thesis
This commit is contained in:
parent
afc840cdce
commit
e29d85b151
Binary file not shown.
@ -54,6 +54,22 @@ year = {2013},
|
||||
url = {http://de.statista.com/statistik/daten/studie/12131/umfrage/pkw-bestand-in-deutschland-seit-dem-jahr-1955/}
|
||||
}
|
||||
|
||||
@misc{web:statista:gueter,
|
||||
author = {Statista},
|
||||
title = {Statista Statistiken bzgl. des Güteraufkommen je Verkehrsträger in Deutschland in den Jahren 2011 und 2012 (in Millionen Tonnen)},
|
||||
month = jun,
|
||||
year = {2012},
|
||||
url = {http://de.statista.com/statistik/daten/studie/12240/umfrage/gueteraufkommen-in-deutschland-je-verkehrstraeger/}
|
||||
}
|
||||
|
||||
@misc{web:statista:gueter2,
|
||||
author = {Statista},
|
||||
title = {Statista Statistiken bzgl. des Anteile der Verkehrsträger an den Exporten aus Deutschland in die EU im Jahr 2011 (gemessen an der Transportmenge)},
|
||||
month = jun,
|
||||
year = {2011},
|
||||
url = {http://de.statista.com/statistik/daten/studie/224627/umfrage/verteilung-der-verkehrstraeger-bei-exporten-in-die-eu/}
|
||||
}
|
||||
|
||||
@misc{web:statista:laerm,
|
||||
author = {Statista},
|
||||
title = {Statista Statistiken bzgl. der Lärmbelästigung in Deutschland nach Geräuschquellen im Jahr 2010 aus Sicht der Bevölkerung},
|
||||
@ -150,4 +166,17 @@ url = {http://de.statista.com/statistik/daten/studie/180759/umfrage/laermbelaest
|
||||
year = 2013,
|
||||
address = "",
|
||||
edition = "01/2013"
|
||||
}
|
||||
|
||||
@misk{merk:street,
|
||||
author = "{Forschungsgesellschaft für Straßen- und Verkehrswesen}",
|
||||
title = "Merkblatt über Detektoren für den Straßenverkehr",
|
||||
year = 1991,
|
||||
address = "Köln"
|
||||
}
|
||||
|
||||
@paper{paper:adaptiv,
|
||||
author = "{Bernhard Friedrich}",
|
||||
title = "Verkehrsadatipve Steuerung von Lichtsignalanlagen",
|
||||
publisher = "Institut für Verkehrswirtschaft, Straßenwesen und Städetbau, Universität Hannover"
|
||||
}
|
||||
BIN
ss2013/Bachelor Thesis/thesis_ug/pic/verkehrsmanagement.png
Normal file
BIN
ss2013/Bachelor Thesis/thesis_ug/pic/verkehrsmanagement.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 59 KiB |
@ -1,7 +1,10 @@
|
||||
\section{Datenbasis und Grundlagen}\label{sec:datengrund}
|
||||
In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -Modellierung beschrieben, sowie die Verkehrsdaten welchen f"ur diese Arbeit zur Verf"ugung standen und wie diese aufbereitet wurden. Die Aufbereitung der Daten dient der Modellierung des Verkehrssystems welches im Kapitel \autoref{sec:modell} n"aher beschrieben wird.
|
||||
\subsection {Induktionsschleifen}\label{sec:datengrund:induct}
|
||||
Eine Induktionsschleife ist ein, in die Fahrbahndecke integrierter, Sensor welcher dem Messen des Verkehr dient. Er macht sich das Prinzip der elektromagnetischen Induktion zur Nutze, um metallische Objekte zu detektieren. Hierf"ur werden Kabelschleifen in die Fahrbahndecke eingelassen und parallel zu einem Kondensator geschaltet. Durch Anlegen eines konstanten Gleichstroms erzeugen die Kabelschleifen ein Magnetfeld auf der Stra"se, welches sich ver"andert, wenn Autos darauf stehen oder dar"uber fahren. Diese Änderung ist an dem Induktionsstrom der Spule messbar. Unterschreitet die Spannung eine Schwelle wird der Sensor als belegt erkannt. Ist die Ver"anderung der Spannung von langer Dauer, ist der Sensor von einem darauf stehenden Auto belegt. Die Elektronik der Induktionsschleife wertet die gemessene "Anderung aus und liefert bereits aufbereitet Werte, welche Ausk"unfte "uber den Verkehr geben. In Abbildung \ref{abb:2} ist eine in die Fahrbahndecke verbaute Kabelschleife zu sehen, in Abbildung \ref{abb:3} ist der schematische Aufbau einer Induktionsschleife beschrieben.\\ \\
|
||||
Eine Induktionsschleife ist ein, in die Fahrbahndecke integrierter, Sensor welcher dem Messen des Verkehr dient. Er macht sich das Prinzip der elektromagnetischen Induktion zur Nutze, um metallische Objekte zu detektieren. Hierf"ur werden Kabelschleifen in die Fahrbahndecke eingelassen, parallel zu einem Kondensator geschaltet und mit einem Oszillator verbunden. Die Konstruktion aus Kondensator und Spule, der Induktionsschleife, wird Schwingkreis genannt. Durch Anlegen eines konstanten Gleichstroms erzeugen die Kabelschleifen ein Magnetfeld auf der Stra"se, welches sich ver"andert, wenn ein Auto darauf steht oder dar"uber f"ahrt. Diese Änderung ist an einer geänderten Resonanzfrequenz mithilfe des Oszillators messbar. Die Resonanzfrequenz berechnet sich dabei aus der Induktivität der Induktionsschleife und der Kapazität des Kondensators nach folgender Formel:
|
||||
$<math> f_0 = \frac1{2 \pi \sqrt{L C}}\ ,</math>$
|
||||
L bezeichnet die Induktivität der Induktionsschleife, C die Kapazität des Kondensators.
|
||||
Die Elektronik der Induktionsschleife werte die gemessene Resonanzfrequenz aus und übermittelt aufbereitete Werte, welche von einer adaptiven Ampel benutzt werden kann, um den Verkehr zu steuern. So können Werte für die Anzahl der Autos, welche den Sensor passiert haben bestimmt werden, sowie die Belegungszeit des Sensors. In Abbildung \ref{abb:2} ist eine in die Fahrbahndecke verbaute Kabelschleife zu sehen, in Abbildung \ref{abb:3} ist der schematische Aufbau einer Induktionsschleife beschrieben.\\ \\
|
||||
\begin{figure}
|
||||
\centering
|
||||
\subfigure[Induktionsschleife mit Kabel nach Abfr"asen der Fahrbahn. Quelle: wikipedia.org]{\includegraphics[width=0.3\textwidth-2\fboxsep-2\fboxrule]{pic/800px-Induktionsschleife}}
|
||||
@ -9,39 +12,54 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -Modellierung be
|
||||
\subfigure[Schematischer Aubau einer Induktionsschleife \cite{thesis:mazur}.]{\includegraphics[width=0.5\textwidth-2\fboxsep-2\fboxrule]{pic/induktionsschleife-schema}}
|
||||
\label{abb:3}
|
||||
\end{figure}
|
||||
Wie bei jedem Sensor sind die Messungen unter Vorbehalt des Fehlers zu betrachten.
|
||||
In der Arbeit von \cite{thesis:lehnhoff} wurden die Induktionsschleifen des Stadtgebiets von Hannover untersucht und festgestellt, das es sehr starke Unterschiede der Messgenauigkeit unter den Sensoren gibt. Messfehler werden dabei laut [Diss Lehnhoffsung 9] zwischen vier Fehlertypen unterschieden:
|
||||
Wie bei jedem Sensor sind die Messungen unter Vorbehalt des Fehlers zu betrachten. In der Arbeit von \cite{thesis:lehnhoff} wurden die Induktionsschleifen des Stadtgebiets von Hannover untersucht und festgestellt, das es sehr starke Unterschiede der Messgenauigkeit unter den Sensoren gibt, so wird festgestellt, dass bei nur einem drittel der Sensoren eine Messgenauigkeit von 90\% erreicht wird während ein gleichgroßer andere Teil eine Genauigkeit von unter 40\% aufweist. Messfehler werden dabei laut dem Merkblatt zu Detektoren für den Straßenverkehr\cite{merk:street} zwischen vier Fehlertypen unterschieden:
|
||||
\begin{enumerate}
|
||||
\item{Zeitlich bedinge Messfehler}
|
||||
\item{Lage- und formbedingte Messfehler}
|
||||
\item{Räumliche Messfehler}
|
||||
\item{Lage- und formbedingte Messfehler}
|
||||
\item{Umfeldbedingte Messfehler}
|
||||
\end{enumerate}
|
||||
[Erkl"arung]
|
||||
Über die Fehlerh"aufigkeit liegen keine Daten der Stadt Darmstadt vor.
|
||||
Die G"ultigkeit der Induktionsschleifenwerte wird in dem Kapitel \autoref{sec:validierung} genauer behandelt.\\ \\
|
||||
Induktionsschleifen m"ussen zus"atzlich in zwei Sensortypen unterschieden werden, da sie eine unterschiedliche Behandlungsweise erfordern. Dabei gibt es keinen Unterschied zwischen der verbauten Sensorelektronik oder -Installation, der Sensortyp bestimmt sich aus der Fahrspur auf der er in die Stra"sendecke eingelassen ist:
|
||||
Zeitliche Fehler wirken sich dabei auf die Belegzeitmessung aus. Da diese nicht innerhalb dieser Arbeit betrachtet wird, hat dieser Fehlertyp keine Auswirkungen auf die verwendeten Daten. Räumlich Messfehler beziehen sich ebenfalls auf die Belegzeitmessung und können zu Problemen mit der Bestimmung des Fahrzeugtypes führen, da für gleich lange Fahrzeuge verschiedene Belegzeiten gemessen werden können. Lage- und formbedingte Fehler wirken sich auf den, in dieser Arbeit benutzten, Autozählwert aus. Diese treten auf, wenn ein Fahrzeug der, mit einem Sensor bestückten, Nachbarspur zu nahe kommt und fälschlicher weise ein Auto für diese gezählt wird. Umfeldbedingte Fehler sind am schwersten festzustellen. Es handelt sich dabei um Fehler, die durch magnetische Störquellen in der Umgebung oder schlechte Isolation der Induktionsschleife auftreten.\\
|
||||
Über die Fehlerh"aufigkeit liegen keine Daten der Stadt Darmstadt vor. Die G"ultigkeit der Induktionsschleifenwerte wird in dem Kapitel \autoref{sec:validierung} genauer behandelt.\\ \\
|
||||
Induktionsschleifen m"ussen zus"atzlich in zwei Sensortypen unterschieden werden, da sie eine unterschiedliche Behandlungsweise erfordern. Dabei gibt es keinen Unterschied zwischen der verbauten Sensorelektronik oder -Installation. Der Sensortyp bestimmt sich aus der Fahrspur auf der er in die Stra"sendecke eingelassen ist:
|
||||
\begin{enumerate}
|
||||
\item{Einspursensor: Ein Auto auf dieser Spur kann die Kreuzung nur in eine Richtung verlassen.}
|
||||
\item{Mischspursensor: Ein Auto auf dieser Spur kann die Kreuzung in mehr als eine Richtung verlassen.}
|
||||
\end{enumerate}
|
||||
Diese Unterscheidung ist wichtig, da Mischspursensoren neben den Induktionsschleifenwerte noch sog. Abbiegewahrscheinlichkeiten ben"otigen, um Kreuzungszusammenh"ange zu berechnen. Die Verwendung der Abbiegewahrscheinlichkeiten ist im Kapitel \autoref{sec:berechnung} beschrieben. Dabei ist nicht ber"ucksichtigt, dass ein Verkehrsteilnehmer mithilfe einer sog. 'U-Turn' die Kreuzung in die selbe Richtung verlassen kann, aus der er kommt.
|
||||
Diese Unterscheidung ist wichtig, da Mischspursensoren neben den Induktionsschleifenwerte noch sog. Abbiegewahrscheinlichkeiten ben"otigen, um Kreuzungszusammenh"ange zu berechnen. Die Verwendung der Abbiegewahrscheinlichkeiten ist im Kapitel \autoref{sec:berechnung} beschrieben.
|
||||
\subsection{Adaptive Steuerung von Ampelanlagen}\label{sec:datengrund:adapt}
|
||||
Die auf den Stra"sen verbauten Induktionsschleifen dienen der verkehrsabh"angigen Steuerung von Ampelanlagen. Wird ein Auto auf einem Sensor erkannt, so kann die Ampelphase verl"angert oder die entsprechende Verkehrsrichtung freigeschaltet werden. Diese verkehrsabh"angige Steuerung von Lichtanlagen wird 'adaptive Steuerung' genannt. Der Begriff leitet sich dabei aus der Tatsache her, dass sich die Ampelsteuerung dem Verkehrsaufkommen anpasst.\\ \\
|
||||
todo Ampelsteuerung
|
||||
Durch eine solche Ampelsteuerung verk"urzt die Haltezeiten von Autos und sorgt f"ur einen fl"ussigeren Verkehr, im Vergleich zu einer statischen Ampelschaltung. Dies begr"undet sich darin, dass die Ampelschaltung eine Spur nur freischaltet, wenn ein Fahrzeug auf dem Sensor erkannt wurde. Es besteht außerdem die M"oglichkeit die Ampelphase so lange zu verl"angern, bis eine L"ucke in der Fahrzeugkolonne erkannt wird.\\ \\
|
||||
Werden die Induktionsschleifen an den Haltelinien einer Kreuzung verbaut, k"onnen sie au"serdem verwendet werden um Rotlichtverst"o"se automatisch erkannt werden.
|
||||
Mit der Zunahme des motorisierten Verkehrs erhielten Anfang des 20. Jahrhunderts sog. Verkehrspolizisten die Aufgabe den Verkehr an Kreuzungen zu regeln. 1924 wurde Potzdamer Platz die erste Ampel errichtet, um die Personalkosten zu reduzieren. In den folgenden Jahren wurde die Ampeltechnik weiter verbessert, an der manuellen Steuerung durch Verkehrspolizisten wurde allerdings festgehalten.\\
|
||||
Die erste verkehrsabhängige Steuerung wurde 1928 von Charles Adler jr. entwickelt und in Baltimore,Maryland das erste mal eingesetzt\cite{paper:adaptiv}[direct cite]. Bevor allerdings diese Technik Einzug in den alltäglichen Kreuzungsverkehr fand vergingen allerdings noch etwa 40 Jahre. Die meisten der eingesetzten verkehrsbahängigen Ampelsteuerungen setzen sog. Ablauflogiken ein, die es erlauben zu prüfen, 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 Lichtanlagen wird 'adaptive Steuerung' genannt. Der Begriff leitet sich dabei aus der Tatsache her, dass sich die Ampelsteuerung dem Verkehrsaufkommen anpasst.\\ \\
|
||||
Durch eine solche Ampelsteuerung verk"urzt sich die Haltezeiten von Autos und sorgt f"ur einen fl"ussigeren Verkehr, im Vergleich zu einer statischen Ampelschaltung. Dies begr"undet sich darin, dass die Ampelschaltung eine Spur nur freischaltet, wenn diese von einem Fahrzeug, detektiert über den Sensor in der Straße, benötigt wird. Es besteht außerdem die M"oglichkeit die Ampelphase so lange zu verl"angern, bis eine L"ucke in der Fahrzeugkolonne erkannt wird um ein Zug von Autos über 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 erkannt werden.\\ \\
|
||||
Die Steuerung der Ampelanlagen ist ein Teil der Verkehrsmanagement\autoref{abb:verkehrsmanagement} und ist für viele andere Bereiche der Verkehrstechnik von großem Interesse, da die Ampeln Sensordaten liefern, die vielfältig verwendet werden können. Ein Beispiel der Verwendung ist diese Arbeit, die aus den erfassten Induktionsschleifenwerten Verkehrsflüsse berechnet.
|
||||
\begin{figure} \label{abb:verkehrsmanagement}
|
||||
\centering
|
||||
\includegraphics[width=0.5\textwidth]{pic/verkehrsmanagement}
|
||||
\caption{Aufgaben und System des Verkehrsmanagements\cite{thesis:lehnhoff}}
|
||||
\end{figure}
|
||||
\subsection{Macro- und microskopische Modellierung von Verkehr}\label{sec:macromicro}
|
||||
In der Verkehrstechnik wird zwischen zwei Arten der Verehrsmodellierung unterschieden.
|
||||
Der Micromodellierung, welche jedes einzelne Auto, Fu"sg"anger und Ampel modelliert, und der Macromodellierung, welche ...
|
||||
In der Verkehrstechnik wird zwischen verschiedenen Arten der Verkehrsmodellierung unterschieden. Dabei kann ein Modell nach seinem Verwendungszweck klassifiziert werden. Es wird zwischen vier verschiedenen Arten des Verwendungszwecks unterschieden\cite{lect:simumod}:
|
||||
\begin{enumerate}
|
||||
\item{Erklärungsmodell: dient dazu reale Phänomen oder deren Entstehung zu erklären.}
|
||||
\item{Prognosemodelle: dient der Vorhersage verschiedenster Verkehrsparameter.}
|
||||
\item{Gestaltungsmodelle: dient der Voraussage von Veränderungen des Verkehrsverhaltens bei (infrastruckturellen) Maßnahmen.}
|
||||
\item{Optimierungsmodelle: dient der Optimierung von Verkehr.}
|
||||
\end{enumerate}
|
||||
Desweiteren wird zwischen den Genauigkeitsstufen des Modells unterschieden. Dies trifft insbesondere auf Flussmodelle zu, da diese auf verschiedenen Ebenen modelliert werden können. Es wird zwischen vier Genauigkeitsstufen unterschieden\cite{lect:simumod}:
|
||||
\begin{itemize}
|
||||
\item{makroskopisch: Modellierung auf Basis von Fahrzeugkollektiven}
|
||||
\item{mesoskopisch: Modelliert auf Basis von Fahrzeugkollektiven, betrachtet allerdings auch einzelne Fahrzeuge}
|
||||
\item{microskopisch: Modelliert auf Basis von einzelnen Fahrzeugen}
|
||||
\item{submicroskopisch: }
|
||||
\end{itemize}
|
||||
Macroskopische Modelle zeichnen sich dabei besonders durch Simplizität und hohe Recheneffizienz aus. Allerdings ist die Auflösung eines macroskopischen Modells gering. Ein microskopisches Modell betrachtet dagegen einzelne Fahrzeuge. Während das Macroskopische Modell Größen wie die Durchschnittsgeschwindigkeit oder die Verkehrsdichte betrachtet, werden in microskopischen Modellen Größen wie die Individualgeschwindigkeit eines Fahrzeugs oder dessen Reaktion auf andere Fahrzeuge untersucht. Ein mesoskopisches Modell ist dabei eine Mischung aus beiden Ansätzen. Ein submicroskopisches 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 macroskopischen Modellierung zuzuordnen. Dies begründet sich an den vorliegenden Messdaten, welche einen Rückschluss auf die einzelne Autos nicht zulässt. Die zur Verfügung stehenden Daten werden auf den folgenden Seiten beschrieben.
|
||||
\subsection{Induktionsschleifenwerte}\label{sec:inductvalues}
|
||||
F"ur die Untersuchungen dieser Arbeit stellte die Stadt Darmstadt\footnote{\url{http://www.darmstadt.de/}} die Werte der in der Stadt verbauten Induktionsschleifen. Die Daten werden in der 'live' gemessen, und f"ur die adaptive Ampelsteuerung eingesetzt. F"ur diese Arbeit standen allerdings nur Daten zur Verf"ugung, welche "uber einen Zeitraum von einer Minute gemessen wurden.
|
||||
Die Induktionsschleifen liefern die Werte 'count' und 'load' welche Auskunft "uber die Anzahl der Autos gibt, welche den Sensor passiert haben und wie lange dieser Sensor belegt war. \\
|
||||
Die Induktionsschleifen sind dabei fast ausschlie"slich an den Kreuzungseing"angen in den Stra"sen verbaut und werden "uber ein fest definiertes Intervall von einer Minute erhoben.\\ \\
|
||||
Der 'load'-Wert gibt dabei an, wie viel Prozent des Messintervalls der Sensor als belegt erkannt wurde. Es handelt sich folglich um einen Floatingpoint-Wert zwischen 0 und 1.\\
|
||||
Der 'count'-Wert repr"asentiert die Anzahl der Autos, welche den Sensor innerhalb des Messintervalls passiert haben. Es handelt sich folglich um eine ganze nat"urlich Zahl, einschlie"slich der Null.\\ \\
|
||||
F"ur die Untersuchungen dieser Arbeit stellte die Stadt Darmstadt\footnote{\url{http://www.darmstadt.de/}} die Werte der in der Stadt verbauten Induktionsschleifen zur Verfügung. Die Daten werden 'live' gemessen, und f"ur die adaptive Ampelsteuerung eingesetzt. F"ur diese Arbeit standen allerdings nur Daten zur Verf"ugung, welche "uber einen Zeitraum von einer Minute gemessen wurden. Die Induktionsschleifen liefern die Werte 'count' und 'load' welche Auskunft "uber die Anzahl der Autos gibt, welche den Sensor innerhalb des Messintervalls von einer Minute passiert haben und wie lange dieser Sensor innerhalb des Intervalls belegt war. Die Induktionsschleifen sind dabei fast ausschlie"slich an den Kreuzungseing"angen in den Stra"sen verbaut. Daten werden "uber ein fest definiertes Intervall von einer Minute erhoben.\\ \\
|
||||
Der 'load'-Wert gibt dabei an, wie viel Prozent des Messintervalls der Sensor als belegt erkannt wurde. Es handelt sich folglich um einen Floatingpoint-Wert zwischen 0 und 1. Der 'count'-Wert repr"asentiert die Anzahl der Autos, welche den Sensor innerhalb des Messintervalls passiert haben. Es handelt sich folglich um eine ganze nat"urlich Zahl, einschlie"slich der Null.\\ \\
|
||||
W"urde ein Sensor einen 'load' von 0.3 und einen 'count' von 5 melden, bedeutet das, dass dieser Sensor 30 Prozent einer Minute (18 Sekunden) belegt war und 5 Autos ihn passiert haben.\\ \\
|
||||
Die Daten werden von der Stadt Darmstadt als CSV-Dateien zur Verf"ugung gestellt und wurden im Rahmen der Arbeit \cite{thesis:mueller} "offentlich gemacht\footnote{Die Induktionsschleifenwerte sind und \url{http://www.da-sense.de/trafficdata/} zu finden}.
|
||||
\subsubsection{CSV-Daten der Stadt Darmstadt}\label{sec:datengrund:inductvalues:csv}
|
||||
\subsubsection{CSV-Dateien der Induktionsschleifenwerte}\label{sec:datengrund:inductvalues:csv}
|
||||
Die von der Stadt Darmstadt zur Verf"ugung gestellten CSV-Dateien "ubermitteln die gesamten Sensorwerte der Induktionsschleifen der Stadt Darmstadt in zwei Teilen, dem Bereich 'Darmstadt S"ud' und den von 'Darmstadt Nord'.\\ \\
|
||||
Die CSV Datei ist speziell kodiert und bietet folgende Spalten an Information an:
|
||||
\begin{enumerate}
|
||||
@ -50,7 +68,7 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -Modellierung be
|
||||
\item{Die Intervall"ange der Messung in Minuten}
|
||||
\item{Die Werte 'load' und 'count' f"ur bis zu 64 Sensoren}
|
||||
\end{enumerate}
|
||||
Die Bezeichnung der Kreuzung richtet sich dabei nach der Kreuzungsbezeichnung des Verkehrsamtes Darmstadt und ist eindeutig. Eine "ubersicht "uber ganz Darmstadt mit eingezeichneten kreuzung ist im Anhang \ref{abb:4} zu finden. Ein Kreuzungsname in Darmstadt besteht dabei aus einem 'A' und einer eindeutigen Nummer. Die L"ange des Messintervalls ist in Darmstadt als eine Minute definiert.
|
||||
Die Bezeichnung der Kreuzungen richtet sich dabei nach der Kreuzungsbezeichnung des Verkehrsamtes Darmstadt und ist eindeutig. Eine "ubersicht "uber ganz Darmstadt mit eingezeichneten Kreuzungen ist im Anhang \ref{abb:4} zu finden. Ein Kreuzungsname in Darmstadt besteht dabei aus einem 'A' und einer eindeutigen Nummer. Die L"ange des Messintervalls ist in Darmstadt auf eine Minute definiert.
|
||||
\begin{figure}
|
||||
\begin{tabular}{|l|l|l|l|lllllllllllll|}
|
||||
Datum& Uhrzeit& Bez.& Intv.& D1Z& D1B& D2Z& D2B& D3Z& D3B& D4Z& D4B& D5Z& D5B& \dots& D64Z& D64B\\
|
||||
@ -67,36 +85,13 @@ In diesem Kapitel werden die Grundlagen der Verkehrstechnik und -Modellierung be
|
||||
08.08.13 & 00:19:00 & A 31 & 1 & & & & & & & & & & & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 33 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 1 & 1 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 34 & 1 & 0 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 35 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 36 & 1 & 0 & 0 & 1 & 10 & 0 & 0 & 1 & 5 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 37 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 38 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 39 & 1 & 0 & 0 & 0 & 0 & & & & & & & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 40 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 46 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 59 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 61 & 1 & 0 & 0 & 0 & 0 & & & & & & & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 62 & 1 & & & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 64 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 10 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 65 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 69 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 70 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 72 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 73 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 74 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 75 & 1 & 1 & 1 & 1 & 1 & 0 & 0 & 1 & 18 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 76 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 82 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 84 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & & & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 87 & 1 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 90 & 1 & 0 & 25 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
08.08.13 & 00:19:00 & A 94 & 1 & 0 & 0 & 1 & 10 & 1 & 10 & 0 & 0 & 0 & 0 & \dots & 0 & 0\\
|
||||
\dots
|
||||
\hline
|
||||
\end{tabular}
|
||||
\caption{CSV-Datei Ausschnitt}
|
||||
\caption{CSV-Datei Ausschnitt von[] }
|
||||
\end{figure}
|
||||
Sensorspalten, welche auf Z enden, bezeichnen den 'count'-Wert des jeweiligen Sensors, solche die auf B enden den 'load'-Wert. Jede Zeile in der CSV-Datei repr"asentiert dabei eine Kreuzung zu dem gegebenen Zeitpunkt. F"ur eine Kreuzung k"onnen dabei bis zu 64 Sensoren in der CSV bereitgestellt werden.
|
||||
Um die Zuordnung von CSV-Spalte zu dem ta"achlichen Sensornamen der CAD-Zeichnungen\gls{gls:cad} herzustellen, werden sog. "Ubersetzungstabellen ben"otigt. Diese ordnen einer CSV-Sensorspalte (1-64) einen kreuzungsspezifischen Sensornamen zu. In der Praxis wird eine solche "Ubersetzungstabelle durch einen Offset auf der CSV-Datei im Computer nachgebildet. Einige Übersetzungstabellen sowie die CAD-Zeichnung sind im Anhang zu finden [].
|
||||
Um die Zuordnung von CSV-Spalte zu dem ta"achlichen Sensornamen der CAD-Zeichnungen\gls{gls:cad} herzustellen, werden sog. "Ubersetzungstabellen ben"otigt. Diese ordnen einer CSV-Sensorspalte (1-64) einen kreuzungsspezifischen Sensornamen zu. In der Praxis wird eine solche "Ubersetzungstabelle durch einen Offset auf der CSV-Datei im Computer nachgebildet. Für die in diese Arbeit modellierten Kreuzungen sind Übersetzungstabellen sowie die CAD-Zeichnung im Anhang zu finden\autoref{abb}.
|
||||
\subsubsection{MYSQL-Daten des Projektes Verkehrsvisualisierung}\label{sec:datengrund:inductvalues:mysql}
|
||||
Im Rahmen der Arbeit von \cite{thesis:mueller}, welche die Sensorwerte auf eine Karte projeziert, wurden die CSV-Dateien bereits in eine MYSQL-Datenbank "uberf"uhrt.
|
||||
Die Sensordaten sind dort bereits mit Geoinformationen des OpenStreetMap Projektes verkn"upft und geben Auskunft "uber Kreuzung- und Sensorpositionen.\\ \\
|
||||
|
||||
@ -1,43 +1,25 @@
|
||||
\section{Einleitung}\label{sec:einleitung}
|
||||
Die Anzahl der LKWs und PKWs steigt seit 1950 st"andig an.
|
||||
[stats] \cite{web:statista:lkw}\cite{web:statista:pkw}
|
||||
Die gr"o"ser werdende Anzahl der Verkehrsteilnehmer und die damit verbundenen Massen an Autos auf den Stra"sen wird zunehmend zu einer Herausforderung f"ur die St"adte, Stra"sen, Mensch und Umwelt.
|
||||
[stats] \cite{web:statista:laerm}\\ \\
|
||||
Aus diesem Grund ist die Analyse und Optimierung des Verkehrs ein wichtiger Bestandteil der Arbeit der Verkehrs"amter, damit der Verkehr weiterhin reibungslos funktioniert und den gestiegenen Anforderungen unsere Zeit gewachsen bleibt. Neben den zust"andigen Verkehrs"amter, haben sich einige Firmen auf die Untersuchung des Verkehrs spezialisiert und bieten Analysetools f"ur den Verkehr an. So bietet das Programm VISSIM\footnote{http://www.vissim.de} und PELOPS\footnote{PELOPS: Programm zur Entwicklung L"angsdynamischer, mikrOskopischer VerkehrsProzesse in Systemrelevanter Umgebung} eine professionelle mikroskopische Modellierung des Verkehrssystems an. \\
|
||||
Dabei ist das mikroskopische Modell nur eines von einer Vielzahl an Modellen, um den Verkehr zu simulieren... \\ \\
|
||||
Neben der Anzahl von Kraftfahrzeugen auf den Straßen nimmt die Anzahl der moderne adaptiven Ampelanlagen und deren Sensorik, welche in den Stra"sen verbaut ist, zu und erlaubt es heute eine Analyse des Verkehrs auch ohne große manuelle Datenerhebungen durchzuf"uhren um den Verkehr zu untersuchen. Da die Sensorik, welche zur Steuerung der Ampelanlagen eingesetzt wird, die Aufgabe hat Autos zu erkennen und zu z"ahlen wird in dieser Arbeit diskutiert in wieweit solche Sensordaten ausreichen, um den Fluss des Verkehrs auf Kreuzungen und zwischen diesen zu modellieren.\\ \\
|
||||
F"ur diese Aufgabe stehen die Sensordaten von den Straßen der Stadt Darmstadt zur Verf"ugung, welche in einer Vielzahl ihrer Kreuzungen mit sog. Induktionsschleifen als Verkehrssensoren best"uckt hat. Diese liefern Messwerte "uber die Anzahl der Autos, welche den Sensor passiert und solche die auf dem Sensor gestanden haben. Sie dienen dabei der adaptiven Steuerung des Verkehrs. Eine Beschreibung von Induktionsschleifen, sowie die genau Beschreibung der Daten der Stadt Darmstadt, wird im Kapitel \autoref{sec:datengrund} beschrieben.\\ \\
|
||||
Die Stadt Darmstadt stellte ihre Daten der Induktionsschleifen auf Anfrage zur Verf"ugung. Diese Sensorwerte werden in dieser Arbeit nicht zur Ampelsteuerung, allerdings f"ur die Berechnung von Verkehrsfl"ussen und der Vorhersage von Verkehr benutzt. Daf"ur wird ein Modell eines Teilausschnitts der Stadt Darmstadt erstellt und der Verkehr mithilfe der Induktionsschleifenwerte berechnet. Das entwickelte Modell ist dabei ein Graph und wird im Kapitel \autoref{sec:modell} beschrieben.\\
|
||||
Diese Arbeit besch"aftigt sich neben der Auswertung dieser Daten und der Modellierung des Vekehrs mit der Fragestellung inwieweit der Verkehr anhand der Induktionsschleifenwerte rekonstruiert werden kann und mit welcher Genauigkeit. Au"serdem wird versucht f"ur eine kurze Zeitperiode in der Zukunft eine Vorhersage zu treffen, wie der Verkehr dann aussieht.\\
|
||||
Die Problematik die sich dabei auftut ist, dass nicht alle Stra"sen und Kreuzungen der Stadt Darmstadt mit Induktionsschleifen ausgestattet sind. Man m"ochte allerdings gerne Verkehrswerte f"ur diese, nicht bekannten Bereiche, berechnen oder absch"atzen, um die momentane Verkehrssituation besser einsch"atzen zu k"onnen und sich einen Überblick "uber die aktuelle Verkehrslage zu verschaffen.\\
|
||||
L"osungsans"atze werden daf"ur in Kapitel \autoref{sec:berechnung} vorgestellt. F"ur Kreuzungen konnte dabei eine L"osung auf Basis lineare Gleichungssysteme errechnet werden.
|
||||
Auch wenn alle Induktionsschleifenwerte der Stadt Darmstadt zur Verf"ugung stehen, so wurde in dieser Arbeit nur ein kleiner Ausschnitt von Darmstadt betrachtet, die sog. 'Ministadt', welcher sich "uber zehn Kreuzungen erstreckt. Dabei wurde der Ausschnitt so gew"ahlt, dass einige Sonderf"alle abgedeckt sind, wie z.b. eine Einbahnstra"se. Allerdings spielte bei der Auswahl des Gebiets auch die hohe Abdeckung mit Sensoren, welche auf den gew"ahlten Kreuzungen zur Verf"ugung stehen.\\
|
||||
|
||||
Die Anzahl der LKWs und PKWs steigt seit 1950 st"andig an. So waren im Jahre 1955 lediglich 1.748 tausend PKWs und 603 tausend LKWs gemeldet. Innerhalb des letzten Jahrzehnten sind die angemeldeten LKWs und PKWs stetig gestiegen. 2013 waren 2.579 tausend LKWs und 43.431 tausend PKWs gemeldet \cite{web:statista:lkw}\cite{web:statista:pkw}. Dabei ist neben dem Personenverkehr besonders der Güterverkehr eine besonders große Belastung für die Straßen. Das Statistische Bundesamt\footnote{https://www.destatis.de/} weist in einer Erhebung der Anteile der Verkehrsträger im Güterverkehr aus Deutschland in die EU den Straßenverkehr mit 57\% aus während Bahn- und Schifffahrtsverkehr lediglich einen Anteil von unter 10\% an dem Gütertransport haben. Die gr"o"ser werdende Anzahl der Verkehrsteilnehmer und die damit verbundenen Massen an Autos auf den Stra"sen wird zunehmend zu einer Herausforderung f"ur die St"adte, Stra"sen, Mensch und Umwelt. In einer Umfrage von 2010 des Umweltbundesamt\footnote{www.umweltbundesamt.de/} unter der Bevölkerung, geben 57\% der Befragten an von Straßenverkehrslärm belästigt zu werden\cite{web:statista:laerm}.\\ \\
|
||||
Eine Folge des gewachsenen Straßenverkehrsaufkommens ist ein vermehrter Einsatz verkehrsaufkommensgesteurter Ampelanlagen. Sie ermöglichen es der Ampel mithilfe 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{} eine Verbesserung des Verkehrsflusses erreicht und die Haltezeiten an der Ampel verkürzt werden.\\
|
||||
Zunehmend werde auch sog. 'volladaptive' Apelksteuerungen eingesetzt, welche neben den Sensorwerten der jeweiligen Kreuzung auch die Sensorwerte benachbarter Kreuzungen in die Berechnung der Ampelphasen einfließen lässt. Dieser Ansatz verspricht einen noch flüssigeren Verkehr und eine nochmalige Verbesserung des Verkehrsflusses.\\ \\
|
||||
Neben einer verbesserten Ampelsteuerung um den Verkehr schneller fließen zu lassen, haben sich einige Firmen auf die Untersuchung des Verkehrs spezialisiert und bieten Analysewerkzeuge f"ur den Verkehr an. So bietet das Programm VISSIM\footnote{http://www.vissim.de} und PELOPS\footnote{PELOPS: Programm zur Entwicklung L"angsdynamischer, mikrOskopischer VerkehrsProzesse in Systemrelevanter Umgebung} eine professionelle mikroskopische Modellierung von Verkehr an. Mikroskopische Verkehrsmodelle modellieren dabei jeden einzelnen Verkehrszeilnehmer um beziehung unter diesen aufzeigen und berechnen zu können. 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 wieviel des Verkehr aus den Kreuzungen fließt. Dies ist besonders interessant, da die Sensorik bereits auf der Straße verbaut ist und keine manuellen Datenerhebungen notwendig sind. Die Problematik die sich dabei auftut ist, dass nicht alle Stra"sen und Kreuzungen zwangsläufig 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, um die momentane Verkehrssituation besser einsch"atzen zu k"onnen und sich einen Überblick "uber die aktuelle Verkehrslage zu verschaffen. Dabei erweist sich die geringe Sensormenge und der große Abstand zwischen diesen, als die größten Herausforderungen. Für die Untersuchung wurde ein Ausschnitt des Straßennetzes der Stadt Darmstadt gewählt und ein Modell für Kreuzungen und un ein zweites Modell für zwischen den Kreuzungen erstellt. Hierfür wird, im Gegensatz zu industriellen Verkehrssimulationswerkezeugen ein macroskopischer Ansatz gewählt um der geringen Sensordichte gerecht zu werden.\\ \\
|
||||
F"ur diese Aufgabe stehen die Sensordaten von den Ampelanlagen der Stadt Darmstadt zur Verf"ugung, welche in einer Vielzahl ihrer Kreuzungen mit sog. Induktionsschleifen, Verkehrssensoren, best"uckt hat. Diese liefern Messwerte "uber die Anzahl der Autos, welche den Sensor passiert und solche die auf dem Sensor gestanden haben, im Minutentakt.\\ \\
|
||||
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 das auf dem gesamten Stadtgebiet der Stadt Darmstadt der Fall w"are. Eine Beschreibung der Grundlagen, sowie die genau Beschreibung der Daten der Stadt Darmstadt, wird im Kapitel \autoref{sec:datengrund} vorgenommen. Das untersuchte Gebiet erstreckt sich dabei über zehn Kreuzungen, welche eine hohe Sensordichte aufweisen. Das entwickelte graphenbasierte Modell für Kreuzungen und zwischen Kreuzungen wird in Kapitel \autoref{sec:modell} vorgestellt. Es modelliert neben den Induktionsschleifen sog. 'virtuelle Sensoren' für welche keine Sensorwerte vorliegen.
|
||||
[collage]
|
||||
\begin{figure}
|
||||
\centering
|
||||
\includegraphics[width=0.5\textwidth]{pic/overview}
|
||||
\caption{Ministadt, ausschnitt von Darmstadt der innerhalb dieser Arbeit betrachtet wird.}
|
||||
\end{figure}
|
||||
|
||||
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 das auf dem gesamten Stadtgebiet der Stadt Darmstadt der Fall w"are. N"aheres wird im Kapitel [Daten] beschrieben.\\
|
||||
|
||||
Dabei erwies sich den Zusammenhang zwischen zwei Sensorwerten zweier Kreuzungen herzustellen als elementares Problem, welches 'Zeitproblem' getauft wurde. Es beschreibt, das es nicht trivial ist festzustellen, welcher Sensorwert zur Zeit X in Beziehung zu einem anderen Sensorwert zum Zeitpunkt Z steht. N"aheres dazu im Kapitel [Berechnung].\\
|
||||
|
||||
Durch lineare Gleichungssysteme konnten Verkehrswerte f"ur und zwischen Kreuzungen ausgerechnet werden. Grundlage dieser Berechnung sind Matrizenmultiplikationen, welche in dieser Arbeit direkt am Graphen berechnet werden.
|
||||
Diese Berechnungen wurden daraufhin mit einer Verkehrsz"ahlung "uberpr"uft. Da sich die Sensorwerte als besonders ungenau herausgestellt haben, wird nicht nur auf die Genauigkeit der Sensorwerte in dieser Arbeit eingegangen, auch verschiedene L"osungsvorschl"age werden diskutiert, wie sich sowohl das 'Zeitproblem' l"osen l"asst, als auch die Genauigkeit der Sensoren erh"ohen l"asst.
|
||||
Dabei wird auf Daten des Projekts [] zur"uckgegriffen, welche die Daten der Induktionsschleifen f"ur ganz Darmstadt bereits in eine Datenbank ein gepflegt vorliegen hat.
|
||||
Es wird daraufhin in Kapitel \autoref{sec:berechnung} beschrieben wie anhand dieses Modells ein Verkehrsfluss aus den Kreuzungen heraus berechnet werden kann. Dafür werden verschiedene Ans"atze diskutiert und eine Lösung mithilfe linearer Gleichungssysteme vorgestellt, um Werte für 'virtuelle Sensoren' zu berechnen. Durch weitere lineare Gleichungen konnten auch für Flüsse zwischen Kreuzungen Werte berechnet werden. Grundlage dieser Berechnung sind Matrizenmultiplikationen, welche in dieser Arbeit direkt am entwickelten Graphen berechnet werden. Desweiteren wird untersucht inwieweit der Verkehr anhand der gegebenen Daten vorhergesagt werde kann. Im Kapitel \autoref{sec:visualisierung} werden zwei Visualisierungen des Modells anhand des gewählten Ausschnitts des Straßennetz der Stadt Darmstadt erläutert, woraufhin im Kapitel \autoref{sec:validierung} die Ergebnisse und das Modell auf ihre Gültigkeit hin überprüft werden. Hierfür wurde eine Verkehrszählung vorgenommen, um die berechneten Daten überprüfen zu können.
|
||||
Da sich die Sensorwerte als besonders ungenau herausgestellt haben, werden im Kapitel \autoref{sec:ausblick} verschiedene Ansätze diskutiert, wie sich die Genauigkeit der Berechnung erhöhen lässt. Zum Abschluss werden noch einige Fragen aufgeworfen, welche es in der Zukunft zu lösen gilt.
|
||||
|
||||
In die Einleitung geh"ort:
|
||||
• Motivation der Arbeit: Warum ist das Thema wichtig? Kann so bleiben mit den Studien etc
|
||||
• Motivation der Arbeit: Warum ist das Thema wichtig? ok
|
||||
• Warum ist die Aufgabe schwer zu l"osen? Beschreibung der Problemstellung
|
||||
• Wie wird die Aufgabe gel"ost? Wie ist die Vorgehensweise? Was wird in welchem Kapitel gemacht? Kurzbeschreibung der Kapitel
|
||||
• Was sind die Ergebnisse?
|
||||
• eventuell noch erz"ahlen was Vissum macht und hier der aktuelle Stand ist. Weshalb meine Sachen f"ur denen ihre
|
||||
Sachen wichtig sind...
|
||||
• PTV Visum4
|
||||
: Software f"ur Verkehrsanalysen, Verkehrsprognosen und GIS-orientierte Datenverwaltung.
|
||||
• PTV Vissim5
|
||||
: Software f"ur mikroskopische Verkehrssimulation
|
||||
|
||||
zielsetzung
|
||||
\begin{itemize}
|
||||
@ -55,20 +37,6 @@ zielsetzung
|
||||
|
||||
Vorhersage des Verkehrs
|
||||
|
||||
Diese Arbeit besch"aftigt sich prim"ar mit der analyse eines Sensornetzwerkes, den Stra"sensensoren.
|
||||
Sie ist daher dem Forschungsgebiet des [XXX] zuzuordnen. Allerdings besch"aftigt sie sich ebenfalls
|
||||
mit Verkehrstechniken und Graphenalgorithmen. Im folgenden werden einige ausgew"ahlt Publikationen
|
||||
vorgestellt.
|
||||
|
||||
Michael Scholz BA
|
||||
Verkehrstools, micro modellierung
|
||||
Stadt darmstadt monitoring tool, unsofisticated
|
||||
Christians verkehrstools
|
||||
|
||||
diplomarbeit mazur.pdf
|
||||
diplomarbeit steffen buhle.pdf
|
||||
neubert.pdf
|
||||
|
||||
\cite{thesis:elfers}
|
||||
\cite{paper:kwonmurphy}
|
||||
\cite{lect:simumod}
|
||||
|
||||
@ -6,4 +6,9 @@
|
||||
output in a useful format}
|
||||
}
|
||||
|
||||
\newacronym{gls:cad}{CAD}{Test text für CAD}
|
||||
\newacronym{gls:cad}{CAD}{Test text für CAD}
|
||||
|
||||
lkw
|
||||
pkw
|
||||
cad
|
||||
hmm
|
||||
@ -393,4 +393,6 @@ Die Grundannahme f"ur das Modell ist, dass sich die Verkehrsteilnehmer an die St
|
||||
[Uturn]
|
||||
[Sensor n"ahe zur Kreuzung]
|
||||
[verkehrsverhalten - falsch abbiegen etc]
|
||||
\newpage
|
||||
\newpage
|
||||
|
||||
Dabei ist nicht ber"ucksichtigt, dass ein Verkehrsteilnehmer mithilfe einer sog. 'U-Turn' die Kreuzung in die selbe Richtung verlassen kann, aus der er kommt.
|
||||
Loading…
x
Reference in New Issue
Block a user