Traffic State Estimation with Multi-Agent Simulations

Die vorliegende Dissertation beschreibt ein neuartiges Verfahren zur gänzlich disaggregierten Nachführung des Mobilitätsverhaltens von Autofahrern auf Grundlage aggregierter Messungen von Verkehrsflüssen, -dichten oder -geschwindigkeiten, welche durch eine begrenzte Anzahl von Sensoren im Netzwerk aufgenommen werden. Das Problem wird mittels eines bayesschen Ansatzes gelöst, wobei das gegebene a priori Wissen über die Auswahlverteilung der Verhaltensalternativen eines jeden Individuums mit der Likelihood-Funktion der verfügbaren Messungen in eine geschätzte a posteriori Verhaltensverteilung kombiniert wird. Der Ansatz ist insofern simulationsbasiert, als daß (i) allein ein Simulationssystem zur Repräsentation der a priori Verhaltensannahmen benötigt wird und (ii) das Verfahren ausschließlich Ziehungen aus der a posteriori Verhaltensverteilung generiert. Das Verfahren behandelt den Simulator des a priori Verhaltens soweit wie möglich als eine Black Box. Die nachführbaren Verhaltensdimensionen reichen von einfacher Routenwahl bis hin zur Auswahl von Plänen für einen ganzen Tag. Eine gleichgewichtsbasierte Modellierungsannahme ist ebenso zulässig wie ein Telematikmodell unvollständig informierter Fahrer. Die Verwendung aggregierter Sensordaten zur disaggregierten Verhaltensschätzung wird durch eine kombinierte mikroskopische/makroskopische Mobilitätssimulation ermöglicht, welche individuelle Fahrzeuge auf Grundlage eines makroskopischen Modells der Verkehrsflussdynamik bewegt. Das Modell erlaubt eine lineare Vorhersage des Effektes von individuellem Verhalten auf den aggregierten Verkehrszustand und ermöglicht auf diese Weise eine lineare Approximation der logarithmierten Likelihood-Funktion der Sensordaten in Abhängigkeit von dem Verhalten der Fahrerpopulation. Diese Linearisierung wird von zwei operativen bayesschen Schätzern genutzt. Der accept/reject estimator macht keine weitergehenden Annahmen über die a priori Verhaltensverteilung. Er zieht eine Anzahl von Realisierungen aus dieser Verteilung und behält nur eine Teilmenge dieser Ziehungen bei. Diese Teilmenge wird unter Berücksichtigung der Likelihood-Funktion der Messungen derartig ausgewählt, daß sie näherungsweise äquivalent zu einer Stichprobe aus der a posteriori Verhaltensverteilung ist. Der utility-modification estimator addiert einen Korrekturterm zu der Nutzenfunktion einer jeden Verhaltensalternative, die ein simulierter Reisender vor einer Entscheidung auswertet. Diese Korrektur ist ebenfalls durch die Likelihood-Funktion der Messungen bestimmt. Für eine bestimmte Form der a priori Verhaltensverteilung ist das resultierende Verhalten näherungsweise äquivalent zu einer Ziehung aus der a posteriori Verhaltensverteilung. Für die experimentellen Untersuchungen dient ein erweitertes cell-transmission model als Mobilitätssimulation und ein randomisierter Kurzwegalgorithmus als Platzhalter für eine vollständige Verhaltenssimulation. Die Experimente werden unter synthetischen Bedingungen durchgeführt, wobei die Sensordaten durch eine externe Modellinstanz erzeugt werden. Der Testfall umfasst ein Netzwerk von 2459 Kanten und eine mikroskopische Population von 206353 Fahrern. Die experimentellen Ergebnisse zeigen, daß das implementierte Verfahren die folgenden Eigenschaften aufweist: (i) Es nutzt in effizienter Weise eine begrenzte Menge verfügbarer Verkehrszählungen, um das individuelle Routenwahlverhalten in der Population derartig nachzuführen, daß eine deutlich realistischere globale Verkehrslage resultiert. (ii) Es ist sowohl auf ein gleichgewichtsbasiertes Simulationssystem als auch auf einen Simulator ohne Gleichgewichtsannahme anwendbar. (iii) Wenngleich der verfügbare Testfall etwas zu groß ist, um in Echtzeit nachgeführt zu werden, sind in dieser Hinsicht realisierbare Szenarien nicht um Größenordnungen kleiner.

Author dc:creator

• Flötteröd, Gunnar

Advisor dc:contributor.advisor

• Nagel, Kai

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-nc-nd/2.0/

Language dc:language.iso

en, English

Identifier URI

urn:nbn:de:kobv:83-opus-19803
http://dx.doi.org/10.14279/depositonce-668

OAI identifier oai:identifier

oai:depositonce.tu-berlin.de:11303/965