Komplexpraktikum Simulationsprojekt. Modellierung der Buslinie 61

Transkript

1 Komplexpraktikum Simulationsprojekt Modellierung der Buslinie 61 BILD BILD BILD Teilnehmer: Falk Niederlein Tobias Partzsch Erik Friebe Betreuer: Dr. Koch Dresden,

2 Einleitung Der besondere Reiz im Simulationsprojekt lag für uns darin, selbst eine Aufgabenstellung für ein Simulationsprojekt zu finden. Jedoch sind nicht alle Themen geeignet. Nach der Modellierung soll eine Simulation in Arena durchgeführt werden bestimmte Abläufe lassen sich da auch hervorragend darstellen und untersuchen, jedoch ist Arena oft zu unflexibel, Gebiete zu simulieren, für die es nicht gedacht war. Nach längerem Überlegen kam unsere Gruppe auf die Idee die Buslinie 61 zu simulieren. Der Schwerpunkt liegt zunächst darin, sich geeignete Daten zu beschaffen. Mit dieser Problematik beschäftigen sich an der TU Dresden die Verkehrsingenieure im Fach theoretische Verkehrsplanung, welches von Prof. Lohse doziert wird. Da Erik sich mit diesem Gebiet im Nebenfach beschäftigt, führte er die Untersuchungen über Belastungen, Auslastungen etc. der Busse durch. Tobias bereitete die Daten für die Arenasimulation auf und fand dadurch die dazugehörigen Verteilungsfunktionen. Falk modellierte die Oberfläche und Abläufe. Herr Dr. Koch betreute unser Projekt und half uns bei unseren Fragen weiter.

3 Gliederung 1. Entwurf und Spezifikation des Modells 2. Datenerhebung 2.1 Querschnittserhebung durch Stichprobenanalyse 2.2 Erhebung 3. Modellierung 3.1 logischer Aufbau des Modells 3.2 Eingabedaten 3.3 Ausgabedaten 4. Realisierung des Arena Modells 4.1 Aufbau 4.2 Realisierung Bus Person Haltestelle 5. Experimentdesign und durchführung 5.1 Stau 5.2 Variation der Buszahl 5.3 Variation der Personenzahl 6. Einschätzung 6.1 Der Erhebung 6.2 Der Simulationsumsetzung 6.3 Nutzen

4 1. Entwurf und Spezifikation des Modells In der Simulation soll der Betrieb der Buslinie 61 der DVB AG dargestellt werden. Es werden die Stationen zwischen der Tharanter Straße (Starthaltestelle der Linie) bis Fritz Förster Platz (wichtigste Haltestelle des Campus) betrachtet, insgesamt sieben Haltestellen. (siehe Skizze) Jede Haltestelle ist in der Simulation sowohl Quelle als auch Senke, die Personen die im Bus mitfahren bzw. an den Haltestellen warten stellen die Werkstücke dar. Die Busse sind in unserem Fall Bearbeitungseinrichtungen. Ich wähle diese Bezeichnungen deshalb, um unsere Überlegungen zu zeigen, warum wir dieses Beispiel gewählt haben und warum wir denken, das es für eine Arenasimulation geeignet ist. Wir simulieren nur die Richtung zum Campus hin. An der Tharanter Straße sind uns die Zwischenankunftszeiten der Busse bekannt, wir entnehmen sie den aktuellen Abfahrtsplänen der DVB AG. Auch die Reisezeiten sind theoretisch bekannt, da auch sie in den Plänen festgelegt sind. Es kann aber zu Abweichungen durch zu lange Ein und Ausstiegszeiten kommen (Tür blockiert o.ä.) sowie durch Staus, doch dazu später mehr. Zu untersuchen sind die Anzahl der Fahrgäste, die den Bus benutzen, wobei weniger eine Anzahl pro Zeit interessant ist, sondern vielmehr die Zwischenankunftszeiten der Personen an den Haltestellen. Wie wir das durchgeführt haben, wird in Kapitel 2.1 gezeigt. Mit diesen Daten gibt die Simulation Auskunft über mittlere Fahrtzeiten (mittlere Bearbeitungszeiten), Warteschlangenlänge, Wartezeiten, Auslastungen der Busse etc. Durch Variationen dieser Werte kann man wiederum mehrere Szenarien durchspielen.

5 2. Datenerhebung 2.1Querschnittserhebung durch Stichprobenanalyse Def.: Querschnittserhebung Querschnittserhebungen erfassen sowohl quantitative als auch qualitative Merkmale an einem Q uerschnitt eines Verkehrsnetzabschnittes (z.b. einer Straße oder einer Linie des öffentlichen Personennahverkehrs). Sie sind lokal eindeutig begrenzt. Die zeitliche Staffelung (Zählzeitintervalle) der Erhebung wird je nach Aufgabenstellung unterschiedlich gewählt. Die Erhebung erfolgt in der Regel ohne Beeinflussung des Verkehrsablaufs. Folgende Informationen können durch Querschnittserhebungen gewonnen werden: Verkehrsstärke (z.b. Personen, Kfz, öffentliche Verkehrsmittel, Fahrgäste) Verkehrsmischung (z.b. Fahrzeugarten, Tarifgruppen) Ganglinien (z.b. Personenverkehr, Güterverkehr) Belastung Die Querschnittserhebungen werden sowohl als Dauererhebungen (Pegelzählungen) als auch als Stichprobenerhebungen durchgeführt. Als Hilfsmittel für die Zählungen dienen: Strichlisten, Zählformulare bei Erhebungen durch Zählpersonal manuell bediente Zählgeräte (Handzählgeräte, Mini Computer als Impulszähler mit/ohne Unterscheidung nach Fahrzeugarten sowie mit/ohne automatische Zeiterfassung) automatische Impulsmesser (Detektoren auf der Basis von Induktionsschleifen, Ultraschall, Radartechnik, Lichtschranken, Druckschläuchen usw.) und Registriergeräte zur Datenspeicherung. [1] Stichprobenverfahren Stichprobenverfahren sind bei Verkehrserhebungen unerlässlich, weil häufig eine Erfassung der Grundgesamtheit gar nicht oder nur mit einem nicht vertretbaren Aufwand möglich ist. Bei jeder Erhebung muss die Grundgesamtheit örtlich, zeitlich und sachlich genau festgelegt bzw. abgegrenzt werden. Wegen des geringeren Aufwands können Stichprobenerhebungen gründlicher vorbereitet, durchgeführt und genauer kontrolliert werden.

6 2.2 Erhebung Der Vorteil der Stichprobenanalyse ist, dass man nicht die Grundgesamtheit erfassen muss, sondern nur einige, repräsentative Ausschnitte. Wir haben uns darauf geeinigt, eine Unterscheidung zwischen Werk und Feiertagen zu machen, da an diesen Tagen sehr verschiedene Tagesganglinien zu erwarten sind. Wir wollen uns weiterhin darauf konzentrieren, ob es aufgrund der Studenten Veränderungen in den Ganglinien gibt die Linie 61 ist die einzige Verbindung zwischen Gorbitz und Campus, weshalb sie zu bestimmten Stoßzeiten fast ausschließlich von Studenten genutzt wird. Diese Zeiten sollten sich aber von den normalen Spitzenstunden im Berufsverkehr unterscheiden. Folgendes Diagramm soll unsere Vermutung illustrieren: Verkehrsanteil in [%] Tagesganglinie des ÖPNV Uhrzeit Stichprobenerhebungen bedürfen einer sorgfältigen Vorbereitung. Da wir keinerlei technische Hilfsmittel bei der Erfassung haben, führen wir ein Zählformular, auf dem dann die Daten per Strichliste festgehalten werden.

7 Die Daten die wir erfassen wollen sind: Datum Zeit (Ankunftszeit an der Haltestelle) Ort (welche Haltestelle) Bei Ankunft an einer Haltestelle: Anzahl der Personen die dort warten (Zählen / Schätzen) Ankunftszeiten von Personen an der Haltestelle Ankunftszeit des Busses Auslastung des Busses (Zählen / Schätzen) Anzahl der Personen ein und aussteigen Umsteigezeiten Um diese Daten bei einer Zählung schnell und sicher zu erfassen, haben wir folgendes Zählformular entwickelt. Für jede Zählung an jeder Haltestelle wird ein neues Formular benutzt. Zählformular Bus 1 Bus 2 Bus 3 Datum Ort Chemnitzer Straße Zeit 15:31:00 Pers. an HS AZ Bus 15:34:00 15:45:00 15:54:00 Auslastung Bus Ausstieg Einstieg Umsteigezeit 30s 40s 25s AZ Pers. an HS 15:32:40, 15:33:05 15:34:45, 15:34:55, 15:36:00, 15:38:30, 15:42:10, 15:42:30, 15:44:30 15:45:50, 15:46:20, 15:46:40. 15:48:10, 15:48:30, 15:48:40, 15:49:15, 15:52:00, 15:52:40, 15:52:50, 15:53:00 Tabelle: Zählformular für die Datenerhebung an einer Haltestelle

8 3. Modellierung 3.1 logischer Aufbau Um die gewonnenen Daten in eine Arenasimulation einebetten zu können, ist es sinnvoll, sich Gedanken über die logische Struktur des Systems zu machen. Im einzelnen sind das folgende Fragen: Wo befinden sich die Quellen und Senken und wieviele sind es? Wo sind die Warteschlangen anzulegen, die die Wartestellen simulieren sollen? Wie sind sie verbunden, d.h. welche Pfade gibt es? Für die manuelle Simulation (engl.: hand simulation), die jeder Simulation vorraus geht, ergibt sich in unserem Fall folgender Graph: Tharanter Strasse Q1 W1 H1 Zeichenerklärung: Zwickauer Strasse W... Warteschlange H... Haltestelle Q2 S2 W2 H2 Q... Quelle S... Senke Chemnitzer Strasse Q3 S3 W3 H3 Nürnberger Platz Fritz Förster Platz Bernhardtstrasse Q4 S4 W4 H4 H5 H6 S6 W5 Q5 S5

9 3.2 Eingabedaten Die aus der Erhebung gewonnenen Werte werden mit Hilfe des Input Analyser, welcher Bestandteil des Arenaprogramms ist, eingelesen, und Verteilungsfunktionen gefunden. Diese werden zur dann für die Simulation verwendet. Das sind im einzelnen: Mittlere Ankunftszeit einer Person an einer Haltestelle: Diese Funktion unterscheidet sich für jede der fünf untersuchten Haltestellen (der Fritz Förster Platz als sechste Haltestelle ist in unserer Simulation nur Senke). Diese Gleichverteilungsfunktion konnte durch die Protokollierung der Zwischenankunftszeiten der Personen an den Haltestellen herausgefunden werden. Mittlere Umsteigezeiten: Die Umsteigezeiten spielen in unserer Simulation eine eher untergeordnete Rolle. Um die Simulation aber so nahe wie möglich an der Realität anzulehnen, haben wir sie mit erfasst und analysiert und lassen sie von Arena mit simulieren. Mittlere Ankunftszeit eines Busses an einer Haltestelle: Die Ankunftszeit sollte durch den Fahrplan des Busses geregelt sein. Diese Daten haben wir den DVB AG Plänen entnommen. Zusätzlich wurden die Ankunftszeiten der Busse mit erfasst. Es ergibt sich eine Gleichverteilung die mit in die Simulation einfließt. Mittlere Ausstiegsrate eines Busses an einer Haltestelle: Wieviele Personen aus einem Bus an einer bestimmten Haltestelle aussteigen wurde ebenfalls analysiert und muss einzeln betrachtet werden im Gegensatz zu den Personen die in einen Bus einsteigen, da das immer alle Personen an der Haltestelle sind es sei denn der Bus ist überfüllt. Es gibt sich trotzdem keine Verteilungsfunktion dafür, der Fall wird statisch behandelt.

10 3.3 Ausgabedaten Lässt man die Simulation laufen erhält man ein Vielzahl von Erhebnisdaten, die wir untersuchen wollen. Auslastung der Busse: Wieviele Personen fuhren mit der Linie 61 in einem bestimmten Zeitraum. Verspätungen der Busse Die theoretische Ankunftszeit der Busse ist durch den Linienplan der DVB AG gegeben. Da wir im Formular auch die tatsächliche Ankunftszeit ermittelt haben, läßt sich daraus die Verspätung ableiten. Ist diese Verspätung jedoch größer als die Intervallzeit der Busse, ist diese Information leider nicht verwertbar, da nicht klar ist, welcher Bus ankommt. Mittlere Wartezeiten Wir wissen, wann jemand an einer Haltestelle ankommt, und wann ein Bus kommt. Daraus läßt sich eine Formel über die mittlere Wartezeit ermitteln. Mittlere Bedienzeiten??? Indirekt können wir auch etwas über die Bedienzeiten aussagen, ohne die direkt ermittelt zu haben. In konkreten Zeiträumen ist das System das wir betrachten homogen. Wenn wir also in diesem homogenen Zeitraum Daten aller Haltestellen (oder einiger repräsentativer) haben, sowie die Einund Ausstiegszeiten und die Verspätungen läßt sich ein ungefährer Wert ermitteln. Anzahl der wartenden Personen Wieviele Personen warten im Mittel / Maximal / Minimal an einer Haltestelle?

11 4. Realisierung des Arena Modells 4.1Aufbau Der nächste Schritt, nach der hand simulation, ist die eigentliche Simulation in der Umgebung Arena. Falk entwarf dafür eine ergonomische Oberfläche, in der Busse, Haltestellen, Personen, die Strecke und Daten während der Simulation dargestellt werden. Der Zeitraum der Simulation ist skalierbar und theoretisch nicht begrenzt Einschränkungen der student version von Arena behinderten uns nicht, da wir im Labor des Fachbereichs eine uneingeschränkte Version zum Testen zu Verfügung hatten. Auch die Zeitschritte lassen sich beliebig einstellen, wir entschieden uns aber, den kleinstmöglichen Zeitraum auf zwei Minuten, den größten auf eine Stunde zu wählen. Abbildung: Simulationsoberfläche in Arena 3