From 94de14bf98186b1e0dee2ad8558b94d1f839a28c Mon Sep 17 00:00:00 2001 From: rylon Date: Mon, 19 Aug 2013 21:04:00 +0200 Subject: [PATCH] thesis correction --- .../thesis_ug/tex/ausblick.tex | 4 +- .../thesis_ug/tex/berechnung.tex | 39 +++++++++---------- .../Bachelor Thesis/thesis_ug/tex/daten.tex | 6 +-- .../thesis_ug/tex/einleitung.tex | 6 +-- .../thesis_ug/tex/grundlagen.tex | 9 +++-- .../Bachelor Thesis/thesis_ug/tex/modell.tex | 34 ++++++++-------- .../thesis_ug/tex/uebersicht.tex | 2 +- .../thesis_ug/tex/visualisierung.tex | 4 +- 8 files changed, 52 insertions(+), 52 deletions(-) diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/ausblick.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/ausblick.tex index c5e18231..75ddfe43 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/ausblick.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/ausblick.tex @@ -5,11 +5,11 @@ Eine Verbesserung des Modells kann durch 'tagging' vorgenommen werden. So k"onnt Das verwendete Modell kann auch auf andere St"adte welche Sensorik in ihren Stra"sen verbaut haben "ubertragen werden. -Sollten in einer Stadt fl"achendeckend validierende Ausgangssensoren verbaut sein, so kann das Verkehrsproblem gel"ost und Abbiegewahrscheinlichkeiten live berechnet werden. +Sollten in einer Stadt fl"achendeckend validierende Ausgangssensoren verbaut sein, so kann das Verkehrsproblem gel"ost[!!!!] und Abbiegewahrscheinlichkeiten live berechnet werden. Die durch Modell und Berechnung gewonnenen Erkenntnisse k"onnen zur Optimierung von Verkehr, als Analysetool oder zur Planung von neuen Kreuzungen eingesetzt werden. -Es ist damit zurechnen, dass mehr Sensoren auf die Stra"se gelangen werden. So plant Deutschland in einer gesetzesin [] allen Autofahrern vorzuschreiben eine sog. 'Blackbox' im auto zu verbauen. Diese Blackboxen sollen GPS, Brems- und Beschleunigungsverhalten messen. Stehen diese Daten zur Verf"ugung kann man auf eine Vielzahl von Sensoren zur"uckgreifen und die Verkehrsinformationen werden verl"asslicher. +Es ist damit zurechnen, dass mehr Sensoren auf die Stra"se gelangen werden. So plant Deutschland in einer gesetzesin [] allen Autofahrern vorzuschreiben eine sog. 'Blackbox' im Auto zu verbauen. Diese Blackboxen sollen GPS, Brems- und Beschleunigungsverhalten messen. Stehen diese Daten zur Verf"ugung kann man auf eine Vielzahl von Sensoren zur"uckgreifen und die Verkehrsinformationen werden verl"asslicher. Dadurch w"urde eine Genauere und bessere Modellierung des Verkehrs m"oglich. [mehr sensordaten] diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/berechnung.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/berechnung.tex index ad730001..13297bc8 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/berechnung.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/berechnung.tex @@ -1,5 +1,5 @@ \section{L"osungsans"atze}\label{sec:berechnung} -In diesem Kapitel werden drei L"osungsans"atze f"ur die Verkehrsflussberechnung, anhand des in Kapitel \autoref{sec:modell} beschrieben Modells, vorgestellt. Dabei konnte f"ur Kreuzungen ein lineares Gleichungssystem entwickelt werden, welches sowohl die Verkehrswerte f"ur die Ausg"ange als auch f"ur die Eing"ange der entsprechenden Kreuzung berechnen kann. Anhand der Berechnungen innerhalb der Kreuzungen konnten Verkehrsflusswerte f"ur zwischen den Kreuzungen bestimmt werden.\\ \\ +In diesem Kapitel werden drei L"osungsans"atze f"ur die Verkehrsflussberechnung anhand des in Kapitel \autoref{sec:modell} beschrieben Modells vorgestellt. Dabei konnte f"ur Kreuzungen ein lineares Gleichungssystem entwickelt werden, welches sowohl die Verkehrswerte f"ur die Ausg"ange als auch f"ur die Eing"ange der entsprechenden Kreuzung berechnen kann. Anhand der Berechnungen innerhalb der Kreuzungen konnten Verkehrsflusswerte f"ur zwischen den Kreuzungen bestimmt werden.\\ \\ Es galt folgende Werte zu berechnen und Fragen zu l"osen: \begin{enumerate} \item{Werte f"ur virtuelle Sensoren innerhalb einer Kreuzung.}\label{problem:1} @@ -10,12 +10,12 @@ Es galt folgende Werte zu berechnen und Fragen zu l"osen: \item{Verkehrsfl"usse zwischen den Kreuzungen.}\label{problem:6} \item{Verkehrswerte f"ur einen Zeitpunkt in der Zukunft berechnen.}\label{problem:7} \end{enumerate} -Es wurden im Rahmen dieser Arbeit mehrere Berechnungsans"atze daraufhin "uberpr"uft, ob sie eines der gegebenen Problem l"osen kann. Die beschriebenen Ans"atze sind 'Hidden Markov Modell', 'Wegfindungsalorithmen' wie A* und 'lineares Gleichungssystem' und werden jeweils in einem eigenen Unterkapitel diskutiert.\\ \\ +Es wurden im Rahmen dieser Arbeit mehrere Berechnungsans"atze daraufhin "uberpr"uft, ob sie eines der gegebenen Herausforderungen l"osen kann. Die beschriebenen Ans"atze sind 'Hidden Markov Modell', 'Wegfindungsalorithmen' wie A* und 'lineares Gleichungssystem' und werden jeweils in einem eigenen Unterkapitel diskutiert.\\ \\ Das Ziel \ref{problem:1}, f"ur virtuelle Sensoren Werte zu berechnen war das erste Ziel, dass es zu erreichen galt. Da virtuelle Sensoren in dem entwickelten Verkehrsmodell ausschlie"slich Aus- und Eing"ange modellieren, da alle modellierten Kreuzungen auf den Einfahrtsspuren mit Sensoren best"uckt sind, kann die Herausforderung, Werte f"ur virtuelle Sensoren zu berechnen, gel"ost werden. So w"urde damit ebenfalls die Herausforderung einen Verkehrswert f"ur den jeweiligen Kreuzungsausgang zu berechnen gel"ost \ref{problem:2}.\\ \\ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um diese den einzelnen Verbindungen von Sensor zu Kreuzungsausgang zuzordnen. Danach werden die Berechnungsans"atze diskutiert, die die berechneten Abbiegewahrscheinlichkeiten ben"otigen. \subsection{Aufbereiten der Abbiegewahrscheinlichkeiten} Die Abbiegewahrscheinlichkeiten liegen mit einer sensorspezifischen Richtungsangabe vor. Diese richtet sich nach der Flie"srichtung des Verkehrs, welcher "uber den Sensor flie"st und bezeichnet die drei Richtungen Geradeaus, Links und Rechts. Mehr Informationen zu dem Format der Abbiegewahrscheinlichkeiten sind im Kapitel \autoref{sec:modell} beschrieben.\\ \\ - Ermittelt man die Kreuzung, von welcher der Verkehrsteilnehmer, welche den Sensor passiert hat, kommt, sowie die nachfolgenden Kreuzungen, welche "uber den Sensor erreichbar sind. So kann mithilfe der Positionen der vorhergehenden, der aktuellen und der nachfolgenden Kreuzung die Richtung der gew"ahlten, ausgehenden, Verbindung des Sensorknotens bestimmt werden.\\ \\ + Ermittelt man die Kreuzung, von welcher der Verkehrsteilnehmer, welcher den Sensor passiert hat, kommt, sowie die nachfolgenden Kreuzungen, welche "uber den Sensor erreichbar sind, so kann mithilfe der Positionen der vorhergehenden, der aktuellen und der nachfolgenden Kreuzung die Richtung der gew"ahlten ausgehenden Verbindung des Sensorknotens bestimmt werden.\\ \\ Hierf"ur werden die Positionen, angegeben in Latitude und Longitude, von vorgehender und aktueller, sowie aktueller und nachfolgender Kreuzungen, voneinander subtrahiert. Durch Untersuchung der Differenz kann bestimmt werden, ob vorhergehende bzw. nachfolgende Kreuzung, s"udlich, n"ordlich, westlich oder "ostlich der Kreuzung des zu untersuchenden Sensors liegt. Wird dies f"ur beide vor und nachfolgende Kreuzungen durchgef"uhrt kann der Verkehrsfluss bestimmt werden. Ein Beispiel w"are ein Fluss "uber Sensor x von Norden nach S"uden. Mithilfe einer Zuordnungstabelle kann die Richtung den Werten Geradeaus, Rechts und Links des Sensors zugeordnet werden und die entsprechende Abbiegewahrscheinlichkeit an der ausgehenden Kante des Sensor vermerkt werden. Die Zuordnungstabelle ist in \autoref{tbl:zuordnungstabell} zu finden. \begin{figure} \begin{tabular}{|l|l|l|l|} @@ -53,11 +53,11 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d au"serdem entspricht das Verfahren durch den "zufall" eher besserem Raten. \subsection{L"osungsansatz: Wegfindungsalgorithmen}\label{sec:berechnung:astar} - Um den Weg eines Fahrzeugs oder einer Fahrzeugkolonne zu simulieren bieten sich Wegfindungsalgorithmen an. Sie finden den k"urzesten Weg zum Ziel und das "ahnelt dem Verhalten der Menschen, einen Ort anzufahren. Die Idee die Anzahl der Autos anhand der Sensorwerte zu bestimmen und diese durch das Stra"sennetz zu ihrem Ziel fahren zu lassen erschien als eine gute L"osung. Aus dem Studium bekannte Algorithmen, wie der 'A*' k"onnen ein solches Wegfindungsproblem l"osen. Insbesondere die M"oglichkeit einen Graphen direkt zur Berechnung zu verwenden, lie"sen diesen Ansatz erfolgversprechend erscheinen. Die ben"otigte Absch"atzung der Distanz zwischen Start und Ziel Knoten w"are dabei die Luftlinie zwischen den beiden Punkten. Da keine Werte "uber einzelne Autos, sondern nur Messwerte "uber eine Minute zur Verf"ugung standen musste nicht nur ein einzelnes Auto, sondern eine Autokolonne simuliert werden.\\ \\ - Es stellte sich heraus, dass keinerlei Daten "uber das Ziel der Autofahrer in der Stadt Darmstadt bekannt oder gemessen wurden. Eine Erhebung war ebenfalls nicht m"oglich, da eine Vielzahl von Ausg"angen aus der 'Ministadt' untersucht werden m"ussten. Da kein Wegfindungsalgorithmus ohne Ziel funktionieren kann, wurden Wegfindungsalgorithmen als L"osungsansatz verworfen. + Um den Weg eines Fahrzeugs oder einer Fahrzeugkolonne zu simulieren, bieten sich Wegfindungsalgorithmen an. Sie finden den k"urzesten Weg zum Ziel und das "ahnelt dem Verhalten der Menschen, einen Ort anzufahren. Die Idee die Anzahl der Autos anhand der Sensorwerte zu bestimmen und diese durch das Stra"sennetz zu ihrem Ziel fahren zu lassen erschien als eine gute L"osung. Bekannte Algorithmen, wie der \textit{A*} k"onnen ein solches Wegfindungsproblem l"osen. Insbesondere die M"oglichkeit einen Graphen direkt zur Berechnung zu verwenden, lie"sen diesen Ansatz erfolgversprechend erscheinen. Die ben"otigte Absch"atzung der Distanz zwischen Start- und Zielknoten w"are dabei die Luftlinie zwischen den beiden Punkten. Da keine Werte "uber einzelne Autos, sondern nur Messwerte "uber eine Minute zur Verf"ugung standen, musste nicht nur ein einzelnes Auto, sondern eine Autokolonne simuliert werden.\\ \\ + Es sind keinerlei Daten "uber das Ziel der Autofahrer in der Stadt Darmstadt bekannt oder gemessen worden, die für diese Arbeit verwendet werden konnten. Eine Erhebung war ebenfalls nicht m"oglich, da eine Vielzahl von Ausg"angen aus der 'Ministadt' untersucht werden m"ussten. Da kein Wegfindungsalgorithmus ohne Ziel funktionieren kann, wurden Wegfindungsalgorithmen als L"osungsansatz verworfen. \subsection{L"osungsansatz: Lineares Gleichungssystem}\label{sec:berechnung:lgs} Das in Kapitel \autoref{sec:modell} beschriebene Modell erlaubt es mit Hilfe von linearen Gleichungssystemen einen Wert f"ur jeden Kreuzungsein- und Ausgang zu berechnen. Voraussetzung daf"ur ist, dass alle Kreuzungseing"ange auf jeder Spur mit Sensoren best"uckt sind, sowie, dass alle Verkehrsteilnehmer sich an die Stra"senverkehrsordnung halten. Insbesodere das Einhalten der Spurrichtung ist Voraussetzung f"ur eine korrekte Berechnung. In Kapitel \autoref{sec:modell} werden die Einschr"ankungen des Modells n"aher erl"autert.\\ \\ - Durch Addition derjenigen Sensorwerte, die auf den jeweiligen Ausgang zeigen, kann ein Wert f"ur diesen ausgerechnet werden. F"ur Mischspursensoren werden daf"ur Abbiegewahrscheinlichkeiten ben"otigt, um den Sensorwert entsprechend dem Abbiegeverhalten der Verkehrsteilnehmer auf die Ausg"ange zu verteilen. Die Abbiegewahrscheinlichkeit gibt dabei an, wieviel Prozent des Verkehrs, welcher "uber den Sensor flie"st dem jeweiligen Ausgangsknoten zugeordnet werden kann. Der Sensorwert wird entsprechend mit der jeweiligen Abbiegewahrscheinlichkeit multipliziert und auf den Ausgang addiert. Einspursensoren k"onnen dagegen direkt auf den Ausgang addiert werden, auf den sie zeigen, ohne das Abbiegewahrscheinlichkeiten von N"oten sind. Um das Berechnungsmodell einheitlich zu halten wurde bei der Matrizenrechnung eine Abbiegewahrscheinlichkeit von 1.0 f"ur Einspursensoren angegeben, da 100\% des Verkehrs, welcher "uber den Einspursensor flie"st, an dem entsprechenden Ausgang ankommen muss.\\ \\ + Durch Addition derjenigen Sensorwerte, die auf den jeweiligen Ausgang zeigen, kann ein Wert f"ur diesen ausgerechnet werden. F"ur Mischspursensoren werden daf"ur Abbiegewahrscheinlichkeiten ben"otigt, um den Sensorwert entsprechend dem Abbiegeverhalten der Verkehrsteilnehmer auf die Ausg"ange zu verteilen. Die Abbiegewahrscheinlichkeit gibt dabei an, wieviel Prozent des Verkehrs, welcher "uber den Sensor flie"st, dem jeweiligen Ausgangsknoten zugeordnet werden kann. Der Sensorwert wird entsprechend mit der jeweiligen Abbiegewahrscheinlichkeit multipliziert und auf den Ausgang addiert. Einspursensoren k"onnen dagegen direkt auf den Ausgang addiert werden auf den sie zeigen, ohne dass Abbiegewahrscheinlichkeiten von N"oten sind. Um das Berechnungsmodell einheitlich zu halten wurde bei der Matrizenrechnung eine Abbiegewahrscheinlichkeit von 1.0 f"ur Einspursensoren angegeben, da 100\% des Verkehrs, welcher "uber den Einspursensor flie"st, an dem entsprechenden Ausgang ankommen muss.\\ \\ Im Folgendem werden die Grundlagen von linearen Gleichungssystemen umrissen, woraufhin die entwickelte Berechnungsmethodik f"ur Kreuzungen und zwischen Kreuzungen genauer untersucht wird. \subsubsection{Grundlagen}\label{sec:berechnung:lgs:grund} Ein lineares Gleichungssystem, kurz LGS[gls:lgs], ist ein System linearer Gleichungen. Ein solches System hat n Unbekannte und m Gleichungen. Eine allgemeine Darstellungsform ist in Abbildung \ref{lgs:allgemein} beschrieben.\\ @@ -108,21 +108,21 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d [gaus ref]. Neben dem Gaus-Algorithmus existieren viele weitere L"osungsalgorithmen, einschlie"slich nummerische Verfahren. Die Qualit"at der L"osung h"angt dabei von dem gew"ahlten L"osungsverfahren und dem vorliegenden Gleichungssystem ab. \subsubsection{Lineares Gleichungssystem einer Kreuzung}\label{sec:berechnung:lgs:xr} Die Beziehungen zwischen Induktionsschleifensensoren und Kreuzungsein- und Ausg"angen kann durch ein lineares Gleichungssystem ausgedr"uckt werden. Der Wert f"ur den Ausgang errechnet sich aus der Summe aller, diesem Kreuzungseingang zugeordneten, Sensoren. Ein Wert f"ur den Kreuzungsausgang errechnet sich aus den Werten der Sensoren, deren Spur dem Verkehr erlauben diesen Kreuzungsausgang zu bedienen. Dabei muss zwischen Einspursensoren und Mischspursensoren unterschieden werden. Einspursensoren k"onnen direkt auf den Ausgang addiert werden, w"ahrend f"ur Mischspursensoren eine Abbiegewahrscheinlichkeit ben"otigt wird, die angibt, wie viel des gemessenen Verkehrs in die entsprechende Richtung flie"st. Durch Multiplikation des Sensorwertes mit der Abbiegewahrscheinlichkeit erh"alt man den gesuchten Teil des Verkehrs und kann diesen auf den Ausgang addieren. Um einen Wert f"ur den Kreuzungseingang zu berechnen, werden keine Abbiegewahrscheinlichkeiten ben"otigt und die Sensorwerte k"onnen direkt, unerheblich ob nun Misch- oder Einzelspursensor, auf den Eingang addiert werden. Dies begr"undet sich in der Tatsache, dass alle Sensoren an den Kreuzungseing"angen verbaut sind und der gemessene Wert eindeutig einem Eingang zugeordnet werden kann.\\ \\ - Allgemein kann der Verkehrswert des Kreuzungsein- und -Ausgang durch die in Abbildung \autoref{equ:xrallgemein} beschriebene Gleichung ausgedr"uckt werden. + Allgemein kann der Verkehrswert des Kreuzungsein- und -Ausgangs durch die in Abbildung \autoref{equ:xrallgemein} beschriebene Gleichung ausgedr"uckt werden. \begin{equation}\label{equ:xrallgemein} Kreuzungausgang_x = \sum ES_{xi} + \sum MS_{xj}*ABW_{xj} \end{equation} \begin{equation} Kreuzungseingang_x = \sum S_{xi} \end{equation} - $Kreuzungseingang_x$ bezeichnet denjenigen Kreuzungseingang der betrachten Kreuzung, der zur benachbarten Kreuzung x direkt verbunden ist.\\ + $Kreuzungseingang_x$ bezeichnet denjenigen Kreuzungseingang der betrachteten Kreuzung, der zur benachbarten Kreuzung x direkt verbunden ist.\\ $Kreuzungausgang_x$ bezeichnet denjenigen Kreuzungsausgang der betrachteten Kreuzung, welche vor der benachbarten Kreuzung x liegt.\\ $ES_x$ bezeichnet alle Einspursensoren welche auf den Kreuzungsausgang x zeigen.\\ $MS_x$ bezeichnet alle Mehrspursensoren welche auf den Kreuzungsausgang x zeigen.\\ $ABW_xi$ bezeichnet die Abbiegewahrscheinlichkeit des Mehrspursensors $MS_{xi}$ in Richtung Kreuzung x.\\ $S_x$ bezeichnet alle Sensoren welche direkt nach einem Kreuzungseingang in der Stra"se verbaut sind und entsprechend eine Verbindung, gegen die Flie"srichtung, zu dem Kreuzungseingang x hat.\\ Die Berechnung erfolgt dabei f"ur alle Aus- bzw. Eing"ange mithilfe eines linearen Gleichungssystems, um unbekannte Werte, mithilfe der Abh"angigkeiten der Gleichungen untereinander, zu ermitteln.\\ - Eine allgemeine Form des Gleichungssystem f"ur Ein- bzw. Ausg"ange ist in Abbildung \ref{equ:algcalcmatrix} beschrieben. + Eine allgemeine Form des Gleichungssystems f"ur Ein- bzw. Ausg"ange ist in Abbildung \ref{equ:algcalcmatrix} beschrieben. \begin{equation}\label{equ:algcalcmatrix} \begin{Bmatrix} & S_1 & S_2 & S_3 & \dots & S_n\\ @@ -171,8 +171,8 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d Out_m\\ \end{Bmatrix} \end{equation} - Zur Erl"auterung wird nochmals die A23\ref{abb:a23} betrachtet. Die in Kapitel \autoref{sec:modell} entwickelte Matrixdarstellung erweist sich als hilfreich und kann durch dekorieren mit Abbiegewahrscheinlichkeiten zur Berechnung einer L"osung genutzt werden. Hierf"ur werden Verbindungen zwischen Einspursensoren und dem Aus- bzw. Eingang nach wie vor mit einer '1' markiert, da der gesamte Verkehr, der "uber diesen Sensor flie"st genau einem Ausgang zugeordnet werden kann. Es kann 100\% des Wertes auf den entsprechenden Ausgang "ubertragen werden.\\ \\ - F"ur Mischspursensoren dagegen werden die Verbindungen durch eine Flie"skommazahl ersetzt, welche die jeweilige Abbiegewahrscheinlichkeit repr"asentiert. Durch Multiplikation der Matrix mit den gemessenen Sensorwerten eines bestimmten Zeitpunktes, kann ein Wert f"ur die Ein- und Ausg"ange zu diesem Zeitpunkt berechnet werden, sofern aller, in die Kreuzung einstr"omender, Verkehr von Sensoren erfasst wird und f"ur alle Mischspursensoren Abbiegewahrscheinlichkeiten vorliegen. Abbildung \ref{abb:a23calc} beschreibt diese Berechnung f"ur die Ein- und Ausg"ange der Kreuzung A23 zum Zeitpunkt []. + Zur Erl"auterung wird nochmals die A23\ref{abb:a23} betrachtet. Die in Kapitel \autoref{sec:modell} entwickelte Matrixdarstellung erweist sich als hilfreich und kann durch Erg"anzen mit Abbiegewahrscheinlichkeiten zur Berechnung einer L"osung genutzt werden. Hierf"ur werden Verbindungen zwischen Einspursensoren und dem Aus- bzw. Eingang nach wie vor mit einer '1' markiert, da der gesamte Verkehr, der "uber diesen Sensor flie"st genau einem Ausgang zugeordnet werden kann. Es kann 100\% des Wertes auf den entsprechenden Ausgang "ubertragen werden.\\ \\ + F"ur Mischspursensoren dagegen werden die Verbindungen durch eine Flie"skommazahl ersetzt, welche die jeweilige Abbiegewahrscheinlichkeit repr"asentiert. Durch Multiplikation der Matrix mit den gemessenen Sensorwerten eines bestimmten Zeitpunktes, kann ein Wert f"ur die Ein- und Ausg"ange zu diesem Zeitpunkt berechnet werden, sofern aller, in die Kreuzung einstr"omender Verkehr von Sensoren erfasst wird und f"ur alle Mischspursensoren Abbiegewahrscheinlichkeiten vorliegen. Abbildung \ref{abb:a23calc} beschreibt diese Berechnung f"ur die Ein- und Ausg"ange der Kreuzung A23 zum Zeitpunkt []. Eingangsmatrix:[todo] \begin{equation}\label{abb:a23calc} \begin{Bmatrix} @@ -266,24 +266,23 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d A104 & A104\\ \end{Bmatrix} \end{equation} - Dieses System ist nicht l"osbar, da zu viele Unbekannte in der Gleichung vorliegen. Das liegt insbesondere an fehlenden Ausgangswerten der Kreuzung. Diese k"onnen allerdings nicht bestimmt werden. Siehe hierf"ur \ref{sec:modell}.[todo?] Durch zus"atzliche Gleichungen k"onnen die Werte weiter eingeschr"ankt werden. Dies f"uhrt allerdings nicht zur L"osbarkeit des Systems. So m"ussen alle aufaddierten Abbiegewahrscheinlichkeiten eines Sensors kleiner gleich eins sein. Eine weitere M"oglichkeit das Gleichungssystem zu erweitern ist die Zuhilfenahme der Valierungssensoren. Da auf dem untersuchten Gebiet lediglich drei Validerungssensoren verbaut sind tr"agt eine Einbeziehung dieser Sensoren in das LGS ebenfalls nicht zu einer L"osung bei. Eine genauere Diskussion "uber die Validierungssensoren und deren Verwendungsm"oglichkeiten bei einem fl"achendeckendem Einsatz auf Kreuzungen wird in einem eigenen Unterkapitel behandelt. \\ \\ + Dieses System ist nicht l"osbar, da zu viele Unbekannte in der Gleichung vorliegen. Das liegt insbesondere an fehlenden Ausgangswerten der Kreuzung. Diese k"onnen allerdings nicht bestimmt werden. Siehe hierf"ur \ref{sec:modell}.[todo?] Durch zus"atzliche Gleichungen k"onnen die Werte weiter eingeschr"ankt werden. Dies f"uhrt allerdings nicht zur L"osbarkeit des Systems. So m"ussen alle aufaddierten Abbiegewahrscheinlichkeiten eines Sensors kleiner gleich eins sein. Eine weitere M"oglichkeit das Gleichungssystem zu erweitern ist die Zuhilfenahme der Valierungssensoren. Da auf dem untersuchten Gebiet lediglich drei Validerungssensoren verbaut sind, tr"agt eine Einbeziehung dieser Sensoren in das LGS ebenfalls nicht zu einer L"osung bei. Eine genauere Diskussion "uber die Validierungssensoren und deren Verwendungsm"oglichkeiten bei einem fl"achendeckendem Einsatz auf Kreuzungen wird in einem eigenen Unterkapitel behandelt. \\ \\ Eine weitere Anwendung ist die Berechnung der Abbiegewahrscheinlichkeiten. Unter der Annahme, dass alle Werte der Sensoren bekannt, allerdings f"ur einen Mischspursensor die Abbiegewahrscheinlichkeiten nicht bekannt sind. Dieses System ist ebenfalls nicht l"osbar, da abermals zu viele Unbekannte in dem System auftauchen. Hier sind die fehlenden Ausgangsverkehrswerte einer Kreuzung der Grund, weshalb es zu keiner L"osung kommen kann. Auch diese Anwendung wird in dem Unterkapitel zu Valliderungssensoren behandelt.[todo?] \subsection{Kreuzungsberechnung am Graphen}\label{sec:berechnung:graph} - Da alle modellierten Kreuzungen der 'Ministadt', alle eingehenden Spuren mit Sensoren versehen sind, k"onnen die Gleichungen f"ur die jeweiligen Ausg"ange unabh"angig voneinander gel"ost werden. Dies erlaubt es die Ausg"ange bzw. Eing"ange mithilfe des Graphen zu berechnen. Das entwickelte Verfahren macht sich zunutze, dass alle Eing"ange mit den Ausg"angen einer Kreuzung "uber genau einen bekannten Sensor miteinander verbunden sind.\\ \\ + Da bei allen modellierten Kreuzungen der 'Ministadt' alle eingehenden Spuren mit Sensoren versehen sind, k"onnen die Gleichungen f"ur die jeweiligen Ausg"ange unabh"angig voneinander gel"ost werden. Dies erlaubt es die Ausg"ange bzw. Eing"ange mithilfe des Graphen zu berechnen. Das entwickelte Verfahren macht sich zunutze, dass alle Eing"ange mit den Ausg"angen einer Kreuzung "uber genau einen bekannten Sensor miteinander verbunden sind.\\ \\ F"ur Eingangsknoten wird ausgehend von einem eben solchen, alle ausgehenden Kanten des Graphen verfolgt und der Wert aller darauffolgender Knoten aufaddiert. Dies entspricht der in \ref{sec:berechnung:lgs:xr} beschrieben Berechnungsmethode f"ur Eingangsknoten. [bild mit berechnung todo] F"ur Ausgangsknoten einer Kreuzung kann das selbe Verfahren genutzt werden. Es werden alle eingehenden Kanten, entgegen der Verkehrsflussrichtung, vom Ausgangsknoten ausgehend, verfolgt und die Sensorwerte aufaddiert. F"ur Mischspursensoren wird dabei der Wert mit der an der Kante annotierten Abbiegewahrscheinlichkeit multipliziert. [bild mit berechnung] Wird dieses Verfahren f"ur alle Aus- und Eing"ange einer Kreuzung durchgef"uhrt, k"onnen f"ur alle Aus- und Eing"ange ein Verkehrswert berechnet werden, unter der Vorraussetzung, dass alle Eingangsspuren der Kreuzung mit Sensoren best"uckt sind.\\ \\ - Das zeitlose "Ubertragen der Werte vom Kreuzungseingang auf den Ausgang begr"undet sich mit der Tatsache, dass alle vorliegenden Sensorwerte den Verkehr "uber einen Zeitraum von einer Minute messen und nach Ende des Intervalls einen Anzahl an Verkehrsteilnehmern ausweist, die "uber den Sensor gefahren sind. Die gemessenen Verkehrsteilnehmer haben die Kreuzung folglich bereits passiert. Lediglich die letzten Autos k"onnten sich noch auf der Kreuzung befinden. Dies wird allerdings vernachl"assigt. + Das zeitlose "Ubertragen der Werte vom Kreuzungseingang auf den Ausgang begr"undet sich mit der Tatsache, dass alle vorliegenden Sensorwerte den Verkehr "uber einen Zeitraum von einer Minute messen und nach Ende des Intervalls eine Anzahl an Verkehrsteilnehmern ausweist, die "uber den Sensor gefahren sind. Die gemessenen Verkehrsteilnehmer haben die Kreuzung folglich bereits passiert. Lediglich die letzten Autos k"onnten sich noch auf der Kreuzung befinden. Dies wird allerdings vernachl"assigt. \subsubsection{Verkehrsfluss zwischen Kreuzungen}\label{sec:berechnung:betweenxr} - Zwischen Kreuzungen ist das entwickelte Modell ungenau, da Seitenstra"sen und Kreuzungen ohne Sensoren nicht modelliert werden. Es kann aufgrund der Berechnungen aus \autoref{sec:berechnung:lgs:xr} ein Wert f"ur den Verkehr bestimmt werden, welcher, von einer Kreuzung ausgehend, in eine bestimmte Richtung flie"st. + Zwischen Kreuzungen ist das entwickelte Modell ungenau, da Seitenstra"sen und Kreuzungen ohne Sensoren nicht modelliert werden. Es kann aufgrund der Berechnungen aus \autoref{sec:berechnung:lgs:xr} ein Wert f"ur den Verkehr bestimmt werden, welcher von einer Kreuzung ausgehend, in eine bestimmte Richtung flie"st. Dieser Wert entspricht dem f"ur den Ausgang der Kreuzung berechneten Wert, da dieser Wert aussagt wie viele Autos die Kreuzung in diese Richtung verlassen haben.\\ \\ Dadurch dass die vorliegenden Sensordaten f"ur eine Minute gemessen wurden, kann leider nicht berechnet werden wie viele Verkehrsteilnehmer, die eine Kreuzung verlassen, an einer anderen wieder einflie"sen und welcher Teil in Seitenstra"sen abgeflossen ist, da die Messungen zweier Kreuzungen nicht in eine Beziehung gesetzt werden k"onnen. \subsubsection{Sonderfall: Validierungssensor}\label{sec:berechnung:vallidate} - Als Validierungssensoren werden diejenigen Sensoren bezeichnet, welche direkt vor inem kreuzungsausgang liegen. Sie k"onnen von verschiedenen Seiten den Kreuzung befahren werden und z"ahlen in der Regeln Verkehr, welcher bereits von einem Sensor gez"ahlt wurden. - Da der Einsatz dieser Validierungssensoren nicht fl"achendeckend ist, k"onnen diese Sensoren nicht sinnvoll verwendet werden. Im nachfolgendem Abschnitt wird beschrieben, welche Berechnungen auf Basis des, weiter oben in diesem Kapitel, entwickelten Gleichungssystems, mithilfe einer vollst"andig mit Validierungssensoren best"uckten Kreuzung, m"oglich sind. \\ \\ - Sind alle Ausgangsspuren einer Kreuzung mit Validierungssensoren best"uckt, kann der Ausgangswert einer Kreuzung durch aufaddieren der jeweiligen Sensorwerte, analgo zur Berechnung der Kreuzungseingangswerte, exakt bestimmt werden. Es sind keine Abbiegewahrscheinlichkeiten mehr notwendig, der den Verkehr, welcher "uber einen Eingangssensor flie"st, aufteilt. Das Ergebnis $b$ des oben beschrieben Gleichungssystems kann eingef"ullt werden. Dies erm"oglicht es, die Abbiegewahrscheinlichkeiten mithilfe eines LGS-L"osungsverfahrens zu bestimmen. An Beispiel der Kreuzung A23 wurden Validierungssensoren durch ein vorhandenes, frei gew"ahltes, Ergebnis simuliert. Hierf"ur wird angenommen, dass jeder Ausgang der Kreuzung von 5 Fahrzeugen verlassen wird. + Als Validierungssensoren werden diejenigen Sensoren bezeichnet, welche direkt vor einem Kreuzungsausgang liegen. Sie k"onnen von verschiedenen Seiten den Kreuzung befahren werden und z"ahlen in der Regeln Verkehr, welcher bereits von einem Sensor gez"ahlt wurden. Da der Einsatz dieser Validierungssensoren nicht fl"achendeckend ist, k"onnen diese Sensoren nicht sinnvoll verwendet werden. Im nachfolgendem Abschnitt wird beschrieben, welche Berechnungen auf Basis des weiter oben in diesem Kapitel entwickelten Gleichungssystems, mithilfe einer vollst"andig mit Validierungssensoren best"uckten Kreuzung, m"oglich sind.\\ \\ + Sind alle Ausgangsspuren einer Kreuzung mit Validierungssensoren best"uckt, kann der Ausgangswert einer Kreuzung durch aufaddieren der jeweiligen Sensorwerte, analog zur Berechnung der Kreuzungseingangswerte, exakt bestimmt werden. Es sind keine Abbiegewahrscheinlichkeiten mehr notwendig, der den Verkehr, welcher "uber einen Eingangssensor flie"st, aufteilt. Das Ergebnis $b$ des oben beschrieben Gleichungssystems kann eingef"ullt werden. Dies erm"oglicht es, die Abbiegewahrscheinlichkeiten mithilfe eines LGS-L"osungsverfahrens zu bestimmen. An Beispiel der Kreuzung A23 wurden Validierungssensoren durch ein vorhandenes, frei gew"ahltes, Ergebnis simuliert. Hierf"ur wird angenommen, dass jeder Ausgang der Kreuzung von 5 Fahrzeugen verlassen wird. \begin{equation} \begin{Bmatrix} & D1 & D2 & D3 & D4 & D5 & D6 & D7 & D8 & D9 & D10\\ @@ -313,7 +312,7 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d A104 & 5\\ \end{Bmatrix} \end{equation} - Durch l"osen des LGS erh"alt man die Abbiegewahrscheinlichkeiten der einzelnen Sensoren. Diese Abbiegewahrscheinlichkeiten entsprechen dabei dem exakten Abbiegeverhalten der Verkehrsteilnehmer "uber dem Messinverall. Die, f"ur dieses Beispiel bestimmten, Abbiegewahrscheinlichkeiten sind in Tabelle [todo] aufgezeigt. + Durch l"osen des LGS erh"alt man die Abbiegewahrscheinlichkeiten der einzelnen Sensoren. Diese Abbiegewahrscheinlichkeiten entsprechen dabei dem exakten Abbiegeverhalten der Verkehrsteilnehmer "uber dem Messinverall. Die f"ur dieses Beispiel bestimmten Abbiegewahrscheinlichkeiten sind in Tabelle [todo] aufgezeigt. Nachfolgend ein Beispiel einer Kreuzung, der A4, welche an einer Stelle eine Validierung zul"asst. \begin{figure}[htbp!] @@ -322,7 +321,7 @@ Zun"achst wird das Aufbereiten der Abbiegewahrscheinlichkeiten beschrieben, um d \caption{Kreuzung A4} \end{figure} - Der Sensor IR21 kann partiell durch den Sensor D22 validiert werden. Da die Fahrzeuge "uber den Sensor IR21 in genau zwei Richtungen fahren k"onnen, kann der Fluss eindeutig bestimmt werden und es kann f"ur jeden Datensatz berechnet werden wie viele Fahrzeuge, welche "uber den Sensor IR21 gefahren sind nach rechts abgebogen sind, und wieviele geradeaus gefahren sind. Die abbiegewahrscheinlichkeiten f"ur den Sensor IR21 berechnen sich wie folgt: + Der Sensor IR21 kann partiell durch den Sensor D22 validiert werden. Da die Fahrzeuge "uber den Sensor IR21 in genau zwei Richtungen fahren k"onnen, kann der Fluss eindeutig bestimmt werden und es kann f"ur jeden Datensatz berechnet werden wie viele Fahrzeuge, welche "uber den Sensor IR21 gefahren sind, nach rechts abgebogen, und wieviele geradeaus gefahren sind. Die Abbiegewahrscheinlichkeiten f"ur den Sensor IR21 berechnen sich wie folgt: \begin{equation} Abbw_{A23} = D22.count / IR21.count \end{equation} diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/daten.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/daten.tex index ce8b7418..7e6a52ba 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/daten.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/daten.tex @@ -92,10 +92,10 @@ In diesem Kapitel werden die Verkehrsdaten, die f \includegraphics[width=0.5\textwidth]{pic/overview_ministadt} \caption{Ministadt, Ausschnitt von Darmstadt, der innerhalb dieser Arbeit betrachtet wurde.} \end{figure} - Die Wahl des Ausschnitts richtete sich insbesondere nach der Anzahl der verbauten Sensorik. So finden sich auf allen zehn Kreuzungen 89 Sensoren, f"ur die Sensorwerte zur Verf"ugung stehen. Neben der Anzahl der Sensoren wurde auch darauf geachtet, dass die untersuchten Kreuzungen sog. Sonderf"allen aufweisen. Diese Sonderf"alle sind gesonderte Verkehrsvorgaben oder spezielle Sensoren und sind im folgenden beschrieben: + Die Wahl des Ausschnitts richtete sich insbesondere nach der Anzahl der verbauten Sensorik. So finden sich auf allen zehn Kreuzungen 89 Sensoren, f"ur die Sensorwerte zur Verf"ugung stehen. Neben der Anzahl der Sensoren wurde auch darauf geachtet, dass die untersuchten Kreuzungen sog. Sonderf"alle aufweisen. Diese Sonderf"alle sind gesonderte Verkehrsvorgaben oder spezielle Sensoren und sind im folgenden beschrieben: \begin{enumerate} \item{Einbahnstra"sen: Eine Stra"se, welche nur in eine Richtung befahren werden darf.} - \item{Mischspuren: Kreuzungseingangs-Fahrspuren, welche dem Verkehrsteilnehmer, erlauben die Kreuzung in mehr als eine Richtung zu verlassen.} + \item{Mischspuren: Kreuzungseingangs-Fahrspuren, welche dem Verkehrsteilnehmer erlauben die Kreuzung in mehr als eine Richtung zu verlassen.} \item{Seitenstra"sen: Seitenstra"sen ohne Sensorik.} \item{Validierungssensoren: Sensoren, welche die Sensorwerte anderer Sensoren (teilweise) best"atigen.} \end{enumerate} @@ -106,7 +106,7 @@ In diesem Kapitel werden die Verkehrsdaten, die f Sie geben Aufschluss, an welcher Stelle ein Sensor in der Stra"sendecke verbaut ist und wei"st dessen kreuzungsinternen Namen aus, der zur Identifizierung des Sensors ben"otigt wird. Die CAD-Zeichnungen dienen der manuellen Modellierung des Stra"senmodells, sowie der Identifizierung der Sensoren sowie der Zuordnung ihrer Sensor-Klasse und -Typs. So sind in den CAD-Zeichnungen die Fahrspuren und deren erlaubte Flie"srichtung markiert. Aufgrund dessen konnte eine Zuordnung von Sensoren nach ihrer Klasse, Einspursensor oder Mischspursensor, vorgenommen werden. Des Weiteren wurden mithilfe der CAD-Zeichnungen die Verbindungen von Sensor zum virtuellem Kreuzungsausgangsknoten manuell in der Datenbank vermerkt, um den, im Kapitel\autoref{sec:modell} entwickelten, Graphen aufzuspannen. Die CAD-Zeichnungen der Kreuzungen der 'Ministadt' sind dem Anhang beigef"ugt \ref{anhang:a3}. \subsection{Abbiegewahrscheinlichkeiten}\label{sec:datengrund:abbw} - Von der Stadt Darmstadt wurden neben den Sensorwerten, gemittelte Abbiegewahrscheinlichkeiten f"ur einige der Induktionsschleifen zur Verf"ugung gestellt. Sie werden f"ur die Berechnung von Verkehrsfl"ussen bei Mischspursensoren ben"otigt. Die Abbiegewahrscheinlichkeiten eines Sensors beschreiben dabei wie viel Prozent des Verkehrs, der "uber den Sensor flie"st, zu dem jeweiligen Ausgang der Kreuzung flie"sen darf. N"aheres ist im Kapitel \autoref{sec:berechnung} zu finden. Diese Daten wurden mit Hilfe von Video"uberwachung der zu untersuchenden Kreuzungen, f"ur die Planungsabteilung des Verkehrsamtes[todo name] der Stadt Darmstadt ermittelt. Alle Werte sind dabei "uber die gesamten Messungen eines Tages gemittelt und liegen in PDF-Format f"ur die beiden Teile der Stadt, Nord und S"ud, vor \ref{abb:abbwnorth} \ref{abb:abbwsouth}.\\ \\ + Von der Stadt Darmstadt wurden neben den Sensorwerten, gemittelte Abbiegewahrscheinlichkeiten f"ur einige der Induktionsschleifen zur Verf"ugung gestellt. Sie werden f"ur die Berechnung von Verkehrsfl"ussen bei Mischspursensoren ben"otigt. Die Abbiegewahrscheinlichkeiten eines Sensors beschreiben dabei wie viel Prozent des Verkehrs, der "uber den Sensor flie"st, zu dem jeweiligen Ausgang der Kreuzung flie"sen darf. N"aheres ist im Kapitel \autoref{sec:berechnung} zu finden. Diese Daten wurden mit Hilfe von Video"uberwachung der zu untersuchenden Kreuzungen, f"ur die Planungsabteilung des Verkehrsamtes[todo name] der Stadt Darmstadt ermittelt. Alle Werte sind dabei "uber die gesamten Messungen eines Tages gemittelt und liegen in PDF-Format f"ur die beiden Teile der Stadt, Nord und S"ud, vor (siehe Anhang \ref{abb:abbwnorth} \ref{abb:abbwsouth}).\\ \\ \cite{thesis:michael} hat im Rahmen seiner Bachelorarbeit diese Daten in eine MYSQL-Datenbank "ubertragen. Desweiteren berechnet er genauere Abbiegewahrscheinlichkeiten f"ur die einzelnen Knoten, indem mithilfe einer Mittelung die Ausgangswerte einer Kreuzung in Beziehung zu einem Wert am benachbarten Kreuzungseingang gesetzt werden. Diese Daten lagen allerdings noch nicht vor und konnten aus diesem Grund im Rahmen dieser Arbeit nicht untersucht werden.\\ \\ Die aufbereiteten Abbiegewahrscheinlichkeiten der Stadt liegen in der Form (Kreuzung, Sensor, Geradeaus, Links, Rechts) (siehe Tabelle \ref{tbl:abbw}) vor. Die Werte f"ur Links, Rechts und Geradeaus sind dabei in einer komplexen Form angegeben und m"ussen zur Verwendung auf eine Gleitkommazahl reduziert werden. Des Weiteren gilt es, die Richtung vom Sensor unabh"angig zu machen, da sich die Angaben Links, Rechts und Geradeaus auf die Fahrtrichtung des Verkehrs, der "uber den Sensor flie"st, beziehen.\\ \\ Zur Reduzierung der Werte auf Gleitkommazahlen wurden die Daten manuell bearbeitet. Die CAD-Zeichnungen dienen dabei als Hilfe, um die kreuzungsspezifischen Angaben interpretieren zu k"onnen. Ein aufbereiteter Ausschnitt der Abbiegewahrscheinlichkeiten ist in Tabelle \ref{tbl:abbw} zu finden. diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/einleitung.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/einleitung.tex index 8612cdfa..1ea02123 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/einleitung.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/einleitung.tex @@ -1,10 +1,10 @@ \section{Einleitung}\label{sec:einleitung} Die Anzahl der LKWs und PKWs auf den Stra"sen Deutschlands steigt st"andig an. Insbesondere die moderne hochindustrialisierte Produktion von Autos lie"sen deren Preise fallen und erlaubten es Jedermann ein eigenes Auto zu besitzen. So waren im Jahre 1955 lediglich 1.748 tausend PKWs und 603 tausend LKWs gemeldet. Heute, 2013 sind 43.431 tausend PKWs und 2.579 tausend LKWs auf den Stra"sen Deutschlands unterwegs\cite{web:statista:lkw}\cite{web:statista:pkw}. Dabei ist neben dem Personenverkehr besonders der G"uterverkehr eine gro"se Belastung f"ur die Stra"sen. Das Statistische Bundesamt\footnote{Die Website des Statistischen Bundesamtes ist unter http://www.destatis.de/ zu erreichen.} weist in einer Erhebung der Anteile der Verkehrstr"ager im G"uterverkehr aus Deutschland in die EU\cite{web:statista:gueter} den Stra"senverkehr mit 57\% aus w"ahrend Bahn- und Schifffahrtsverkehr lediglich einen Anteil von unter 10\% an dem G"utertransport haben. Die gr"o"ser gewordene Anzahl der Verkehrsteilnehmer auf den Stra"sen wird zunehmend zu einer Belastung f"ur die St"adte, Stra"sen, Mensch und Umwelt. In einer Umfrage des Umweltbundesamts \footnote{Die Website des Umwelt Bundesamtes ist unter http://www.umweltbundesamt.de/ zu erreichen.} von 2010 unter der Bev"olkerung, gaben 57\% der Befragten an, von Stra"senverkehrsl"arm bel"astigt zu werden\cite{web:statista:laerm}. Aus dies Grund ist die Verbesserung des innerst"adtischen Verkehrs, ob nun durch Umgehungsstra"sen, Feinstaubfilter oder andere Ma"snahmen, immer auch eine Verbesserung der Lebensqualit"at der dort lebenden und arbeitenden Menschen.\\ \\ -Eine dieser Ma"snahmen ist der Einsatz von verkehrsaufkommensgesteuerter Ampelanlagen. Besonders gr"o"sere St"adte, welche unter hohem Verkehrsaufkommen leiden, setzen diese Technik seit einigen Jahren vermehrt ein. Sie erm"oglichen es der Ampel mit Hilfe von, in der Fahrbahndecke verbauten Sensoren, ihre Ampelphasen, unter gewissen Rahmenbedingung, selbst zu steuern. Die Sensorik erkennt dabei, ob ein Auto an der Haltelinie steht und fordert eine Freigabe der Fahrtrichtung. Durch Einsatz einer solchen verkehrsaufkommensgesteuerter Ampel kann nachweislich \cite{paper:adaptiv} eine Verbesserung des Verkehrsflusses erreicht und die Haltezeiten an der Ampeln verk"urzt werden. Zunehmend werde auch sog. 'voll-adaptive' Ampelsteuerungen eingesetzt, welche neben den Sensorwerten der jeweiligen Kreuzung auch die Sensorwerte benachbarter Kreuzungen in die Berechnung der Ampelphasen einflie"sen lassen. Dieser Ansatz verspricht einen noch fl"ussigeren Verkehr und eine nochmalige Verbesserung des Verkehrsflusses.\\ \\ +Eine dieser Ma"snahmen ist der Einsatz von verkehrsaufkommensgesteuerten Ampelanlagen. Besonders gr"o"sere St"adte, welche unter hohem Verkehrsaufkommen leiden, setzen diese Technik seit einigen Jahren vermehrt ein. Sie erm"oglichen es der Ampel mit Hilfe von, in der Fahrbahndecke verbauten Sensoren, ihre Ampelphasen, unter gewissen Rahmenbedingung, selbst zu steuern. Die Sensorik erkennt dabei, ob ein Auto an der Haltelinie steht und fordert eine Freigabe der Fahrtrichtung. Durch Einsatz einer solchen verkehrsaufkommensgesteuerten Ampel kann nachweislich \cite{paper:adaptiv} eine Verbesserung des Verkehrsflusses erreicht und die Haltezeiten an der Ampeln verk"urzt werden. Zunehmend werden auch sog. 'voll-adaptive' Ampelsteuerungen eingesetzt, welche neben den Sensorwerten der jeweiligen Kreuzung auch die Sensorwerte benachbarter Kreuzungen in die Berechnung der Ampelphasen einflie"sen lassen. Dieser Ansatz verspricht einen noch fl"ussigeren Verkehr und eine nochmalige Verbesserung des Verkehrsflusses.\\ \\ Neben einer verbesserten Ampelsteuerung um den Verkehr schneller flie"sen zu lassen, haben sich einige Firmen auf die Untersuchung des Verkehrs spezialisiert und bieten Analysewerkzeuge f"ur den Verkehr an. So bieten die Programme VISSIM\footnote{Die Website der Software VISSIM lautet \url{http://www.vissim.de/}} und PELOPS\footnote{PELOPS: Programm zur Entwicklung L"angsdynamischer, mikrOskopischer VerkehrsProzesse in Systemrelevanter Umgebung} eine professionelle Modellierung von Verkehr an. Dabei kommt eine sog. mikroskopische Verkehrsmodellierung zum Einsatz. Mikroskopische Verkehrsmodelle modellieren dabei jeden einzelnen Verkehrsteilnehmer um Beziehungen unter diesen aufzeigen und berechnen zu k"onnen. So bestimmt sich die Geschwindigkeit eines Autos in einem solchen Modell in der Regel aus der des Vordermanns.\\ \\ -In dieser Arbeit wird untersucht inwieweit die Sensorik einer verkehrsaufkommensgesteuerten Ampelanlage ausreicht, um zu bestimmen, in welche Richtung und wie viel des Verkehr aus und in die Kreuzungen flie"st. Dies ist besonders interessant, da die Sensorik bereits auf der Stra"se verbaut ist und keine manuellen Datenerhebungen notwendig sind. Die Herausforderung dabei ist, dass nicht alle Stra"sen und Kreuzungen mit Induktionsschleifen ausgestattet sind, da nicht alle Kreuzungen Ampelanlagen aufweisen, welche die Sensorik erfordert. Man m"ochte allerdings Verkehrswerte f"ur diese, nicht bekannten Bereiche, berechnen oder absch"atzen k"onnen, um die momentane Verkehrssituation besser einsch"atzen und sich einen "Uberblick "uber die aktuelle Verkehrslage verschaffen zu k"onnen. Dabei erweisen sich die geringe Sensormenge und der gro"se Abstand zwischen diesen, als die gr"o"sten Herausforderungen. F"ur die Untersuchung wurde ein Ausschnitt des Stra"sennetzes der Stadt Darmstadt\footnote{Die Website der Stadt Darmstadt ist unter \url{http://www.darmstadt.de/} zu erreichen.} gew"ahlt und ein Modell f"ur Kreuzungen und ein zweites Modell f"ur zwischen den Kreuzungen erstellt. Hierf"ur wird, im Gegensatz zu industriellen Verkehrssimulationswerkzeugen ein makroskopischer Ansatz gew"ahlt um der geringen Sensordichte gerecht zu werden.\\ \\ +In dieser Arbeit wird untersucht inwieweit die Sensorik einer verkehrsaufkommensgesteuerten Ampelanlage ausreicht, um zu bestimmen, in welche Richtung und wie viel des Verkehrs aus und in die Kreuzungen flie"st. Dies ist besonders interessant, da die Sensorik bereits auf der Stra"se verbaut ist und keine manuellen Datenerhebungen notwendig sind. Die Herausforderung dabei ist, dass nicht alle Stra"sen und Kreuzungen mit Induktionsschleifen ausgestattet sind, da nicht alle Kreuzungen Ampelanlagen aufweisen, welche die Sensorik erfordert. Man m"ochte allerdings Verkehrswerte f"ur diese, nicht bekannten Bereiche, berechnen oder absch"atzen k"onnen, um die momentane Verkehrssituation besser einsch"atzen und sich einen "Uberblick "uber die aktuelle Verkehrslage verschaffen zu k"onnen. Dabei erweisen sich die geringe Sensormenge und der gro"se Abstand zwischen diesen, als die gr"o"sten Herausforderungen. F"ur die Untersuchung wurde ein Ausschnitt des Stra"sennetzes der Stadt Darmstadt\footnote{Die Website der Stadt Darmstadt ist unter \url{http://www.darmstadt.de/} zu erreichen.} gew"ahlt und ein Modell f"ur Kreuzungen und ein zweites Modell f"ur zwischen den Kreuzungen erstellt. Hierf"ur wird, im Gegensatz zu industriellen Verkehrssimulationswerkzeugen ein makroskopischer Ansatz gew"ahlt um der geringen Sensordichte gerecht zu werden.\\ \\ F"ur diese Aufgabe stehen die Sensordaten von den Ampelanlagen der Stadt Darmstadt zur Verf"ugung. Die Stadt hat eine Vielzahl ihrer Kreuzungen mit sog. Induktionsschleifen, Verkehrssensoren, best"uckt. Diese liefern im Minutentakt Messwerte "uber die Anzahl der Autos, welche den Sensor passiert und solche die auf dem Sensor gestanden haben. Es wurde ein Ausschnitt von zehn Kreuzungen betrachtet, die eine hohe Sensordichte aufweisen. Die Einschr"ankung auf das verkleinerte Gebiet begr"undet sich aus der Menge der zu betrachtenden Daten. Das Betrachten eines kleineren Ausschnitts erm"oglichte es im Rahmen dieser Arbeit eine genauere Untersuchung durchzuf"uhren, als dies auf dem gesamten Stadtgebiet der Stadt Darmstadt m"oglich w"are.\\ \\ -Grundlage dieser Arbeit sind insbesondere die Arbeit \cite{paper:kwonmurphy}, welche eine Modellierung von Freeway-Verkehrs vornimmt und mit Hilfe eines Hidden Markov Modell die Geschwindigkeit von Verkehrsteilnehmer vorhersagt. Die Arbeit \cite{thesis:neubert}, die mithilfe von zellular Automaten den Verkehr auf Autobahnen simuliert, sowie die Daten der Arbeit \cite{thesis:mueller}, welche die Verkehrsdaten der Stadt Darmstadt bereits aufbereitet hat. Die Arbeit \cite{thesis:lehnhoff} erwies sich als hilfreich zur Validierung. So konnten die dort befundenen Sensorungenauigkeiten best"atigt werden.\\ \\ +Grundlage dieser Arbeit sind insbesondere die Arbeit \textit{Modelling Freeway Traffic with Coupled HMMs} \cite{paper:kwonmurphy}, welche eine Modellierung von Verkehr auf Schnellstra"sen vornimmt und mit Hilfe eines Hidden Markov Modells die Geschwindigkeit von Verkehrsteilnehmer vorhersagt. Die Arbeit \cite{thesis:neubert}, die mithilfe von zellular Automaten den Verkehr auf Autobahnen simuliert, sowie die Daten der Arbeit \cite{thesis:mueller}, welche die Verkehrsdaten der Stadt Darmstadt bereits aufbereitet hat. Die Arbeit \cite{thesis:lehnhoff} erwies sich als hilfreich zur Validierung. So konnten die dort befundenen Sensorungenauigkeiten best"atigt werden.\\ \\ Eine Beschreibung der Grundlagen, sowie die genau Beschreibung der Daten der Stadt Darmstadt, wird im Kapitel \autoref{sec:datengrund} vorgenommen. Das entwickelte Graphen-basierte Zweistufenmodell f"ur Kreuzungen und zwischen Kreuzungen wird in Kapitel \autoref{sec:modell} vorgestellt. Es modelliert neben den Induktionsschleifen sog. 'virtuelle Sensoren', f"ur die keine Sensorwerte vorliegen. [todo collage] \begin{figure} diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/grundlagen.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/grundlagen.tex index 11a29f6f..52a83507 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/grundlagen.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/grundlagen.tex @@ -12,7 +12,8 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -modellierung be \subfigure[Induktionsschleife mit Kabel nach Abfr"asen der Fahrbahn. Quelle: wikipedia.org]{\includegraphics[width=0.3\textwidth-2\fboxsep-2\fboxrule]{pic/800px-Induktionsschleife}} \label{abb:2} \subfigure[Schematischer Aubau einer Induktionsschleife Quelle: \cite{thesis:mazur}.]{\includegraphics[width=0.5\textwidth-2\fboxsep-2\fboxrule]{pic/induktionsschleife-schema}} - \label{abb:3} + \label{abb:3} + \caption{test todo} \end{figure} Wie bei jedem Sensor sind die Messungen unter Vorbehalt von Fehlern zu betrachten. In der Arbeit von \cite{thesis:lehnhoff} wurden die Induktionsschleifen des Stadtgebiets von Hannover untersucht und festgestellt, dass es sehr starke Unterschiede der Messgenauigkeit unter den Sensoren gibt. So wird in dieser Arbeit festgestellt, dass bei nur einem Drittel der Sensoren eine Messgenauigkeit von 90\% erreicht wird w"ahrend ein gleichgro"ser andere Teil eine Genauigkeit von unter 40\% aufweist. Laut dem Merkblatt zu Detektoren f"ur den Stra"senverkehr \cite{merk:street} wird f"ur Messfehler von Induktionsschleifen zwischen vier Fehlertypen unterschieden: \begin{enumerate} @@ -32,8 +33,8 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -modellierung be \subsection{Adaptive Steuerung von Ampelanlagen}\label{sec:datengrund:adapt} Mit der Zunahme des motorisierten Verkehrs erhielten Anfang des 20. Jahrhunderts sog. Verkehrspolizisten die Aufgabe den Verkehr an Kreuzungen zu regeln. 1924 wurde am Potzdamer Platz in Berlin die erste Ampel errichtet, um die gestiegenen Personalkosten der Verkehrspolizisten zu reduzieren. In den folgenden Jahren wurde die Ampeltechnik weiter verbessert, an der manuellen Steuerung durch Verkehrspolizisten wurde allerdings festgehalten.\\ Die erste verkehrsabh"angige Steuerung wurde 1928 von Charles Adler jr. entwickelt und in Baltimore, Maryland das erste mal eingesetzt \cite{paper:adaptiv}[direct cite]. Bevor diese Technik allerdings Einzug in den allt"aglichen Kreuzungsverkehr fand vergingen noch etwa 40 Jahre. Heute sind die Kreuzungen vieler gro"ser St"adte mit dieser Steuerungstechnik ausgestattet. Die meisten der eingesetzten verkehrsabh"angigen Ampelsteuerungen setzen sog. Ablauflogiken ein. Sie erlauben es zu pr"ufen, ob eine zeitliche oder logische Bedingung der Kreuzung verletzt ist. Im Rahmen dieser Bedingungen kann die Umlaufzeit, Versatzzeit, Phasenfolge und/oder die Freigabezeit dynamisch dem Verkehr angepasst werden. Um den Bedarf an Freigabezeit zu berechnen, kommen die oben beschriebenen Induktionsschleifen zum Einsatz, um den Verkehr zu messen. Wird ein Auto auf einem Sensor erkannt, so kann die Ampelphase verl"angert oder die entsprechende Verkehrsrichtung freigeschaltet werden. Diese verkehrsabh"angige Steuerung von Ampelanlagen wird 'adaptive Steuerung' genannt.\\ \\ - Durch eine solche Ampelsteuerung verk"urzt sich die Haltezeiten von Autos und sorgt f"ur einen fl"ussigeren Verkehr, im Vergleich zu einer sog. Festzeitsteuerung\cite{paper:adaptiv}, welche die Ampel nach fest definierten Ampelphasen schaltet. Dies begr"undet sich darin, dass die adaptive Ampelschaltung eine Spur nur dann freischaltet, wenn diese von einem Fahrzeug, detektiert mit Hilfe des Sensor in der Stra"se, ben"otigt wird. Es besteht au"serdem die M"oglichkeit, die Ampelphase so lange zu verl"angern, bis eine L"ucke in der Fahrzeugkolonne erkannt wird, um einen Zug von Fahrzeugen "uber die Kreuzung zu lassen. Werden die Induktionsschleifen an den Haltelinien einer Kreuzung verbaut, k"onnen sie au"serdem verwendet werden, um Rotlichtverst"o"se automatisch zu erkennen.\\ \\ - Die Steuerung der Ampelanlagen ist ein Teil der Verkehrsmanagement \autoref{abb:verkehrsmanagement}. Sie ist f"ur viele andere Bereiche der Verkehrstechnik von gro"sem Interesse, da die Ampeln Sensordaten liefern, die vielf"altig verwendet werden k"onnen. Ein Beispiel der Verwendung ist diese Arbeit, die aus den erfassten Induktionsschleifenwerten Verkehrsfl"usse berechnet. + Durch eine solche Ampelsteuerung verk"urzt sich die Haltezeit von Fahrzeugen und sorgt f"ur einen fl"ussigeren Verkehr, im Vergleich zu einer sog. Festzeitsteuerung\cite{paper:adaptiv}, welche die Ampel nach fest definierten Ampelphasen schaltet. Dies begr"undet sich darin, dass die adaptive Ampelschaltung eine Spur nur dann freischaltet, wenn diese von einem Fahrzeug, detektiert mit Hilfe des Sensor in der Stra"se, ben"otigt wird. Es besteht au"serdem die M"oglichkeit, die Ampelphase so lange zu verl"angern, bis eine L"ucke in der Fahrzeugkolonne erkannt wird, um einen Zug von Fahrzeugen "uber die Kreuzung zu lassen. Werden die Induktionsschleifen an den Haltelinien einer Kreuzung verbaut, k"onnen sie au"serdem verwendet werden, um Rotlichtverst"o"se automatisch zu erkennen.\\ \\ + Die Steuerung der Ampelanlagen ist ein Teil des Verkehrsmanagement \autoref{abb:verkehrsmanagement}. Sie ist f"ur viele andere Bereiche der Verkehrstechnik von gro"sem Interesse, da die Ampeln Sensordaten liefern, die vielf"altig verwendet werden k"onnen. Ein Beispiel der Verwendung ist diese Arbeit, die aus den erfassten Induktionsschleifenwerten Verkehrsfl"usse berechnet. \begin{figure} \label{abb:verkehrsmanagement} \centering \includegraphics[width=0.5\textwidth]{pic/verkehrsmanagement} @@ -55,5 +56,5 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -modellierung be \item{submikroskopisch: Modelliert auf Fahrer oder Bauteilebene.} \end{itemize} Makroskopische Modelle zeichnen sich dabei besonders durch Simplizit"at und hohe Recheneffizienz aus. Allerdings ist die Aufl"osung eines makroskopischen Modells gering. Ein mikroskopisches Modell betrachtet dagegen einzelne Fahrzeuge. W"ahrend das makroskopische Modell Gr"o"sen, wie die Durchschnittsgeschwindigkeit oder die Verkehrsdichte betrachtet, werden in mikroskopischen Modellen Gr"o"sen, wie die Individualgeschwindigkeit eines Fahrzeugs oder dessen Reaktion auf andere Fahrzeuge untersucht. Ein mesoskopisches Modell ist dabei eine Mischung aus beiden Ans"atzen. Ein submikroskopisches Modell untersucht noch kleinere Einheiten, wie z.B. den Zusammenhang zwischen Fahrer und Fahrzeug oder Fahrer und Fahrassistenten.\\ \\ - Der in dieser Arbeit betrachtete Ansatz ist der makroskopischen Modellierung zuzuordnen. Dies begr"undet sich aus den vorliegenden Messdaten, welche einen R"uckschluss auf die einzelnen Autos nicht zul"asst. Die zur Verf"ugung stehenden Daten werden auf den folgenden Seiten beschrieben. + Der in dieser Arbeit betrachtete Ansatz ist der makroskopischen Modellierung zuzuordnen. Dies begr"undet sich aus den vorliegenden Messdaten, welche einen R"uckschluss auf die einzelnen Fahrzeuge nicht zul"asst. Die zur Verf"ugung stehenden Daten werden auf den folgenden Seiten beschrieben. \newpage \ No newline at end of file diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/modell.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/modell.tex index 14839a8f..dcd51393 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/modell.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/modell.tex @@ -1,15 +1,15 @@ \section{Verkehrsmodell}\label{sec:modell} In diesem Kapitel werden zwei Modellierungen der zehn untersuchten Kreuzungen, der 'Ministadt', vorgestellt und erkl"art. Die 'Ministadt' weist eine gro"se Anzahl an verbauten Sensoren in ihrem Gebiet auf und eignet sich aus diesem Grund f"ur eine Modellierung. Die beiden diskutierten Modelle sind die Darstellung als Matrix und als Graph. Diese beiden Darstellungen sind untereinander kompatibel, k"onnen deshalb ineinander "uberf"uhrt werden. Der Graph ist ein n"utzliches Werkzeug der Visualisierung w"ahrend die Matrixdarstellung der Berechnung dient. Als Grundlage f"ur die Modellierung dienen die in Kapitel \autoref{sec:datengrund} beschriebenen Daten.\\ \\ -In der Industrie eingesetzte Software zur Berechnung und Modellierung von Verkehrsfl"ussen, verwenden meistens ein sog. mikroskopisches Modell des Verkehrs\footnote{vissim}, um die Interaktion der einzelnen Verkehrsteilnehmer modellieren zu k"onnen. Da die Sensorwerte, welche zur Verf"ugung stehen allerdings "uber einen Zeitraum von einer Minute aufgenommen werden, eignet sich eine Mikromodellierung des Verkehrs nicht. F"ur einen solchen Modellierungsansatz sind genauere und mehr Daten notwendig. Es stehen lediglich Messwerte von 89 Sensoren zur Verf"ugung. Eine Modellierung einzelner Autos erscheint deshalb, allein anhand der Induktionsschleifen, nicht m"oglich zu sein\\ \\ +In der Industrie eingesetzte Software zur Berechnung und Modellierung von Verkehrsfl"ussen, verwenden meistens ein sog. mikroskopisches Modell des Verkehrs\footnote{vissim}, um die Interaktion der einzelnen Verkehrsteilnehmer modellieren zu k"onnen. Da die Sensorwerte, welche zur Verf"ugung stehen, allerdings "uber einen Zeitraum von einer Minute aufgenommen werden, eignet sich eine Mikromodellierung des Verkehrs nicht. F"ur einen solchen Modellierungsansatz sind genauere und mehr Daten notwendig. Es stehen lediglich Messwerte von 89 Sensoren zur Verf"ugung. Eine Modellierung einzelner Autos erscheint deshalb, allein anhand der Induktionsschleifen, nicht m"oglich zu sein\\ \\ In dieser Arbeit wird eine Zweistufenmodellierung vorgestellt, welche f"ur Kreuzungen eine genauere Modellierung auf Sensorebene zul"asst, w"ahrend es zwischen den Kreuzungen ein ungenauere Modellierung vornimmt. Dies ist sinnvoll, da nur im Kreuzungsbereich Sensoren zur Verf"ugung stehen. Kleinere Kreuzungen und Stra"senz"uge sind nicht mit Sensoren best"uckt und aus diesem Grund kann keine qualifiziert Aussage "uber diese gemacht werden.\\ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die Stra"senverkehrsordnung halten, da nur verkehrsg"ultige Verbindungen von Kreuzungen, Knoten und Sensoren modelliert werden. Die beschriebene Modellierung kann dabei nicht jedes Verkehrsverhalten beschreiben. So kann beispielsweise der R"uckfluss von Autos, welche eine sog. 'U-Turn' an einer Kreuzung vollf"uhren, nicht mit dem entwickelten Modell modelliert werden. Eine genaue Beschreibung der Einschr"ankungen und Voraussetzungen ist am Ende dieses Kapitels zu finden.\\ \\ \subsection{Allgemeines Kreuzungsmodell} [todo] michel zitieren \subsection{Modell der Ministadt}\label{sec:modell:ministadt} - Die 'Ministadt' enth"alt zehn mit Sensoren best"uckte Kreuzungen. Diese Kreuzungen werden mit A3 \ref{anhang:a3}, A4 \ref{anhang:a4}, A5 \ref{anhang:a5}, A12 \ref{anhang:a12}, A23 \ref{anhang:a23}, A28 \ref{anhang:a28}, A29 \ref{anhang:a29}, A46 \ref{anhang:a46}, A59 \ref{anhang:a59}und A104 \ref{anhang:a104} bezeichnet. Die Bezeichnungen stammten dabei aus der CAD-"Ubersichtskarte \ref{abb:caddarmstadt} der Stadt Darmstadt,. Eine genaue Beschreibung des gew"ahlten geographischen Ausschnitts Daten ist in Kapitel \autoref{sec:datengrund} zu finden.\\ \\ + Die 'Ministadt' enth"alt zehn mit Sensoren best"uckte Kreuzungen. Diese Kreuzungen werden mit A3 \ref{anhang:a3}, A4 \ref{anhang:a4}, A5 \ref{anhang:a5}, A12 \ref{anhang:a12}, A23 \ref{anhang:a23}, A28 \ref{anhang:a28}, A29 \ref{anhang:a29}, A46 \ref{anhang:a46}, A59 \ref{anhang:a59}und A104 \ref{anhang:a104} bezeichnet. Die Bezeichnungen stammten dabei aus der CAD-"Ubersichtskarte \ref{abb:caddarmstadt} der Stadt Darmstadt,. Eine genaue Beschreibung des gew"ahlten geographischen Ausschnitts ist in Kapitel \autoref{sec:datengrund} zu finden.\\ \\ F"ur das hier entwickelte Stra"senmodell wurde das Stra"sennetz in sieben Objekte unterteilt: \begin{enumerate} - \item{Stra"se: Eine Stra"se, auf der Autos fahren d"urfen. Sie ist nicht mit Sensoren best"uckt und hat eine Flie"srichtung.} + \item{Stra"se: Eine Stra"se, auf der Fahrzeuge fahren d"urfen. Sie ist nicht mit Sensoren best"uckt und hat eine Flie"srichtung.} \item{Kreuzung: Eine Kreuzung ist das Zusammentreffen von zwei Stra"sen. Sie kann mit Sensoren best"uckt sein, die den Verkehr messen.} \item{Sensor: Ein Sensor misst den Verkehr an dem Punkt des Verkehrsnetzes, an dem er verbaut ist. Er ist auf einer Fahrspur verbaut und mit anderen Sensoren durch Stra"sen verbunden.} \item{Virtuelle Sensoren: Punkte im Stra"sennetz, f"ur welche keine Messwerte vorliegen. Sie verhalten sich wie Sensoren.} @@ -18,14 +18,14 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St \item{Kreuzungseingang: Ein Eingang einer Kreuzung auf dem Verkehr in die Kreuzung einfahren kann.} \end{enumerate} Um eine "Ubersicht "uber das zu betrachtende Gebiet der 'Ministadt' zu erhalten wurde eine "Ubersicht "uber alle Kreuzungen in dem gesamten betrachteten Gebiet erstellt. In dieser Modellierung entfallen alle Seitenstra"sen und Zwischenkreuzungen ohne Sensoren. Die Zwischenkreuzungen entfallen, da keinerlei Messdaten f"ur diese Kreuzungen vorhanden sind, weshalb die Kreuzungs"ubersicht eine Verallgemeinerung des Verkehrsnetzes darstellt. Es werden dabei nur sensorbest"uckte Kreuzungen aufgezeigt.\\ - Mit Rechtecken werden die betrachteten Kreuzungen vermerkt, mit Kreisen die nicht mehr modellierten Nachbarkeuzungen. Pfeile weisen dabei die Flie"srichtung der Stra"sen aus, in welche der Verkehr regelkonform flie"sen darf. So ist von der Kreuzung A29 nach A104 eine Einbahnstra"se an den einfachen Pfeilen zu erkennen, w"ahrend Stra"sen, welche in beide Richtungen befahren werden k"onnen mit Doppelpfeilen dargestellt werden. + Mit Rechtecken werden die betrachteten Kreuzungen vermerkt, mit Kreisen die nicht mehr modellierten Nachbarkeuzungen. Pfeile weisen dabei die Flie"srichtung der Stra"sen aus, in welche der Verkehr regelkonform flie"sen darf. So ist von der Kreuzung A29 nach A104 eine Einbahnstra"se an den einfachen Pfeilen zu erkennen, w"ahrend Stra"sen, welche in beide Richtungen befahren werden k"onnen mit Doppelpfeilen dargestellt werden. \begin{figure}[htbp!] \centering \fbox{\includegraphics[width=0.50\textwidth-2\fboxsep-2\fboxrule]{ext/Kreuzungsuebersicht}} \caption{Kreuzungs"ubersicht 'Ministadt'in der Stadt Darmstadt} \end{figure} Um eine "Ubersicht "uber die zu betrachtenden Kreuzungen zu erhalten wurden h"andisch Zeichnungen von den zehn Kreuzungen angefertigt. Die gew"ahlte intuitive Modellierung entspricht in etwa der, welche sp"ater im Computer entsteht. Die Grundlage f"ur diese Modellierung sind die CAD-Zeichnungen der Kreuzungen der Stadt Darmstadt. Sie werden im Kapitel \autoref{sec:datengrund} genauer beschrieben.\\ \\ - In der Kreuzungs"ubersicht entfallen sehr viele Details, da keine Daten f"ur Seitenstra"sen zwischen den Kreuzungen vorhanden sind. Dagegen k"onnen die modellierten Kreuzungen wesentlich genauer dargestellt werden und lassen sich sehr gut auf Sensorebene modellieren. Neben den realen Sensoren erh"alt jede Kreuzung jeweils bis zu vier Ein- und Ausg"ange, modelliert als 'virtuelle Sensoren'. Die Sensoren werden dabei nach den jeweiligen Kreuzungseing"angen platziert, auf denen sie in der Realit"at in der Stra"se verbaut sind. Validierungssensoren sind solche welche R"uckschl"usse auf andere Sensoren der Kreuzung zulassen. Sie werden in der h"andischen Modellierung aufgezeigt, in der Matrixdarstellung findet sich allerdings keinen Platz f"ur diese, da f"ur die Berechnung von der Grundannahme ausgegangen wird, dass ein Sensor direkt mit einem Kreuzungsein- und Ausgang, ohne Zwischenknoten, verbunden ist. Wie anhand des entwickelten Modells, Verkehrsstr"ome berechnet werden k"onnen und wie sich Sensorwerte mit Validierungssensoren validieren lassen wird im Kapitel \autoref{sec:berechnung} genauer behandelt.\\ \\ + In der Kreuzungs"ubersicht entfallen sehr viele Details, da keine Daten f"ur Seitenstra"sen zwischen den Kreuzungen vorhanden sind. Dagegen k"onnen die modellierten Kreuzungen wesentlich genauer dargestellt werden und lassen sich sehr gut auf Sensorebene modellieren. Neben den realen Sensoren erh"alt jede Kreuzung jeweils bis zu vier Ein- und Ausg"ange, modelliert als 'virtuelle Sensoren'. Die Sensoren werden dabei nach den jeweiligen Kreuzungseing"angen platziert, auf denen sie in der Realit"at in der Stra"se verbaut sind. Validierungssensoren sind solche, welche R"uckschl"usse auf andere Sensoren der Kreuzung zulassen. Sie werden in der h"andischen Modellierung aufgezeigt, in der Matrixdarstellung findet sich allerdings keinen Platz f"ur diese, da f"ur die Berechnung von der Grundannahme ausgegangen wird, dass ein Sensor direkt mit einem Kreuzungsein- und Ausgang, ohne Zwischenknoten, verbunden ist. Wie anhand des entwickelten Modells Verkehrsstr"ome berechnet werden k"onnen und wie sich Sensorwerte mit Validierungssensoren validieren lassen wird im Kapitel \autoref{sec:berechnung} genauer behandelt.\\ \\ Alle Sensoren wurde neben der Unterteilung nach Einspursensor und Mischspursensor nochmals in Subklassen unterschieden. Einspursensoren unterteilen sich dabei in drei Subklassen:\\ \begin{enumerate} \item{Einspur - Geradeaus} @@ -40,19 +40,19 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St \item{Mischspur - Rechts + Links} \end{enumerate} Alle beschriebenen Sensorklassen und deren Subklassen sind in dem betrachteten Ausschnitt von Darmstadt enthalten.\\ \\ - F"ur die Modellierung der Kreuzungen sind mehr Daten, die Positionen der Induktionsschleifen, bekannt. Sensoren werden als Achtecke mit aufgetragenen Flie"srichtungen dargestellt. Die Verbindungen von Sensoren und virtuellen Sensoren werden analog zur Kreuzungs"ubersicht als Pfeile mit ihrer Flie"srichtung eingezeichnet. Dekoriert wird ein Kreuzungsbild dabei mit bis zu acht virtuellen Sensorknoten, jeweils ein rechteckiger f"ur den Kreuzungsausgang, ein runden f"ur den Kreuzungseingang. Die Position des Sensors wird dahingehend vereinfacht, dass er einem Kreuzungseingang zugeordnet wird und direkt nach dem virtuellen Eingangssensor platziert wird. - \begin{figure}[htbp!] - \label{abb:a23.2} + F"ur die Modellierung der Kreuzungen sind mehr Daten bekannt - die Positionen der Induktionsschleifen. Sensoren werden als Achtecke mit aufgetragenen Flie"srichtungen dargestellt. Die Verbindungen von Sensoren und virtuellen Sensoren werden analog zur Kreuzungs"ubersicht als Pfeile mit ihrer Flie"srichtung eingezeichnet. Dekoriert wird ein Kreuzungsbild dabei mit bis zu acht virtuellen Sensorknoten, jeweils ein rechteckiger f"ur den Kreuzungsausgang, ein runden f"ur den Kreuzungseingang. Die Position des Sensors wird dahingehend vereinfacht, dass er einem Kreuzungseingang zugeordnet wird und direkt nach dem virtuellen Eingangssensor platziert wird. + \begin{figure}[htbp!] \centering \fbox{\includegraphics[width=0.50\textwidth-2\fboxsep-2\fboxrule]{ext/KreuzungA23}} \caption{H"andische Modellierung der Kreuzung A23} + \label{abb:a23.2} \end{figure} Wie in Figur \autoref{abb:a23.2} zu erkennen, sind in der Kreuzung A23 zwei Validierungssensoren verbaut. Die manuelle Modellierung verbindet diese mit den entsprechenden Eingangssensoren. Dies ist zwar korrekt, erweist sich f"ur die Berechnung allerdings als hinderlich. Aus diesem Grund werden bei der computergest"utzten Modellierung die Eingangssensoren direkt mit den jeweiligen Ausg"angen verbunden.\\ \\ Diese intuitive Modellierung auf zwei Ebenen hat sich sowohl aus "Ubersichtsgr"unden, als auch f"ur die Berechnung als sinnvoll erwiesen. W"ahrend ein Kreuzungsbild eine wesentlich genauere Abbildung der Realit"at ist, ist im Vergleich die Kreuzungs"ubersicht relativ ungenau, da Seitenstra"sen nicht modelliert werden und alle Kreuzungen als gleich weit voneinander entfernt betrachtet werden. Die gew"ahlte Modellierung hat folglich zwei Genauigkeitsstufen. Die "Ubersicht "uber die Kreuzungen gew"ahrt einen Blick auf die Gesamtverkehrssituation. Sie dient, wie der Name schon sagt, der "Ubersicht. Ein wesentliches Ziel ist es Verkehrsdaten f"ur dieses Modell zu errechnen oder abzusch"atzen. Es stehen zwar Informationen "uber die einzelnen Kreuzungen zur Verf"ugung. Diese k"onnen allerdings noch nicht auf ein Gesamtbild des Verkehrs "ubertragen werden. \subsection{Modell als Graph}\label{sec:modell:graph} - Ein naheliegender Modellierungsansatz ist es, das Stra"sennetz als Graph zu modellieren. Dies eignet sich nicht nur deshalb gut, da Graphen sehr gut erforscht und viele Algorithmen auf ihnen zur Verf"ugung stehen, sondern auch, weil die intuitiv gew"ahlte h"andische Modellierung sich als Graph darstellen l"asst. Aus diesem Grund wurden Graphen als Basis der computergest"utzten Modellierung gew"ahlt. Insbesondere die M"oglichkeit Graphen in Matrizen zu "uberf"uhren, oder lineare Gleichungen an Graphen zu l"osen erweist sich als n"utzlich. Einbahnstra"sen und Verkehr mit einer Flussrichtung m"ussen modelliert werden, daher w"ahlt man einen gerichteten Graphen, um dies abzubilden. Da sich die Zweistufenmodellierung als n"utzlich erwiesen hat, wird auch diese als Graph im Computer abgebildet. Daf"ur m"ussen zwei verschiedenen Graphen aufgebaut werden. Der einer Kreuzung, mit Sensoren und virtuellen Sensoren als Knoten, sowie Stra"sen als Kanten. Der Graph der Kreuzungs"ubersicht dagegen hat Kreuzungen als Knoten und ebenfalls Stra"sen als Kanten.\\ \\ - Zur Modellierung am Computer wird auf die Java Bibliothek JGraphT zur"uckgegriffen. Sie erlaubt es, dank Javas moderner Template-Technik, Graphen mit beliebigen Klassen als Knoten aufzubauen. Das selbe gilt f"ur Kanten mit wenigen Einschr"ankungen. Desweiteren erlaubt JGraphT eine Konvertierung zu der weit verbreiteten Bibliothek JGraph, die eine Visualisierungschnittstelle f"ur Graphen mitbringt. Der Kreuzungs"ubersichtsgraph soll die Graphen der einzelnen Kreuzungen als Knoten enthalten, um den Zusmmenhalt des Modells zu gew"ahrleisten.\\ \\ - Es folgt eine kurze "Ubersicht "uber Graphen und eine Beschreibung der computergest"utzten Modellierung der Kreuzungsgraphen und des Kreuzungs"ubersichtsgraph. + Ein naheliegender Modellierungsansatz ist es, das Stra"sennetz als Graph zu modellieren. Dies eignet sich nicht nur deshalb gut, da Graphen sehr gut erforscht und viele Algorithmen auf ihnen zur Verf"ugung stehen, sondern auch, weil die intuitiv gew"ahlte h"andische Modellierung sich als Graph darstellen l"asst. Aus diesem Grund wurden Graphen als Basis der computergest"utzten Modellierung gew"ahlt. Insbesondere die M"oglichkeit, Graphen in Matrizen zu "uberf"uhren, oder lineare Gleichungen an Graphen zu l"osen erweist sich als n"utzlich. Einbahnstra"sen und Verkehr mit einer Flussrichtung m"ussen modelliert werden, daher w"ahlt man einen gerichteten Graphen, um dies abzubilden. Da sich die Zweistufenmodellierung als n"utzlich erwiesen hat, wird auch diese als Graph im Computer abgebildet. Daf"ur m"ussen zwei verschiedenen Graphen aufgebaut werden. Der einer Kreuzung, mit Sensoren und virtuellen Sensoren als Knoten, sowie Stra"sen als Kanten. Der Graph der Kreuzungs"ubersicht dagegen hat Kreuzungen als Knoten und ebenfalls Stra"sen als Kanten.\\ \\ + Zur Modellierung am Computer wird auf die Java Bibliothek JGraphT zur"uckgegriffen. Sie erlaubt es, dank Javas moderner Template-Technik, Graphen mit beliebigen Klassen als Knoten aufzubauen. Das Selbe gilt f"ur Kanten mit wenigen Einschr"ankungen. Desweiteren erlaubt JGraphT eine Konvertierung zu der weit verbreiteten Bibliothek JGraph, die eine Visualisierungschnittstelle f"ur Graphen mitbringt. Der Kreuzungs"ubersichtsgraph soll die Graphen der einzelnen Kreuzungen als Knoten enthalten, um den Zusmmenhalt des Modells zu gew"ahrleisten.\\ \\ + Es folgt eine kurze "Ubersicht "uber Graphen und eine Beschreibung der computergest"utzten Modellierung der Kreuzungsgraphen und des Kreuzungs"ubersichtsgraphen. \subsubsection{Grundlagen}\label{sec:modell:graph:grund} Ein Graph ist eine Struktur, die Objekte und deren Verbindung untereinander abbilden kann. Die Objekte werden dabei Knoten, die Verbindungen Kanten genannt. Eine Kante verbindet genau zwei Knoten. Graphen lassen sich besonders gut visualisieren, indem Knoten als Punkte oder K"asten und Kanten als Linien zwischen diesen dargestellt werden.\\ \\ Ein Graph kann als Tupel $(V, E)$ beschrieben werden. $V$ bezeichnet dabei die Menge der Knoten, @@ -89,7 +89,7 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St Die Klasse SE kann dabei Sensorname, Position in Latitude und Longitude, sowie die Kreuzung, welche den Sensor beinhaltet, speichern. Das Feld 'sensorType' erlaubt zus"atzlich die Unterscheidung von virtuellen und realen Sensoren. Des weiteren stehen drei Felder zur Verkn"upfung mit anderen Sensoren zur Verf"ugung. Das Feld 'multipleOutputDirections' erlaubt es zu bestimmen, ob es sich um einen Mehr- oder Einspursensor handelt. Sollte es sich um einen virtuellen Ein- oder Ausgang einer Kreuzung handeln, so werden in den Feldern 'outXR' und 'inXR' die Namen der benachbarten Kreuzungen gespeichert. Zus"atzlich zu den Verkn"upfungs- und Typinformationen k"onnen noch ein Sensorwert und ein Testwert gespeichert werden. Der Wert, falls gesetzt, wird dabei zur Berechnung eingesetzt, w"ahrend der Testwert zur "Uberpr"ufung eines berechneten Ergebnisses dient. Wert und Testwert sind dabei von der Klasse 'VL'.\\ \\ Die Klasse 'VL' kann die beiden Werte der Induktionsschleifen 'load' und 'count' halten, sowie eine Sensor ID, die eine eindeutige Zuordnung der Werte zu einem Sensor erm"oglicht. Ein Zeitstempel bestimmt dabei den Zeitpunkt der Messung. Zur "Uberpr"ufung eines Wertes mit einem Testwert wird ein gemessener Wert als Testwert gespeichert. Eine Berechnung soll nun einen Wert berechnen, der durch Vergleich mit dem gemessenem Testwert Aufschluss "uber die Genauigkeit der Berechnung gibt.\\ \\ Die Klasse 'ST' modelliert eine Stra"se. Sie kann die Namen der Knoten, welche sie verbindet speichern, um den Graphen nicht st"andig nach den Namen der Nachbarn abzusuchen zu m"ussen. Diese beiden Werte dienen lediglich der Visualisierung. Desweiteren kann eine Gleitkommazahl gespeichert werden, welche die Abbiegewahrscheinlichkeit von einem Sensor, entlang dieser Kante, repr"asentiert. Dieser Wert dient der Aufteilung eines Mischspursensorwertes. Die Verwendung wird in Kapitel \autoref{sec:berechnung} beschrieben.\\ \\ - Um den Graph mit der JGraphT-Bibliothek zu modellieren wurde die Klasse 'ListableDirectedGraph' benutzt \autoref{lst:sensorgraph}. Diese Klasse des Frameworks erlaubt gerichtete Graphen aufzubauen, die Struktur zur Berechnung zu verwenden und sp"ater zu visualisieren.\\ + Um den Graph mit der JGraphT-Bibliothek zu modellieren, wurde die Klasse 'ListableDirectedGraph' benutzt \autoref{lst:sensorgraph}. Diese Klasse des Frameworks erlaubt gerichtete Graphen aufzubauen, die Struktur zur Berechnung zu verwenden und sp"ater zu visualisieren.\\ \begin{minipage}[t]{\dimexpr\textwidth-3\fboxsep-2\fboxrule-1em} \begin{lstlisting}[caption={[abc] Die Kreuzungsklasse XR}, label={lst:sensorgraph}, captionpos=bsec] public ListenableDirectedGraph sensorGraph @@ -103,11 +103,11 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St \item{Kreuzung: Eine Kreuzung sei ein Knoten} \end{itemize} [klassendiagramm] - Eine Kreuzung wird hierf"ur mit der Klasse 'XR' modelliert. Sie enth"alt den, in \autoref{lst:sensorgraph} gezeigten, Sensorgraph einer Kreuzung. Weiterhin werden f"ur die Kreuzungen eine Position in Latitude und Longitude abgespeichert, sowie alle verbundenen eingehenden Kreuzungen und alle ausgehenden Kreuzungen. Das Speichern von beiden, Vorg"anger- und Nachfolgerkreuzungen, ist zum Aufbau des Graphen nicht n"otig. Daf"ur w"urden entweder Ein- oder Ausg"ange ausreichen. Um Visualisierung und Berechnung zu vereinfachen wurden allerdings beide definiert. \\ \\ + Eine Kreuzung wird hierf"ur mit der Klasse 'XR' modelliert. Sie enth"alt den, in \autoref{lst:sensorgraph} gezeigten Sensorgraph einer Kreuzung. Weiterhin werden f"ur die Kreuzungen eine Position in Latitude und Longitude abgespeichert, sowie alle verbundenen eingehenden Kreuzungen und alle ausgehenden Kreuzungen. Das Speichern von beiden, Vorg"anger- und Nachfolgerkreuzungen, ist zum Aufbau des Graphen nicht n"otig. Daf"ur w"urden entweder Ein- oder Ausg"ange ausreichen. Um Visualisierung und Berechnung zu vereinfachen wurden allerdings beide definiert. \\ \\ Eine Stra"se wird, wie in der Kreuzungsmodellierung mit der Klasse ST beschrieben. Das Feld f"ur die Abbiegewahrscheinlichkeit kann allerdings nicht gef"ullt werden, da keine Abbiegewahrscheinlichkeiten au"serhalb von Kreuzungen bekannt sind. Das Feld wird sp"aterhin zum Speichern von Fl"ussen zwischen den Kreuzungen benutzt. \subsection{Modell als Matrix}\label{sec:modell:matrix} Als Grundlage f"ur die Berechnung wurde eine Matrixdarstellung f"ur Kreuzungen entwickelt. Der oben entwickelte Graph l"asst sich dabei in eine Matrixform "uberf"uhren. Matrizen bieten z.b. durch Matrixmultiplikation die M"oglichkeit komplexe Zusammenh"ange durch einfache Rechenschritte auszudr"ucken. Mehr zu der Verwendung von Matrizen ist im Kapitel \autoref{sec:berechnung} zu finden.\\ \\ - Um den Graph einer Kreuzung zu beschreiben, ist es n"otig die Verbindungen von Sensoren zu deren m"oglichen Kreuzungsausg"angen bzw. -Eing"angen zu modellieren. F"ur Kreuzungen mit sog. Validierungssensoren ist dies nicht m"oglich, da die Validierungssensoren zwischen Sensor und Kreuzungsausgang in dem Graphen liegen. Aus diesem Grund werden f"ur die Matrixdarstellung die Validierungssensoren nicht mit abgebildet. Im Kapitel \autoref{sec:berechnung} wird nochmals n"aher darauf eingegangen, wie diese Sensoren zur L"osung eines Gleichungssystems, um Abbiegewahrscheinlichkeiten auf einer Kreuzung zu berechnen, verwendet werden k"onnen. Da fast alle betrachteten Kreuzungen der Stadt Darmstadt nur einen Sensor zwischen Ein- und entsprechenden Ausgang haben, sind die entwickelten Matrizen auf den meisten Kreuzungen, ohne das Weglassen von Sensoren, direkt anzuwenden.\\ \\ + Um en Graph einer Kreuzung zu beschreiben, ist es n"otig die Verbindungen von Sensoren zu deren m"oglichen Kreuzungsausg"angen bzw. -Eing"angen zu modellieren. F"ur Kreuzungen mit sog. Validierungssensoren ist dies nicht m"oglich, da die Validierungssensoren zwischen Sensor und Kreuzungsausgang in dem Graphen liegen. Aus diesem Grund werden f"ur die Matrixdarstellung die Validierungssensoren nicht mit abgebildet. Im Kapitel \autoref{sec:berechnung} wird nochmals n"aher darauf eingegangen, wie diese Sensoren zur L"osung eines Gleichungssystems, um Abbiegewahrscheinlichkeiten auf einer Kreuzung zu berechnen, verwendet werden k"onnen. Da fast alle betrachteten Kreuzungen der Stadt Darmstadt nur einen Sensor zwischen Ein- und entsprechenden Ausgang haben, sind die entwickelten Matrizen auf den meisten Kreuzungen, ohne das Weglassen von Sensoren, direkt anzuwenden.\\ \\ Die Beschreibung der Verbindungen l"asst sich mit einer Verbindungsmatrix bewerkstelligen. Dabei wird zwischen der sog. Eingangsmatrix und der sog. Ausgangsmatrix unterschieden. Beide Matrixformen zusammen bilden den Kreuzungsgraphen ohne Validierungssensoren ab. \subsubsection{Ausgangsmatrix}\label{sec:modell:matrix:out} Die Ausgangsmatrize zeigt auf, von welchem Sensor welcher Ausgang einer Kreuzung bedient werden kann. Hierf"ur werden alle Ausg"ange einer Kreuzung auf der Y-Achse der Matrix verzeichnet, alle Sensoren dieser Kreuzung auf der X-Achse. Besteht eine Verbindung zwischen Sensor und Ausgang so kann an der entsprechenden Stelle der Matrix eine Verbindung mit '1' markiert werden. Besteht dagegen keine Verbindung wird das ebenfalls markiert, mit einer '0'.\\ \\ @@ -162,8 +162,8 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St A104 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0\\ \end{tabular}\\ Ein- und Ausgangsmatrix zusammen beschreiben den gesamten Graphen ohne Validierungssensoren. Im Kapitel \autoref{sec:berechnung} wird n"aher auf eine m"ogliche Verwendung der Validierungssensoren eingegangen. -\subsection{Datenbankmodell}\label{sec:modell:dbmodell} - Um mit einem Programm schneller und einfacher auf die, in Kapitel \autoref{sec:datengrund}, extrahierten Daten zugreifen zu k"onnen, bietet es sich an, diese in einem Datenbank Server abzuspeichern. Hierf"ur wurde ein Datenbankschema erstellt, das alle Informationen, die von dem entwickelten Modell zur Visualisierung und Berechnung ben"otigte Informationen zu speichern vermag.\\ \\ +\subsection{Datenbankmodell}\label{sec:modell:datenbankschema} + Um mit einem Programm schneller und einfacher auf die, im Kapitel \autoref{sec:datengrund} extrahierten Daten zugreifen zu k"onnen, bietet es sich an, diese in einem Datenbank Server abzuspeichern. Hierf"ur wurde ein Datenbankschema erstellt, das alle Informationen, die von dem entwickelten Modell zur Visualisierung und Berechnung ben"otigte Informationen zu speichern vermag.\\ \\ Folgende Informationen wurden in der Datenbank abgespeichert: \begin{enumerate} \item{Der Graph einer Kreuzung. Er umfasst Sensoren, virtuelle Sensoren und die Verbindungen zwischen diesen.} @@ -193,7 +193,7 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St Das Modell kann sog. 'U-Turns', nicht modellieren. Als 'U-Turn' bezeichnet man das Verkehrsman"over, dass den Verkehrsteilnehmer von dem Kreuzungseingang einer Kreuzung zu dem Ausgang, welcher in die Richtung zeigt, aus der er gekommen ist, zur"uck bringt. Dieses Verkehrsverhalten ist selten zu beobachten und wurde aus diesem nicht modelliert. Desweiteren w"urde eine Modellierung dieses Man"overs eine 'U-Turn-Wahrscheinlichkeit' erfordern, welche nicht vorliegt.\\ \\ Eine weitere, sehr elementare Schw"ache des Modells ist die Abstraktion der Sensorposition. Wie in den manuell angefertigten Kreuzungszeichnungen wird die Position eines Sensors innerhalb des Graphenmodells einem Eingang zugeordnet. Die Latitude und Longitude Werte des Sensors werden nur zur Visualisierung benutzt und nicht zur Berechnung. Ein Spurwechseln nach dem "Uberfahren eines Sensors kann nicht modelliert werden. Die Genauigkeit des Modells h"angt folglich direkt mit der Entfernung des Sensors von der Kreuzung ab. Ist der Sensor weit entfernt, so kann ein Verkehrsteilnehmer die Spur nochmals wechseln. Ist der Sensor direkt vor der Haltelinie verbaut, kann die Spur nicht mehr gewechselt werden, wenn das Fahrzeug darauf steht. Sind die Sensoren eines Kreuzungseingangs auf verschiedenen H"ohen in die Stra"se eingelassen, so k"onnen Verkehrsteilnehmer im schlechtesten Fall "uber zwei Sensoren fahren, wenn sie nach dem "Uberfahren eines Sensors die Spur wechseln, die einen Sensor weiter vorne im Kreuzungsbereich verbaut hat.\\ \\ Neben diesen Einschr"ankungen wird nur g"ultiges Verkehrsverhalten modelliert. So k"onnen Verkehrsteilnehmer, welche zwar auf einer Rechtsabbiegerspur stehen, allerdings geradeaus fahren, nicht von dem Modell modelliert werden.\\ \\ - Es ist allerdings denkbar, das Modell durch U-Turn-, Spurwechsel- und Falschfahrwahrscheinlichkeiten zu dekorieren und somit die Menge der modellierbaren Kreuzungszust"ande und -"Uberg"ange zu vergr"o"sern um ein realistischeres Bild des Verkehrs zu berechnen. Allerdings lagen keine Daten "uber das Verhalten der Verkehrsteilnehmer vor. + Es ist allerdings denkbar, das Modell durch U-Turn-, Spurwechsel- und Falschfahrwahrscheinlichkeiten zu erg"anzen und somit die Menge der modellierbaren Kreuzungszust"ande und -"Uberg"ange zu vergr"o"sern um ein realistischeres Bild des Verkehrs zu berechnen. Allerdings lagen keine Daten "uber das Verhalten der Verkehrsteilnehmer vor. \subsection{Zuk"unftige Herausforderungen des Modells} W"ahrend der Datenanalyse und Aufbereitung wurden einige Herausforderungen erkannt, die es zu l"osen gilt, da sie andernfalls die L"osungsm"oglichkeiten einschr"anken. Zum einen ist dies das Zeitproblem, welches eine Verbindung von Sensorwerten von zwei Kreuzungen nicht zul"asst, zum anderen das Abbiegeproblem, welches beschreibt, dass die Abbiegewahrscheinlichkeit nicht mit Hilfe der Sensorwerte gemessen werden kann. \subsubsection{Herausforderung: Verfolgung von Fahrzeugen "uber eine Kreuzung hinaus} \label{sec:datengrund:probtime} diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/uebersicht.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/uebersicht.tex index b26f8e0f..48b89e27 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/uebersicht.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/uebersicht.tex @@ -1,7 +1,7 @@ \section{"Ubersicht}\label{sec:uebersicht} In Ballungsgebieten, vornehmlich in St"adten, steigt die Anzahl der Verkehrsteilnehmer. Insbesondere die Anzahl der Fahrzeuge ist in den letzten Jahren drastisch gestiegen. Diese zunehmende Belastung wirkt sich auf Stra"sen, auf den Verkehr und durch Verschmutzung und L"armbelastung auch auf den Menschen aus. Um der gestiegenen Anzahl an Fahrzeugen gerecht zu werden wurden verkehrsabh"angige Ampelanlagen entwickelt, welche ihre Ampelphasen dem Verkehrsaufkommen anpassen k"onnen. Hierf"ur wird der Verkehr der einzelnen Spuren einer Kreuzung mithilfe von Sensoren - Induktionsschleifen - erfasst. Mit der fortschreitenden Technisierung und dem gestiegenem Verkehr erhielten diese 'adaptiv' gesteuerten Ampelanlagen Einzug in die Stra"sen gr"o"serer St"adte, um die bereits vorhandenen Verkehrswege besser nutzen zu k"onnen.\\ \\ In dieser Arbeit wird untersucht, in wieweit man durch Verkehrsdaten, welche mithilfe von Induktionsschleifen auf den Stra"sen erfasst werden, Verkehrsfl"usse voraussagen und Stra"senbelastungen berechnen kann. Hierf"ur wurde ein zweistufiges Graphen-basiertes Modell der Stra"se entwickelt und verschiedene Ans"atze, um Verkehrsfl"usse innerhalb einer Kreuzung und zwischen Kreuzungen zu berechnen, diskutiert. Als Grundlage dieser Berechnungen dienen Induktionsschleifenwerte der Stadt Darmstadt, welche eine Vielzahl ihrer Kreuzungen mit Induktionsschleifen versehen hat.\\ \\ -Mithilfe von linearen Gleichungssystemen konnten Verkehrsfl"usse innerhalb von Kreuzungen, sowie ein Anzahl an Verkehrsteilnehmer, welche eine Kreuzung in eine bestimmte Richtung verlassen, berechnet werden. Neben den Sensorwerten der Induktionsschleifen kamen dabei sog. Abbiegewahrscheinlichkeiten zum Einsatz. Diese wurden ebenfalls von der Stadt Darmstadt zur Verf"ugung gestellt. Eine Visualisierung des entwickelten Graphen erlaubt es die berechneten Verkehrsfl"usse besser zu untersuchen und zu verstehen. Die Validit"at der ermittelten Daten h"angt allerdings von den zugrundeliegenden Sensorwerten ab. In einer Verkehrsz"ahlung konnten ein Teil der modellierten Sensoren untersucht und bei einigen Sensoren eine sehr hohe Genauigkeit feststellen werden. Bei anderen Sensoren ergab die Z"ahlung allerdings Abweichungen von bis zu siebenhundert Prozent.\\ \\ +Mithilfe von linearen Gleichungssystemen konnten Verkehrsfl"usse innerhalb von Kreuzungen, sowie eine Anzahl an Verkehrsteilnehmer, welche eine Kreuzung in eine bestimmte Richtung verlassen, berechnet werden. Neben den Sensorwerten der Induktionsschleifen kamen dabei sog. Abbiegewahrscheinlichkeiten zum Einsatz. Diese wurden ebenfalls von der Stadt Darmstadt zur Verf"ugung gestellt. Eine Visualisierung des entwickelten Graphen erlaubt es die berechneten Verkehrsfl"usse besser zu untersuchen und zu verstehen. Die Validit"at der ermittelten Daten h"angt allerdings von den zugrundeliegenden Sensorwerten ab. In einer Verkehrsz"ahlung konnten ein Teil der modellierten Sensoren untersucht und bei einigen Sensoren eine sehr hohe Genauigkeit feststellen werden. Bei anderen Sensoren ergab die Z"ahlung allerdings Abweichungen von bis zu siebenhundert Prozent.\\ \\ \section*{Abstract} In urban areas, most notably Cities, have an increasing the number of road users. diff --git a/ss2013/Bachelor Thesis/thesis_ug/tex/visualisierung.tex b/ss2013/Bachelor Thesis/thesis_ug/tex/visualisierung.tex index 52f30003..adde04f7 100644 --- a/ss2013/Bachelor Thesis/thesis_ug/tex/visualisierung.tex +++ b/ss2013/Bachelor Thesis/thesis_ug/tex/visualisierung.tex @@ -19,8 +19,8 @@ Visualisierung eignet sich deshalb besonders gut, da die berechneten Zusammenh"a \label{abb:handischxrover} \end{figure} \subsection{Visualisierung des JGraphT-Graphen}{ - Die Visualisierung des JGraphT Graphen ist eine Visualisierung der Berechnungsstruktur, da die Berechnung an dem Graphen vollzogen wird. Mehr Informationen hierzu sind im Kapitel \autoref{sec:berechnung} zu finden. In Verbindung mit den Latitude und Longitude Koordinaten k"onnen die Knoten des Graphen auf dem Bildschirm angeordnet werden um eine Identifizierung von Objekten zu erleichtern. Der Nutzer erh"alt weiterhin die F"ahigkeit die einzelnen Knoten manuell nachzujustieren. Dies ist insbesondere f"ur solche Knoten ohne g"ultige Koordinaten hilfreich.\\ \\ - Ziel dieser Visualisierung ist es die berechneten Werte darzustellen. Die Anordnung nach Koordinaten erm"oglicht es den generierten Graphen einfach mit der Realit"at zu vergleichen. Es werden im Gegensatz zu der Visualisierung mit Luftbildern nicht nur die Kreuzungs"ubersicht visualisiert, sondern auch die einzelnen Kreuzungen, da f"ur beide ein Graph vorhanden ist (siehe \autoref{sec:modell}). Die Erzeugung der Graphen ist dabei auf die Visualisierungsf"ahigkeit der Java Graphen-Bibliothek JGraph gest"utzt. Die JGraphT-Bibliothek bietet eine Schnittstelle zu dieser Bibliothek und erlaubt es Graphen mit wenigen Befehlen zu visualisieren. In \autoref{lst:create_vis_graph} ist die Konvertierung von JGraphT und das Auftragen auf ein scrollbares Fenster aufgezeigt.\\ + Die Visualisierung des JGraphT Graphen ist eine Visualisierung der Berechnungsstruktur, da die Berechnung an dem Graphen vollzogen wird. Mehr Informationen hierzu sind im Kapitel \autoref{sec:berechnung} zu finden. In Verbindung mit den Latitude und Longitude Koordinaten k"onnen die Knoten des Graphen auf dem Bildschirm angeordnet werden um eine Identifizierung von Objekten zu erleichtern. Der Nutzer erh"alt weiterhin die Möglichkeit die einzelnen Knoten manuell nachzujustieren. Dies ist insbesondere f"ur solche Knoten ohne g"ultige Koordinaten hilfreich.\\ \\ + Ziel dieser Visualisierung ist es, die berechneten Werte darzustellen. Die Anordnung nach Koordinaten erm"oglicht es, den generierten Graphen einfach mit der Realit"at zu vergleichen. Es werden im Gegensatz zu der Visualisierung mit Luftbildern nicht nur die Kreuzungs"ubersicht visualisiert, sondern auch die einzelnen Kreuzungen, da f"ur beide ein Graph vorhanden ist (siehe \autoref{sec:modell}). Die Erzeugung der Graphen ist dabei auf die Visualisierungsf"ahigkeit der Java Graphen-Bibliothek JGraph gest"utzt. Die JGraphT-Bibliothek bietet eine Schnittstelle zu dieser Bibliothek und erlaubt es Graphen mit wenigen Befehlen zu visualisieren. In \autoref{lst:create_vis_graph} ist die Konvertierung von JGraphT und das Auftragen auf ein scrollbares Fenster aufgezeigt.\\ \begin{minipage}[t]{\dimexpr\textwidth-3\fboxsep-2\fboxrule-1em} \begin{lstlisting}[caption={[Befehl zur Konvertierung und Darstellung eines JGraphT Graphen als JGraph] Befehl zur Konvertierung und Darstellung eines JGraphT Graphen als JGraph.}, label={lst:create_vis_graph}, captionpos=bsec] ListenableDirectedGraph streetGraph