Zurück Vor

Detailergebnis zu DOK-Nr. 63226

Ein echtzeitfähiger Evolutionärer Algorithmus zur netzweiten Optimierung der Lichtsignalsteuerung

Autoren	R. Braun
Sachgebiete	0.8 Forschung und Entwicklung 6.2 Verkehrsberechnungen, Verkehrsmodelle 6.7 Verkehrslenkung, Verkehrssteuerung, Telekommunikation

München: Lehrstuhl für Verkehrstechnik, Technische Universität München, 2009, 115 S., zahlr. B, T, Q (Schriftenreihe des Lehrstuhls für Verkehrstechnik der Technischen Universität München H. 10)

In der Arbeit wird mit GALOP ein echtzeitfähiger Evolutionärer Algorithmus zur netzweiten Optimierung der Lichtsignalsteuerung entwickelt und bewertet, der zur Verbesserung des Verkehrsablaufs des motorisierten Verkehrs beiträgt. Echtzeitfähig heißt in diesem Zusammenhang, dass das Optimierungsverfahren in der Lage ist, zeitnah, d. h., innerhalb einer vorgegebenen Zeit von z. B. fünf Minuten, ein möglichst gutes Ergebnis zu liefern. GALOP optimiert die Signalpläne aller Lichtsignalanlagen (LSA) des jeweiligen Netzes, wobei alle Steuerungsparameter gleichzeitig optimiert werden können. Daraus können Rahmensignalpläne generiert werden, die dann einer lokalen verkehrsabhängigen Steuerung zur Verfügung gestellt werden können. Grundannahme ist eine einheitliche Umlaufzeit für das zu optimierende Netz. Es handelt sich also um einen klassischen zentralen Ansatz. Vorausgesetzt werden vorhandene Signalpläne mit vorab geplanten möglichen Phasenfolgen (phasenorientierter Ansatz) für die einzelnen Knotenpunkte. Das Verfahren wird so konzipiert, dass es tatsächlich auf die Straße gebracht werden kann, weil die Randbedingungen der in Deutschland weit verbreiteten lokalen verkehrsabhängigen Steuerung berücksichtigt werden. Im Rahmen des Projekts TRAVOLUTION wurde GALOP in Ingolstadt implementiert. Bei den durchgeführten Feldversuchen wurden drei Steuerungsvarianten miteinander verglichen: das Basisszenario als Vorher-Fall ohne adaptive Netzsteuerung, BALANCE mit Hill-Climbing-Algorithmus und BALANCE mit GALOP. Die Auswertungen ergaben, dass die Verlustzeiten durch BALANCE mit GALOP im Vergleich zum Basisszenario im Tagesdurchschnitt um insgesamt 21 % reduziert wurden. Die Verbesserung durch GALOP im Vergleich zum Hill-Climbing-Algorithmus liegt bei 10 %.