In Deutschland werden bis 2017 1.270 km des Autobahnnetzes mit Streckenbeeinflussungsanlagen (SBA) ausgestattet. SBA sollten für die Auswahl der Steuerungsentscheidung und die Erfüllung ihrer Zielsetzung verschiedene Indikatoren und Algorithmen benutzen. Vorhandene Modelle verwenden in der Regel strikte Wenn-Dann-Regeln, die bei empfindlichen Algorithmen häufig zu restriktive Steuerungen aktivieren. Zur Lösung dieser Problematik soll in der vorliegenden Arbeit eine Methode entwickelt werden. In der Arbeit wird das umfassende, praktisch anwendbare, adaptive Steuerungssystem INCA entwickelt und vorgestellt, das auf einem datengetriebenen (data-driven) Ansatz aufbaut. Die entscheidenden Komponenten des Systems sind die Kosten-Nutzen basierte Zielfunktion, das flexible Informationsfusionsmodell und der Optimierungsprozess. Die Kosten der Schaltung einer Geschwindigkeitsbeschränkung werden für die Zielfunktion in Relation zu denen ohne Schaltung geschätzt, indem die Zeitverluste der Fahrer berechnet werden, die sich an die Beschränkung halten. Wenn Situationen mit und ohne Steuerung berücksichtigt werden, beschreibt das Modell auch relative Nutzen, die sich aufgrund einer Reduktion der Unfallwahrscheinlichkeit infolge einer rechtzeitigen Warnung oder Verkehrsharmonisierung ergeben. Die Zielfunktion hat verschiedene konfigurierbare Parameter, die an die jeweiligen Nutzeranforderungen angepasst werden können. Das datengetriebene Modell kombiniert die verfügbaren Informationen auf flexible Art und Weise, was die veränderliche Zuverlässigkeit und die verschiedenen Randbedingungen berücksichtigt. Die Steuerungsentscheidung wird in zwei Stufen herbeigeführt: zunächst für jede einzelne Kontrollstation (AQ) und danach koordiniert für den gesamten Streckenabschnitt. Jede Kontrollstation ist mit einer intelligenten lokalen Steuerungseinheit ausgerüstet, die für die Auswahl der besten Steuerungsentscheidung in der jeweiligen Situation für den folgenden Streckenabschnitt zuständig ist. Die Entscheidung für das Ziel 'Harmonisierung wird einem modifizierten Belastungsalgorithmus herbeigeführt. Die Gefahrenwarnung erfolgt auf der Basis eines Logit-basierten Regressionsmodells, das das Gewicht der vorhandenen Information unter definierten Verkehrszuständen bestimmt. Andere Steuerungsalgorithmen (z.B. Wetterwarnung) sind im nächsten Schritt enthalten. Zusätzlich werden auf globaler Ebene verschiedene globale Regeln verwendet die zu einer Koordination der Steuerungsentscheidungen beitragen. Das Ziel des Optimierungsprozesses ist, den bestmöglichen Parameter aus einem minimalen Datenumfang zu ermitteln und damit die Robustheit und Übertragbarkeit des Modells sicher zu stellen. Um das zu erreichen, werden uneffektive oder instabile Parameter mittels der Ridge-Regression ausgeschlossen. Die Verteilung der Parameter und somit die Varianz des Modells mit vom Umfang begrenzten Trainingsdaten wird mittels der Bootstrap Methode ermittelt. Die Suche der optimalen Parameter wird mittels der Downhill Simplex Methode durchgeführt. Weiterer Teil des Optimierungsprozesses ist ein Genetischer Algorithmus. Zum Test und der Bewertung von INCA wurde das vorgeschlagene Steuerungssystem in der Verkehrsrechnerzentrale Freimann bei München installiert. Als Teststrecke wurde ein 38km langer Autobahnabschnitt der BAB A8 von Salzburg in Fahrtrichtung München mit 20 AQ ausgewählt. Über zwei Monate wurden Daten gesammelt und für die Kalibrierung verwendet. INCA wurde in einem offenen Regelkreis über weitere zwei Monate getestet. Nach den Detektions- und Fehlalarmraten führte INCA zu signifikant besseren Schaltentscheidungen als die anderen getesteten Algorithmen, vor allem bei den Schaltungen von 80 km/h und 40 km/h, wohingegen bei Schaltungen von 60 km/h weiteres Verbesserungspotential für INCA ausgemacht wurde. Die Gesamtverbesserung im Vergleich zum bestehenden System betrug 40%. Daneben wird nachgewiesen, dass INCA auf beliebigen Autobahnen mit Verkehrserfassungssystemen anwendbar ist, wenn eine historische Datenbasis zur Verfügung steht. Im Gegensatz zu existierenden Ansätzen bietet INCA einen systematischen Rahmen für die Steuerung von SBA.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Intelligent link control framework with empirical objective function: INCA


    Additional title:

    Intelligente Verzweigungssteuerung eines Netzwerks mit empirischer, objektiver Funktion: INCA


    Contributors:


    Publication date :

    2009


    Size :

    206 Seiten, Bilder, Tabellen, Quellen


    Remarks:

    (+13 S. Anh.)




    Type of media :

    Theses


    Type of material :

    Print


    Language :

    English