System entspricht. N = λ T (5)
7 - 7 - Bezogen auf den Verkehrsablauf innerhalb signalisierter Knotenpunkte entsprechen im Rahmen des Schätzverfahrens die Kunden N den Fahrzeugen innerhalb von L 2, die an einer Servicestelle, der Lichtsignalanlage, mit einer Grünzeit bedient werden wollen. Für den Ankunftsprozess werden dabei im Simulationsmodell Markov-Eigenschaften angenommen. Damit gilt für L 2 : E[L ] = λ E[w ] (6) E[L 2 ]: λ 2 : E[w 2 ]: Erwartungswert für L2 Ankunftsrate der Fahrzeuge innerhalb von L2 Erwartungswert der mittleren Wartezeit Die Ankunftsrate λ 2 ist definiert als das Verhältnis an Fahrzeugen in L 2 pro Zeiteinheit; hier die Anzahl der Fahrzeuge zwischen Warteschlangenende und Ccar bezogen auf das Zeitintervall zwischen Ankunft Ccar in der Warteschlange und Anfahren der Fahrzeuge in L 2 nach Freigabezeitbeginn. Die Bestimmung von λ 2 ist nur möglich bei einer Penetrationsrate von 100 %. Daher wird λ 2 mit Hilfe der (Hilfs-) Ankunftrate λ 2 abgeschätzt, welche sich auf die Teillänge zwischen Ccar und dem stromabwärts benachbarten, stationären Detektor bezieht. Bild 5: Ankunftsrate λ 2 und λ 2 d v l n ' v v o E[ ] E[ ] det, det, λ 2 = λ 2 = c = c (7) Δt Δt det, v det, o det, v det, o E[λ 2 ]: Erwartungswert für λ 2 E[λ 2 ]: Erwartungswert für λ 2 d v : Distanz zwischen Ccar und nächstgelegenem stationärem Detektor l v : durchschnittliche Fahrzeuglänge (inkl. räumlicher Abstand) n: Fahrzeuge zwischen Ccar und nächstgelegenem stationärem Detektor
8 - 8 - Δt: Zeitintervall zwischen Dauerbelegung stationärer Detektor (det,o) und Ankunft Ccar (det,v) c: Korrekturfaktor Der Korrekturfaktor c korrigiert eine Überschätzung der Ankunftsrate bei gesättigtem Verkehrsfluss. Hier können Rückstaus, die sich während einer Sperrzeit gebildet haben, nicht innerhalb der folgenden Freigabezeit abgebaut werden. Das schnelle Vorrücken der verbleibenden Fahrzeuge innerhalb der Warteschlange führt dann zu einer Überschätzung von λ 2 und damit zu einer Überschätzung von L 2. Für den Korrekturfaktor c werden zum derzeitigen Bearbeitungsstand folgende Werte angenommen. ' ' 1, falls 0 λ2 0,5 c( λ2 ) = '3 ' ' ' 2,12λ2 + 7,31 λ2² 8,44λ2 + 3,67, falls λ2 > 0,5 1 0,9 0,8 Korrekturfaktor c [-] 0,7 0,6 0,5 0,4 0,3 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 Ankunftsrate [Fz/s] Bild 6: Korrekturfaktor c(λ 2 ) Der in Bild 6 dargestellte Funktionszusammenhang wird in der zukünftigen Forschungsarbeit verifiziert. Der Erwartungswert der Wartezeit E[w 2 ] ist abhängig davon, wie lang die verbleibende Sperrzeit ist und wie schnell die Fahrzeugführer nach Beginn der Freigabezeit anfahren bzw. anfahren können, nachdem sich der Rückstau vor Ihnen aufgelöst hat. Folglich setzt sich die Wartezeit aus der verbleibenden Restrotzeit t r und der so genannten blocking-time t b zusammen, welche die Zeit zwischen dem Beginn der Freigabezeit und des tatsächlichen Anfahrens beschreibt (siehe Gleichung (8)).
9 - 9 - E[w 2] = tr + tb (8) E[w 2 ]: Erwartungswert der mittleren Wartezeit in L 2 t r : t b : Restrotzeit blocking-time aktuelle Geschwindigkeit [km/h] t r t b Signalzeiten Distanz zur Haltelinie [m] Haltelinie Simulationszeit [s] d_virtueller Detektor [m] v_virtueller Detektor [km/h] Bild 7: Blocking-time t b Die blocking-time t b ist damit abhängig vom Reaktionsvermögen der Fahrer und dem Beschleunigungsvermögen der Fahrzeuge. Beide Parameter beeinflussen das Zeitfenster der Rückstauauflösung. Vor diesem Hintergrund wurden aktuelle Studien zum Reaktionsund Beschleunigungsvermögen (siehe DERICHS (1998), [7] und RICHTER (2005), [6]) im verwendeten Modell in Form von Wahrscheinlichkeitsverteilungen integriert. Basierend hierauf konnten in Abhängigkeit der Fahrzeugzusammensetzung fahrstreifenfeine Funktionen von t b im Modell generiert werden, die den Zusammenhang zwischen der Fahrzeugposition innerhalb der Warteschlange und der verstrichenen Zeit zwischen Freigabezeitbeginn und tatsächlichem Anfahren darstellen. Bild 8 zeigt beispielhaft zwei Funktionen f b1 (x) und f b2 (x) von einer zweistreifigen Zufahrt mit separatem Linksabbieger.
10 blocking-time t b [s] Fahrstreifen 2: f b2 (x) = 0,1472x - 0,034 R 2 = 0, Fahrstreifen 1: f b1 (x) = 0,1452x - 0,2946 R 2 = 0, Abstand Fahrzeugheck - Haltlinie [m] Bild 8: Blocking-time Funktionen f b1 (x) und f b2 (x) Gemäß des Gesetzes nach Little (1961, [10]) entspricht der Erwartungswert der Wartezeit E[w 2 ] der mittleren Wartezeit innerhalb von L 2 und damit der Wartezeit des Fahrzeuges, welches in der Mitte von L 2 positioniert ist. Um die benötigte Position dieses Fahrzeuges abzuschätzen, wird Gleichung (6) zweimal angewendet. In einer ersten Abschätzung wird L 2 mit Hilfe der Gleichungen (7) und (8) anhand der Position des Ccar f b (x=x Ccar ) zu L 2 angenähert. Auf Basis von L 2 wird in einem zweiten Schritt die benötigte Fahrzeugposition mit Gleichung (9) abgeschätzt und anschließend die Gleichungen (6) und (8) angewendet, um L 2 zu bestimmen. d = 0,5 E[L ] + L (9) ' 2 1 E[L ] = λ E[w ] (10) ' ' ' d: Distanz zwischen Fahrzeug, welches sich in der Mitte von L2 befindet und Haltelinie E[L 2 ]: Erwartungswert für L 2 λ 2 : Ankunftsrate λ 2 E[w 2 ]: L 1 : Erwartungswert für die Wartezeit des Ccar Distanz zwischen Ccar und Haltelinie Befindet sich mehr als ein Ccar innerhalb der Warteschlange, so ist das letzte Ccar in der Warteschlange für das Schätzverfahren maßgebend.
11 Zwischenergebnisse Die Güte des Schätzverfahrens wird anhand der bereits dargestellten Simulationsumgebung untersucht. Als Untersuchungsgebiet wurde ein Teilbereich des AKTIV - AS 2 - Testnetzes als Modell abgebildet. Das AKTIV AS - Testnetz umfasst die Bundesautobahnen 5 und 67 zwischen Darmstadt und Mannheim sowie die Bundesstraße 47 zwischen Lorsch und Bensheim, die als Umleitungsstrecke fungiert. Die auf dieser Umleitungsstrecke befindlichen zwei Lichtsignalanlagen dienen der Überprüfung des entwickelten Rückstauschätzers. Die im Folgenden dargestellten Ergebnisse stellen den derzeitigen Arbeitsstand der Forschungsarbeit vor. Bild 9: Untersuchungsstrecke Die erforderlichen Verkehrsdaten wurden mit Hilfe des API Moduls aus der laufenden Simulation generiert. So wurden C2I-Daten der Ccars, die sich innerhalb der Kommunikationsreichweite der betrachteten Lichtsignalanlagen befinden, die Daten der existierenden stationären Detektoren (belegt, nicht-belegt) sowie die Daten der Lichtsignalsteuerung (abgebildet als Festzeitsteuerung) je Simulationsschritt von 0.6 Sekunden innerhalb des API Moduls empfangen und verarbeitet. Um die Güte des Schätzverfahrens zu bestimmen, ist zudem die Kenntnis der wahren Rückstaulängen zwingend erforderlich. In diesem Fall entsprechen die wahren Rückstaulängen gleich den in der Simulation gemessenen Rückstaulängen. Aus diesem Grund wurde die Distanz zur Haltlinie aller stehenden Fahrzeuge bestimmt, die sich innerhalb der Kommunikationsreichweite befinden. Bild 10 zeigt ein Beispiel für die Analyse der Simulationsdaten. In diesem Analysebeispiel befinden sich zwei stationäre Detektoren in der Zufahrt. Die Abstände betragen ca. 4 m bzw. 52 m. Die dargestellten periodischen Maxima stellen die wahren Rückstaulängen je Umlaufzeit dar, die in diesem Beispiel ihr Maximum mit ca. 100 m bei Simulationssekunde 3385 erreichen. Als eine Folge von Punkten die vertikal das Diagramm durchlaufen sind die C2I- Positionsdaten, umgerechnet in Distanzwerte, in das Diagramm integriert. Je enger hier die Punktfolge ist, desto langsamer bewegt sich das Ccar innerhalb des betrachteten Fahrstreifens. Befindet es sich in der Warteschlange, verläuft die Punktfolge horizontal bis zu dem Zeitpunkt, an dem es nach Beginn der Freigabezeit und nach Auflösung des 2
12 stromabwärtigen Rückstaus wieder beschleunigen kann. Befindet sich ein Ccar in der Warteschlange fungiert es als virtueller Detektor und die dargestellte Methodik zur Rückstauschätzung beginnt. Zur Veranschaulichung werden zwei Beispiele in Bild 10 betrachtet. In Simulationssekunde 3066 nähert sich ein Ccar der Lichtsignalanlage. Aufgrund der in diesem Moment geschalteten Sperrzeit und dem hieraus folgendem Rückstau verringert es seine Geschwindigkeit und kommt in der Simulationssekunde 3081 ca. 46 m (das Heck des Ccars ca. 51 m) vor der Haltlinie zum Stehen. Auf Basis der Ankunftsrate λ 2 zwischem ersten stationären Detektor und Ccar wird L 2 auf eine Länge von 43 m geschätzt und folglich die Gesamtlänge L auf 94 m. Der Schätzfehler beträgt in diesem Fall 12 m. In einem zweiten Beispiel befindet sich ein Ccar zur Simulationssekunde 3433 in einem Abstand von 68 m zur Haltelinie in der Warteschlange. In diesem Fall befindet sich das Ccar stromaufwärts des zweiten stationären Detektors. Hier wird L 2 anhand der Ankunftsrate λ 2 bezogen auf den Abschnitt zwischen Ccar und zweitem stationärem Detektor auf eine Länge von 37 m geschätzt, welche einer Überschätzung der Staulänge von ca. 25 m entspricht. In diesen Beispielen zeigt sich bereits, dass das dargestellte Verfahren tendenziell eine Überschätzung der Rückstaulänge liefert Rückstaulänge [m] Detektor Detektor Simulationszeit [s] Rückstau_real Position Ccar in Warteschlange Rückstaulänge_geschätzt L Distanz Ccar zu Haltelinie Bild 10: Datenanalyse (graphische Darstellung) Die Güte der Rückstauschätzung hängt maßgeblich von der Schätzung der Ankunftsrate λ 2 ab. Bild 11 zeigt den Zusammenhang zwischen dem Schätzfehler der Ankunftsrate Δλ 2 und der entsprechenden Rückstaulänge ΔL. Unter der Annahme einer Toleranzgrenze von ΔL = +/- 20 m zeigt Bild 11, dass ein Schätzfehler der Ankunftsrate Δλ 2 > 0.15 und Δλ 2 < zu einem Schätzfehler ΔL außerhalb der definierten Toleranz führt. Zudem bestätigt sich die Tendenz zur Überschätzung von L.
13 Δ L [m] Δ λ 2 [-] y = 242,15x - 11,602 R 2 = 0,8117-0,70-0,60-0,50-0,40-0,30-0,20-0, ,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 Bild 11: Zusammenhang Δλ 2 ΔL Bild 12 zeigt die Güte der dargestellten Methode zum momentanen Bearbeitungsstand. Verglichen wurden die geschätzten und gemessenen Längen von 150 Rückstauereignissen auf zwei Fahrstreifen innerhalb des in Bild 9 visualisierten Knotenpunktes. Um die Güte der Methodik effektiv analysieren zu können, wurden die Simulationen mit reinem Pkw-Verkehr durchgeführt. Die dargestellten Zwischenergebnisse zeigen, dass ca. 75 % der geschätzten Rückstaulängen innerhalb der vordefinierten Toleranz von +/- 20 m liegen. In ca. 40 % aller betrachteten Ereignisse liegt eine sehr gute Übereinstimmung (ΔL 10m ) zwischen Messund Schätzergebnis vor Rückstaulänge real [m] n = 150 ΔL 20m = 73 % ΔL 10m = 37 % Rückstaulänge geschätzt [m] Bild 12: Gemessene und geschätzte Rückstaulängen
14 Allerdings zeigt Bild 12 auch, dass bei Anwendung der Methodik vereinzelt Schätzfehler von bis zu 70 m auftreten können. Vor diesem Hintergrund wurden die in Bild 12 dargestellten Ergebnisse auf den Einfluss der geschätzten Ankunftsrate weiter analysiert. In dem betrachteten Knotenpunkt können Rückstaulängen von über 80 m in den meisten Fällen nicht innerhalb einer Freigabezeit von 25 s abgebaut werden. Die Folge ist ein schnelles Vorrücken der Fahrzeuge im Reststau, die wiederum zu einer Überschätzung der Ankunftsrate λ 2 führen. Ein erster Ansatz diesem Phänomen entgegenzuwirken, ist die Verwendung der in Bild 6 dargestellten Funktion für den Korrekturfaktor c. Hier wurden geschätzte Ankunftsraten λ 2 > 0,5 Fz/s mit dem Korrekturfaktor c abgemindert. Bild 13 zeigt, dass bei Ankunftsraten λ 2 0,4 Fz/s die Güte der Schätzung ansteigt. Ca. 85 % aller Schätzwerte liegen innerhalb der Toleranz und annähernd 50 % weichen mit weniger als 10 m von der gemessenen Rückstaulänge ab. Demgegenüber stehen die Schätzfehler der teilweise bereits korrigierten Ankunftsraten λ 2 > 0,4. In ca. 60 % aller Fälle beträgt hier die Abweichung mehr als +/- 20 m Rückstaulänge real [m] Rückstaulänge geschätzt [m] lambda [ ] lambda > 0.4 λ 2 = [0 0.4] n = 105 ΔL 20m = 86 % ΔL 10m = 48 % λ 2 > 0.4 n = 45 ΔL 20m = 42 % ΔL 10m = 11 % Bild 13: Gemessene und geschätzte Rückstaulängen in Abhängigkeit von λ 2 5 Ausblick Die dargestellten Ergebnisse präsentieren den derzeitigen Arbeitsstand. Basierend auf den derzeitigen Erkenntnissen wird in der weiteren Arbeit insbesondere der Funktionszusammenhang für den Korrekturfaktor c bei verschiedenen Verkehrsnachfrageszenarien verifiziert. Die dargestellten Zwischenergebnisse basieren auf Untersuchungen mit reinem Pkw-Verkehr. Die zukünftige Einbeziehung von verschiedenen Schwerverkehrsanteilen erfordert eine Modifizierung der blocking-time Funktionen, des
15 Beschleunigungsverhaltens sowie die, für die Bestimmung der Ankunftsrate λ 2 erforderlichen, durchschnittlichen Fahrzeuglänge. Nach Prüfung der Funktionalität und der Güte des dann modifizierten Rückstauschätzers erfolgt die Implementierung des Verfahrens in die adaptive Netzsteuerung BALANCE (FRIEDRICH 1994, [8]). Hierzu wird das Netzsteuerungsverfahren in die Simulationsumgebung als externe Applikation eingebunden und der positive Nutzen einer verbesserten Rückstauschätzung auf den Verkehrsfluss in den städtischen Straßennetzen der Zukunft analysiert. 6 Literatur [1] MÜCK, J. (2002). Estimation methods for the state traffic at traffic using detectors near the stop-line. Traffic Engineering and Control. [2] FRIEDRICH, B. (2000). Models for Adaptive Urban Traffic Network Control. 8. Treffen der Euro Working Group Transportation. Rom, Italien. [3] GREENSHIELDS, B.D., SCHAPIRO, D. und ERICKSON, E.L. (1947). Traffic Performance at Urban Street Intersections. Technical Report No.1, Yale Bureau of Highway Traffic, U.S.A. [4] DAWSON, R.F., CHIMINI, L.A. (1968). The Hyperlang Probability Distribution A Generalized Traffic Headway Model. Highway Research Record, No. 230, S [5] KIMBER, R.M., HOLLIS, E.M. (1979). Traffic Queues and Delays at Road Junctions. TRRL Laboratory Report 909. Crowthorne, U.K. [6] RICHTER, A. (2005). Geschwindigkeitsvorgaben an Lichtsignalanlagen. Deutscher Universitäts Verlag, Wiesbaden. [7] DERICHS, H. (1998). Vergleich statistischer Auswerteverfahren experimentell ermittelter Reaktionszeiten von Pkw-Fahrern. Diplomarbeit, Fachhochschule Köln. [8] FRIEDRICH, B., KELLER, H. (1994). Balance a Method for Integrated Traffic and Vehicle Actuated Signal Control. 7. IFAC Symposium. Tianjin, China. [9] Transportation Simulation Systems (TSS) (2007). AIMSUN API Manual Version 5.1.6, Barcelona, Spanien [10] LITTLE, J. (1961). A proof for the queueing formula L = λ * W. Institute of Technology, Cleveland, Ohio, U.S.A.
Factsheet Leistungsberechnung von Verkehrsknoten und -netzen
A Leistungsberechnung von Verkehrsknoten und -netzen Datum, Visum Seite 1/5 30. April 2012, AL, AK Einleitung Die Leistungsfähigkeit von Verkehrsknoten spielt in Verkehrsprojekten eine zentrale Rolle.
MehrFahrzeugfolgemodelle I
Christoph Berkholz Eckart Stets SE Verkehrssimulation und Optimierung, 29.10.2008 Es gibt kein einheitliches Verkehrsmodell. Dafür aber viele Ansätze. Heute: klassische mikroskopische Fahrzeugfolgemodelle,
MehrKooperative und optimierte Lichtsignalsteuerung in städtischen Netzen
6. VIMOS-Tagung, 15. Dezember 2010 KOLINE Kooperative und optimierte Lichtsignalsteuerung in städtischen Netzen Dipl.-Ing. Ralf Kutzner Gliederung Projektdaten und partner Herausforderungen und Lösungsansätze
MehrKommunikationsdatenbasierte, dezentrale Lichtsignalsteuerung in städtischen Netzen
Kommunikationsdatenbasierte, dezentrale Lichtsignalsteuerung in städtischen Netzen Von der Fakultät für Architektur, Bauingenieurwesen und Umweltwissenschaften der Technischen Universität Carolo-Wilhelmina
MehrRückstaulängenschätzung zur verbesserten Geschwindigkeitsempfehlung im Fahrzeug
Rückstaulängenschätzung zur verbesserten Geschwindigkeitsempfehlung im Fahrzeug Claudia Dittrich Technische Universität München, Lehrstuhl für Verkehrstechnik. Arcisstraße 21, D-80333 München, Tel. +49-89-289-22444,
MehrResultate. Gemeinde Gossau ZH. Simulation Langweidstrasse Grüt. 1 Einleitung
Gemeinde Gossau ZH Simulation Langweidstrasse Grüt 1 Einleitung Die Firma ewp wurde von der Gemeinde Gossau ZH beauftragt, das geplante Verkehrsregime in Grüt mit Hilfe einer Mikrosimulation zu prüfen.
MehrStadt Ulm / SWU Verkehr GmbH Verkehrstechnische Untersuchung Leistungsfähigkeit Bauphasen - Straßenbahn Ulm - Linie 2
Beratende Ingenieure VBI für Verkehrs- und Straßenwesen Verkehrstechnische Untersuchung Leistungsfähigkeit Ergebnisbericht Dr.-Ing. Torsten Heine-Nims Prokurist, Leiter Fachbereich Verkehrstechnik Beratende
MehrStochastische Approximation des Value at Risk
Stochastische Approximation des Value at Risk Annemarie Bitter Motivation Eines der wichtigsten Projekte der Versicherungswirtschaft ist derzeit die sogenannte Solvency-II-Richtlinie der Versicherungsaufsicht.
MehrSchnell oder langsam - bei welcher Geschwindigkeit ist der Verkehrsfluss an einer Autobahnbaustelle optimal? Privates Franziskus-Gymnasium Vossenack
AG-Titel Schnell oder langsam - bei welcher Geschwindigkeit ist der Verkehrsfluss an einer Autobahnbaustelle optimal? Schule Privates Franziskus-Gymnasium Vossenack AG-Leiter Mohren Thomas AG-Teilnehmer/innen
MehrFußgängerfreundliche Ampeln an Hauptverkehrsstraßen September 2015
Verkehrssteuerung in Hamburg Fußgängerfreundliche Ampeln an Hauptverkehrsstraßen September 2015 Verkehrssteuerung in Hamburg Einführung in die Thematik Lichtsignalsteuerung Fußgänger Grüne Welle Bergedorfer
MehrAmpeln Freund oder Feind der Verkehrsteilnehmer
Ampeln Freund oder Feind der Verkehrsteilnehmer Prof. Dr.-Ing. W. Brilon Ruhr-Universität Bochum Hamburg 17. September 2011 Knotenpunkte = Verknüpfung von Straßen Überschneidung der Bewegungslinien der
Mehr) (1 BE) 1 2 ln 2. und somit
1 Aufgaben aus dem Aufgabenpool 1 1.1 Analysis A1_1 Eine Funktion f ist durch 1 x f(x) e 1, x IR, gegeben. Ermitteln Sie die Nullstelle der Funktion f. ( ) b) Die Tangente an den Graphen von f im Punkt
MehrStochastische Approximation des Value at Risk
Stochastische Approximation des Value at Risk Zusammenfassung der Masterarbeit an der Universität Ulm Annemarie Bitter Motivation Eines der wichtigsten Projekte der Versicherungswirtschaft ist derzeit
MehrQualität des Verkehrsablaufs an Knotenpunkten mit dem alten und dem neuen HBS
Qualität des Verkehrsablaufs an Knotenpunkten mit dem alten und dem neuen HBS Dr.-Ing. Daniel Seebo Plaza de Rosalia 1 30449 Hannover Telefon 0511.3584-450 Telefax 0511.3584-477 info@shp-ingenieure.de
MehrModellierung des Verkehrs als Flüssigkeit. Proseminar Algorithmen der Verkehrssimulation WS 05/06 Atanas Gegov
Modellierung des Verkehrs als Flüssigkeit Proseminar Algorithmen der Verkehrssimulation WS 05/06 Atanas Gegov Gliederung: 1. Gründe für das Interesse an Verkehr und dessen Probleme 2. Verschiedene Verkehrsmodelle
MehrImproving the Accuracy of GPS
Improving the Accuracy of GPS Stephan Kopf, Thomas King, Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim Gliederung Motivation ierungsfehler von GPS Steigerung der Genauigkeit
MehrVerkehrsflusssimulation Pförtner Rheinbrücke Karlsruhe
Werner Frey, Dipl.-Ing. (FH) Harald Baro, Dipl.-Ing. (FH) Anja Baumann, Dipl.-Ing. Ausgangssituation Ausgangssituation/ Ziel Im Rahmen der Arbeitsgemeinschaft Leistungsfähige Rheinquerung wurde 2012 im
MehrRuhr-Universität Bochum
Ruhr-Universität Bochum Lehrstuhl für Verkehrswesen Einsatzbereiche Grüner Wellen und verkehrsabhängiger Steuerungen Dipl.-Ing. Th. Wietholt 1 Übersicht Steuerungsverfahren Messungen Simulationen Einsatzbereiche
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
MehrDipl.-Wi.-Ing. Gundolf Jakob. Konferenz Verkehrsökonomik und -politik Berlin Technische Universität München
Simulative Szenarienanalyse zur Untersuchung des Einflusses verschiedener Schwerverkehrsanteile auf den Geschwindigkeit-Verkehrsstärke-Zusammenhang auf städtischen Straßenabschnitten Dipl.-Wi.-Ing. Gundolf
MehrReisegeschwindigkeiten auf Straßen der künftigen Entwurfsklasse EKL 2 nach RAL
Reisegeschwindigkeiten auf Straßen der künftigen Entwurfsklasse EKL 2 nach RAL Dipl.-Ing. Julia Beeh Dr.-Ing. Matthias Zimmermann Kolloquium für Fortgeschrittene, Karlsruhe, 09.02.2011 INSTITUT FÜR STRASSEN-
MehrAufgaben Sigrun Schroth-Wiechert, Hannover Seite 1 von 6
Aufgaben Die folgende Auflistung von Wortpaaren ist ein Ergebnis des Kurses Deutsch der Technik: Forschungskurs Aufgabenstellung schriftlicher Arbeiten (C1), der in dieser Form am Fachsprachenzentrum erstmalig
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrMaximilian Naumann 1, Piotr F. Orzechowski 2, Christoph Burger 2, Ömer Sahin Tas 1, Christoph Stiller 1,2
FZI FORSCHUNGSZENTRUM INFORMATIK Herausforderungen für die Verhaltensplanung kooperativer automatischer Fahrzeuge Maximilian Naumann 1, Piotr F. Orzechowski 2, Christoph Burger 2, Ömer Sahin Tas 1, Christoph
Mehr4 Grundsätzliche Überlegungen zur Geschwindigkeit
4-1 4 Grundsätzliche Überlegungen zur Geschwindigkeit Im Verkehrswesen stellt die Geschwindigkeit bzw. die Reisezeit eine zentrale Größe dar. Sie gilt dabei gewöhnlich als objektiv messbare, physikalische
MehrWie kann eine Verkehrssimulation den Rettungsdienst unterstützen. WAW DLR.Open II Oberpfaffenhofen, 17.Oktober 2017
DLR.de Folie 1 > Wie kann eine Verkehrssimulation den Rettungsdienst unterstützen> Laura Bieker 16.10.2017 Wie kann eine Verkehrssimulation den Rettungsdienst unterstützen WAW DLR.Open II Oberpfaffenhofen,
MehrPrädiktion von Schaltzuständen verkehrsadaptiver Lichtsignalanlagen als Voraussetzung für energieeffiziente Fahrstrategien
Institut für Verkehrstelematik, Lehrstuhl für Verkehrsleitsysteme und -prozessautmatisierung als Voraussetzung für energieeffiziente Fahrstrategien Dipl.-Ing. Mario Krumnow Technische Universität Dresden
MehrStrassenlärm: Korrekturen zum Strassenlärm- Berechnungsmodell
Vollzug Umwelt MITTEILUNGEN ZUR LÄRMSCHUTZ-VERORDNUNG (LSV) NR. 6 Strassenlärm: Korrekturen zum Strassenlärm- Berechnungsmodell Bundesamt für Umwelt, Wald und Landschaft BUWAL Herausgeber Bundesamt für
MehrIKEA. Standort Wuppertal
IKEA Standort Wuppertal Ergänzende Stellungnahme zur verkehrlichen Untersuchung vom August 2012 Karlsruhe, im Juli 2013 KOEHLER & LEUTWEIN Ingenieurbüro für Verke hrswesen Ingenieurbüro für Verkehrswesen
MehrDigitaler Knoten 4.0
Digitaler Knoten 4.0 Gestaltung und Regelung städtischer Knotenpunkte für sicheres und effizientes, automatisiertes Fahren im gemischten Verkehr 01.12.2017 Fachtagung Automatisiertes und vernetztes Fahren
MehrEmpfängeruhrmodellierung in GNSS: Auswirkungen und Realisierbarkeit
Empfängeruhrmodellierung in GNSS: Auswirkungen und Realisierbarkeit i it Ulrich Weinbach, ib Steffen Schön Institut für Erdmessung Motivation GNSS sind Einweg-Messverfahren. Problem der Zeitsynchronisation
MehrSeminar Verkehrsinformatik Offline-Optimierung der Lichtsignal-Koordinierung mittels genetischer Algorithmen
Fachhochschule Wedel - SS 2006 Seminar Verkehrsinformatik Offline-Optimierung der Lichtsignal-Koordinierung mittels genetischer Algorithmen Marco Lehmann (wi5909) m@rco-l.de 3. Juli 2006 Gliederung 1.
MehrQuelle Fotos: Sen UVK 10. Fahrradkommunalkonferenz Radverkehrsbeschleunigung an Ampeln
Quelle Fotos: Sen UVK 10. Fahrradkommunalkonferenz Radverkehrsbeschleunigung an Ampeln Senatsverwaltung für Stadtentwicklung und Umwelt Berlin Abteilung VII Horst Wohlfarth von Alm Agenda Ziele der Radverkehrsbeschleunigung
MehrITS Bavaria. Kooperative Systeme im innerstädtischen Bereich: Technische Grundlagen und Anwendungen Roland Wunder Siemens AG, München
ITS Bavaria Kooperative Systeme im innerstädtischen Bereich: Technische Grundlagen und Anwendungen Roland Wunder Siemens AG, München Der Vortrag behandelt die Grundlagen zur Fahrzeug-Infrastruktur (LSA-Steuergerät,
MehrEinfluss von Geschwindigkeit und Verkehrsstärke auf das Unfallgeschehen in Stadtstraßen
Einfluss von Geschwindigkeit und Verkehrsstärke auf das Unfallgeschehen in Stadtstraßen Konzept Technische Universität Dresden Professur Straßenverkehrstechnik mit Fachbereich Theorie der Verkehrsplanung
MehrQualitätsmanagement von Verkehr: lokale und netzweite Betrachtungen
Qualitätsmanagement von Verkehr: lokale und netzweite Betrachtungen Peter Wagner (mit Daniel Krazjewicz, Ronald Nippold und Robert Oertel) Institut für Verkehrssystemtechnik Deutsches Zentrum für Luft-
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess
Mehr2. Stochastische Prozesse.
SS 2006 Arbeitsblatt 2 / S. 1 von 7 2. Stochastische Prozesse. Warteschlangen treten als Erscheinungsformen von in der Zeit ablaufenden Prozessen auf, von denen wie oben erwähnt mindestens einer nicht
Mehrsiemens.de/mobility Adaptive Netzsteuerung Sitraffic Motion MX Die intelligente Antwort auf Staus und Emissionen
siemens.de/mobility Adaptive Netzsteuerung Sitraffic Motion MX Die intelligente Antwort auf Staus und Emissionen Die innovative Lösung für eine Herkulesaufgabe Die meisten Städte stehen heute vor einer
MehrVerkehrsberatung Ortsdurchfahrt B33 Stufe II: Optimierbarkeit LSA-Koordinierung
Verkehrsberatung Ortsdurchfahrt B33 Stufe II: Optimierbarkeit LSA-Koordinierung WASSERVERSORGUNG ABWASSERENTSORGUNG Haslach im Kinzigtal, 29.01.2015 Dipl.-Ing. Florian Krentel VERKEHR BERATUNG Hintergrund
MehrDer diskrete Kalman Filter
Der diskrete Kalman Filter Fachbereich: Informatik Betreuer: Marc Drassler Patrick Winkler 1168954 6. Dezember 2004 Technische Universität Darmstadt Simulation und Systemoptimierung Darmstadt Dribbling
Mehr1 Inhalte der Funktion Informationsmanagement
1 1 Inhalte der Funktion Informationsmanagement Darstellung der Inhalte der Funktion Informationsmanagement und deren Bedeutung sowohl für handelnde Personen als auch in einem Unternehmen / einer Organisation.
MehrUnterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 2014 Mathematik
Seite von 0 Unterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 04 Mathematik. Aufgabenart Analysis. Aufgabenstellung Aufgabe : Untersuchung ganzrationaler Funktionen Aufgabe : Verkehrsstau
MehrBikeWave Durch Crowdsourcing die Grüne Welle entdecken und mit ihr radeln.
BikeWave Durch Crowdsourcing die Grüne Welle entdecken und mit ihr radeln. Robert Schönauer, 29.Mai 2015 @Radgipfel 2015, Klagenfurt. Projektpartner: Finanziert durch: 2 Hintergrund Signalprogramme der
MehrErweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells
Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells Sebastian Wildfeuer Parameteridentifikation > 23. September 2008 > Folie 1 Themenübersicht Ausgangssituation,
MehrMaster Modul IV im SS 2016: Technisch-Ökonomische Wartesysteme
Operations Research und Wirtschaftsinformatik Prof. Dr. P. Recht // M. Radermacher, M.Sc. DOOR Aufgabe 3 Master Modul IV im SS 206: Technisch-Ökonomische Wartesysteme Übungsblatt Wurde in der Übung am
MehrABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE
ABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE AAET-2017, Braunschweig Sven Hallerbach, Ulrich Eberle (Adam Opel AG) Frank Köster (DLR) www.opel.com MOTIVATION Kooperatives
MehrEigene Grünphase für Linksabbieger
Eigene Grünphase für Linksabbieger Jörg Ortlepp Leiter Verkehrsinfrastruktur Presseforum der Schaden- und Unfallversicherer Berlin, 28.04.2010 2 Unfallgeschehen an Kreuzungen und Einmündungen Deutschland,
MehrVersuchsplanung und multivariate Statistik Sommersemester 2018
Versuchsplanung und multivariate Statistik Sommersemester 2018 Vorlesung 11: Lineare und nichtlineare Modellierung I Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6.6.2018
MehrGeschwindigkeiten, Steigungen und Tangenten
Geschwindigkeiten, Steigungen und Tangenten 1-E Die Geschwindigkeit cc Wir beginnen mit dem Problem der Geschwindigkeit: Wie können wir die Geschwindigkeit eines bewegten Objektes in einem bestimmten Augenblick
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrEinführung Fehlerrechnung
Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische
MehrInnovation bei Datenerfassung und Management im Straßenverkehr
ITS Bavaria - 26. Januar 2015 Qualitätsbewertung von FC-Daten Innovation bei Datenerfassung und Management im Straßenverkehr zur Verkehrslageermittlung und Integration in verkehrstelematische Anwendungen
MehrMITSIM. MIcroscopic Traffic SIMulator. Vortrag von Florian Walter im Rahmen des Proseminars Algorithmen der Verkehrssimulation am
MITSIM MIcroscopic Traffic SIMulator Vortrag von Florian Walter im Rahmen des Proseminars Algorithmen der Verkehrssimulation am 21.11.2005 Was ist MITSIM? Das ist MITSIM Mikroskopischer Verkehrs-Simulator
MehrHochrechnung verkehrlicher Wirkungen kooperativer, infrastrukturbasierter Fahrerassistenzsysteme. Universitätstagung 2014.
Hochrechnung verkehrlicher Wirkungen kooperativer, infrastrukturbasierter Fahrerassistenzsysteme Universitätstagung 2014 Bad Herrenalb Dipl.-Verk.wirtsch. Judith Geßenhardt Universitätstagung 2014 Inhalt
MehrCox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
Mehr] bestimmen kann. Interpretieren Sie die Bedeutung der Zahl 6,5 im gegebenen Sachzusammenhang. (R)
b) Ein Auto macht eine Vollbremsung, bis es zum Stillstand kommt. Der Weg, den es dabei bis zum Stillstand zurücklegt, lässt sich in Abhängigkeit von der vergangenen Zeit t durch die Funktion s beschreiben:
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrVerlustzeitbasierte LSA-Steuerung
Verlustzeitbasierte LSA-Steuerung Robert Oertel* und Peter Wagner Deutsches Zentrum für Luft- und Raumfahrt e.v. Institut für Verkehrssystemtechnik 6. VIMOS-Tagung, Dresden 15.12.2010 Institut für Verkehrssystemtechnik
MehrDIFFERENZIAL- UND INTEGRALRECHNUNG. 7. bzw. 8. Klasse
DIFFERENZIAL- UND INTEGRALRECHNUNG 7. bzw. 8. Klasse 28. FREIER FALL Für einen frei fallenden Körper ist eine Zeit Weg Funktion s(t) durch s(t) Dabei ist g 0 m/s² die Fallbeschleunigung. a) Welchen Weg
MehrAuswirkung der Maßnahmen des Nationalen Forum Diesel auf die Stickoxidbelastung in Niedersachsen Teil 2: Gesamtstädtische Untersuchung
Staatliches Gewerbeaufsichtsamt Hildesheim Auswirkung der Maßnahmen des Nationalen Forum Diesel auf die Stickoxidbelastung in Niedersachsen Teil 2: Gesamtstädtische Untersuchung Zentrale Unterstützungsstelle
MehrPlanung von Handlungen bei unsicherer Information
Planung von Handlungen bei unsicherer Information Dr.-Ing. Bernd Ludwig Lehrstuhl für Künstliche Intelligenz Friedrich-Alexander-Universität Erlangen-Nürnberg 20.01.2010 Dr.-Ing. Bernd Ludwig (FAU ER)
Mehr4 Diskussion 4.1 Korrelation der GW-Ganglinien
4 Diskussion 4.1 Korrelation der GW-Ganglinien Die GW-Messstationen wurden nach folgenden Kriterien ausgewählt: Erstens unterliegen sie keiner Beeinflussung durch Grundwasserentnahmen. Zweitens sind die
MehrSTATISCHE GARANTIE BEISPIELE
STATISCHE GARANTIE BEISPIELE Persönliche Informationen auf dem Versicherungsausweis Die Ziffer 10 enthält die wichtigsten Parametern, mit welchen die garantierte Altersrente bestimmt wurde (versicherter
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
MehrStrukturvariable Regelung eines humanoiden Roboterarmes mit bildgebenden und Kraft-Momenten-Sensoren. Bodmar Diestel-Feddersen, Giulio Milighetti
mit bildgebenden und Kraft-Momenten-Sensoren Bodmar Diestel-Feddersen, Giulio Milighetti Inhalt 1. Motivation und Aufgabenstellung 2. Multisensorielles Regelungskonzept zum Fallbeispiel Peg-In-Hole 3.
MehrSchaltzeitprognose verkehrsadaptiver Lichtsignalanlagen im Rahmen des Forschungsprojektes EFA 2014/2
Lehrstuhl für Verkehrsleitsysteme und -prozessautomatisierung Schaltzeitprognose verkehrsadaptiver Lichtsignalanlagen im Rahmen des Forschungsprojektes EFA 2014/2 Dresden, 29. November 2012 1 Verkehrsleitzentrale
MehrUnterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
M LK HT (W) Seite von 8 Unterlagen für die Lehrkraft Abiturprüfung 009 Mathematik, Leistungskurs. Aufgabenart Analysis. Aufgabenstellung siehe Prüfungsaufgabe 3. Materialgrundlage entfällt 4. Bezüge zu
MehrGeben Sie an, wie die Anzahl der Nullstellen einer quadratischen Funktion von den Parametern a und b der Funktion abhängt!
Aufgabe 3 Quadratische Funktion und ihre Nullstellen Gegeben ist eine quadratische Funktion f mit der Gleichung f(x) = a x 2 + b mit a 0 und a, b. Skizzieren Sie den Graphen einer möglichen quadratischen
MehrTheory Swiss German (Liechtenstein) Lies die Anweisungen in dem separaten Umschlag, bevor Du mit dieser Aufgabe beginnst.
Q2-1 Nichtlineare Dynamik in Stromkreisen (10 Punkte) Lies die Anweisungen in dem separaten Umschlag, bevor Du mit dieser Aufgabe beginnst. Einleitung Bistabile nichtlineare halbleitende Komponenten (z.b.
Mehr1 Vorbemerkung Auswertung Fahrtrichtung Rübenkamp Auswertung Fahrtrichtung Bahnhof Altona... 6
Busbeschleunigungsprogramm Hamburg Metrobuslinie 20 Kurzbericht INHALTSVERZEICHNIS 1 Vorbemerkung... 2 2 Auswertung Fahrtrichtung Rübenkamp... 3 3 Auswertung Fahrtrichtung Bahnhof Altona... 6 4 Bestimmung
MehrKalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern
Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten
MehrEntwicklung eines Energiesystemsimulators: Stromnachfrage und -angebot
Entwicklung eines Energiesystemsimulators: Stromnachfrage und -angebot Masterarbeit zur Erlangung des akademischen Grades Master of Science (M. Sc.) im Studiengang Wirtschaftsingenieur der Fakultät für
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrTEIL I: KINEMATIK. 1 Eindimensionale Bewegung. 1.1 Bewegungsfunktion und s-t-diagramm
TEIL I: KINEMATIK Unter Kinematik versteht man die pure Beschreibung der Bewegung eines Körpers (oder eines Systems aus mehreren Körpern), ohne nach den Ursachen dieser Bewegung zu fragen. Letzteres wird
MehrFAMOS Galileo for Future AutoMOtive Systems
FAMOS Galileo for Future AutoMOtive Systems Dr. Lutz Junge Wolfsburg, 08.09.2009 Der Straßenverkehr wächst! Situation und Entwicklung in Deutschland und Europa Hauptprobleme: Unfalltote 2007 EU-27 42.485
MehrKURZBERICHT. Auftragnehmer: Projektnummer:
Freie und I Verkehrstechnische ansestadt I,,,, Hamburg I Voruntersuchung rafi "ean
Mehr3. Prozesse mit kontinuierlicher Zeit
3. Prozesse mit kontinuierlicher Zeit 3.1 Einführung Wir betrachten nun Markov-Ketten (X(t)) t R +. 0 Wie beim Übergang von der geometrischen zur Exponentialverteilung können wir uns auch hier einen Grenzprozess
MehrAdaptive Netzsteuerung Sitraffic Motion MX. Die intelligenteste Antwort auf Staus und Emissionen.
Adaptive Netzsteuerung Sitraffic Motion MX Die intelligenteste Antwort auf Staus und Emissionen www.siemens.de/mobility Die innovative Lösung für eine Herkulesaufgabe Die meisten Städte stehen heute vor
MehrÜbungen zur Vorlesung Fahrdynamik
Seite 1 Aufgabe 1 : Der skizzierte Manipulator mit den Hebeln r 1,2 und r 2,3 besitzt zwei Drehgelenke (Drehachsen u 1, u 2 u 1 ). Gegeben seien die Drehwinkel Θ 1 und Θ 2 sowie die Winkelgeschwindigkeiten
MehrArbeitsblatt Dierentialrechnung
1 Darmerkrankung Das Robert-Koch-Institut in Berlin hat den Verlauf der Darmerkrankung EHEC untersucht. Die Zahl der Erkrankten kann näherungsweise durch folgende Funktionsgleichung dargestellt werden:
MehrSo schaffen Sie ein kooperatives Verkehrsmanagementsystem in Deutschland
VV Kooperative Infrastruktur Leitfaden für die Einrichtung kooperativer Systeme auf öffentlicher Seite Dipl.-Ing. Jakob Kaths Lehrstuhl für Verkehrstechnik Technische Universität München UR:BAN-Konferenz
MehrVerteilung der Rückstaulängen an Knotenpunkten ohne Lichtsignalanlagen
Verteilung der Rückstaulängen an Knotenpunkten ohne Lichtsignalanlagen von PD Dr.-Ing. ing Wu (Veröffentlicht in Straßenverkehrstechnik, Heft 8/997. Kirschbaum Verlag GmbH, Bonn, 997) Kurzfassung: Die
MehrSVI 2016/003 Bestimmung der Verkehrsnachfrage für überlastete Strassen im urbanen Raum. Präsentation anlässlich der SVI-Fachtagung Forschung 2018
SVI 2016/003 Bestimmung der Verkehrsnachfrage für überlastete Strassen im urbanen Raum Präsentation anlässlich der SVI-Fachtagung Forschung 2018 September 2018 Wir begrüssen Sie! - Dr. Christian Heimgartner
MehrMathematische Grundlagen der dynamischen Simulation
Mathematische Grundlagen der dynamischen Simulation Dynamische Systeme sind Systeme, die sich verändern. Es geht dabei um eine zeitliche Entwicklung und wie immer in der Informatik betrachten wir dabei
MehrOberschwingungsbelastung in öffentlichen elektrischen Energieversorgungsnetzen durch elektronische Massengeräte
Oberschwingungsbelastung in öffentlichen elektrischen Energieversorgungsnetzen durch elektronische Massengeräte kleiner Leistung Mai 2012 Oberschwingungsbelastung in öffentlichen elektrischen Energieversorgungsnetzen
MehrBerücksichtigung verschiedener Verkehrsteilnehmergruppen und Kriterien bei der Optimierung von Lichtsignalanlagen
HEUREKA 17 Stuttgart 22./23. März 2017 Berücksichtigung verschiedener Verkehrsteilnehmergruppen und Kriterien bei der Optimierung von Lichtsignalanlagen Ein Vorschlag zum verkehrspolitischen Rahmen für
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEndbericht. Untersuchungen von Maßnahmen im Rahmen der Aufstellung eines Luftreinhalteplans für Balingen
Endbericht Untersuchungen von Maßnahmen im Rahmen der Aufstellung eines Luftreinhalteplans für Balingen Ergänzung Trendprognose 2017 mit Wirkung der Umweltzone für das Regierungspräsidium Tübingen Postfach
MehrMessprotokoll / MEASUREMENT REPORT
A n t e n n e n / A N T E N N A Messprotokoll / MEASUREMENT REPORT MEASURED PRODUCT Entkopplung zwischen zwei GSM-R-Antennen in Abhängigkeit des Abstandes zueinander Seite 1 von 7 Inhaltsverzeichnis 1.
MehrVerkehrliche Aspekte winterlicher Fahrbahnzustände auf Autobahnen
Verkehrliche Aspekte winterlicher Fahrbahnzustände auf Autobahnen Dipl.-Ing. Susanne Schulz Dipl.-Ing. Sven B. Riffel INSTITUT FÜR STRASSEN- UND EISENBAHNWESEN (ISE) KIT Universität des Landes Baden-Württemberg
MehrÜbung 5, Analytische Optimierung
Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =
MehrVerkehrliche Stellungnahme zum "Verkehrsgutachten Spreestadt, 2011"
HOFFMANN LEICHTER Ingenieurgesellschaft Verkehrsplanung Straßenentwurf Straßenverkehrstechnik Immissionsschutz Projektsteuerung Berlin 24. Februar 2015 IMPRESSUM Titel... \\HLPROJEKTE\Projekte\1741_SPREESTADT
MehrFeldversuch unter Opel-Leitung: Fahrzeug-Kommunikation
Auto-Medienportal.Net: 20.06.2013 Feldversuch unter Opel-Leitung: Fahrzeug-Kommunikation sorgt für mehr Verkehrssicherheit In Frankfurt wurden jetzt die Ergebnisse eines der weltweit größten Feldversuche
MehrA n a l y s i s Differentialrechnung I
A n a l y s i s Differentialrechnung I BlueGene von IBM und dem LLNL ist gegenwärtig der schnellste Computer der Welt. Er soll ein PetaFLOP erreichen, das sind 0 5 = '000'000'000'000'000 Rechnungen pro
MehrEffektive Bandbreite selbstähnlicher Verkehrsströme
INSTITUT FÜR NACHRICHTENVERMITTLUNG UND DATENVERARBEITUNG Prof. Dr.-Ing. Dr. h. c. mult. P. J. Kühn ITG-Workshop IP Netzplanung, IP Netzmanagement und Optimierung Würzburg, 20./21. Juli 2000 Effektive
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
Mehr