Zurück Vor

Detailergebnis zu DOK-Nr. 72721

Herausforderungen bei der Anwendung von Kalibrierungsmethoden für stochastische Verkehrsmodelle (Orig. engl.: Challenges in applying calibration methods to stochastic traffic models)

Autoren	P. Wagner C. Buisson R. Nippold
Sachgebiete	5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit) 6.2 Verkehrsberechnungen, Verkehrsmodelle

Traffic Flow Theory and Characteristics, Volume 1. Washington, D.C.: Transportation Research Board (TRB), 2016 (Transportation Research Record (TRB) H. 2560) S. 10-16, 6 B, 1 T, 22 Q

Die Arbeit beschäftigt sich mit der Einschätzung der Kalibrierung und Validierung als Mittel eines besseren Verständnisses von Verkehrsflussmodellen. In der Arbeit wird auf den Teil des Fahrzeugfolgemodells in der Verkehrsflusssimulation fokussiert. Es wird demonstriert, dass die Kalibrierung stochastischer Modelle unter gewissen Umständen schwierig wird. Drei Typen Zufälligkeit (stochasticity) werden im Rahmen der mikroskopischen Verkehrsflusssimulation unterschieden: die Zufälligkeit, welche sich aus den Daten ergibt, welche sich aus der Verteilung der Parameter des abzubildenden Fahrerverhaltens ergibt und welche sich aus dem Modell selbst ergibt, wenn eine entsprechende Komponente eingefügt wird. Mit der Verwendung von vier Submodellen mit vier Zufälligkeitstermen und identischen deterministischen Teilen wurde gezeigt, dass eine Kalibrierung mit synthetischen (und daher reproduzierbaren) Daten zu unbrauchbaren Ergebnissen führen kann. Die Parameter, welche durch die Kalibrierung angepasst wurden, sind signifikant unterschiedlich für das deterministische und das stochastische Modell. Fazit der Arbeit ist, dass die Zufälligkeit der Grund dafür ist, dass die Parameterschätzung von stochastischen Modellen manchmal fehlschlägt. Bisher haben die Autoren keine Lösung für diese "Stolperfalle" maschineller stochastischer Modelle.