Verkehrsflüsse in Netzen

Modellierungen und Simulationen des Verkehrsflusses auf Autobahnen wurden intensiv in den letzten Jahren untersucht. Auf der einen Seite wurden Modelle, welche die Dynamik auf einzelnen Straßen beschreiben, ständig weiterentwickelt und verbessert. Um den Verkehrsfluss auf Netzen zu beschreiben, gibt es detaillierte dynamische Modelle auf der Grundlage partieller Differenzialgleichungen. Jedoch ist die Anzahl der Straßen, die mit einem solchen Ansatz behandelt werden können, begrenzt, insbesondere, wenn dafür Optimierungsprobleme gelöst werden müssen. Insbesondere Probleme der optimalen Steuerung für den Verkehrsfluss auf Netzen zum Verkehrsmanagement sind ein wichtiger Forschungsschwerpunkt in diesem Bereich. Um große Verkehrsnetz untersuchen zu können, wird meist mit einer stark vereinfachten Dynamik oder auch rein statische Beschreibung der Verkehrsströme gearbeitet.

Das Ziel unserer Untersuchung ist die Ableitung und Entwicklung einer Hierarchie von vereinfachten dynamischen Modellen, wobei die "richtige" Dynamik durch partielle Differenzialgleichungen beschrieben wird. Diese Modelle sollten eine angemessene Approximation der realen Dynamik liefern und gleichzeitig sollen sie numerisch auch für große Netze lösbar sein. Wir beginnen mit makroskopischen Modellen. Die resultierenden Näherungen sind Netzfluss-Modelle, die auf nichtlinearen algebraischen Gleichungen basieren, oder kombinatorische Modelle auf der Basis von linearen Gleichungen. Im einfachsten Fall erhalten wir bekannte statische kombinatorische Probleme, wie zum Beispiel das Minimalkosten-Fluss-Problem. Erwartungsgemäß sind die vereinfachten Modelle wesentlich leichter zu lösen und daher insbesondere für große Netze gut geeignet. Allerdings verliert man durch die nur grobe Approximation einen Großteil an Informationen über die Verkehrsdynamik.

Partner

  • Technische Universität Darmstadt

Veröffentlichungen

  1. Armin Fügenschuh, Michael Herty, Axel Klar, Alexander Martin, Combinatorial and Continuous Models and Optimization for Traffic Flow on Networks , SIAM Journal on Optimization, Vol. 16, No. 4, pp. 1155 – 1176, 2006.

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo