Zurück Vor

Detailergebnis zu DOK-Nr. 42761

Neuronale Netzwerke zur Darstellung der Lückenannahme an vorfahrtgeregelten Knotenpunkten (Orig. engl.: Neural network for gap acceptance at stop-controlled intersections)

Autoren	P.D. Pant P. Balakrishnan
Sachgebiete	5.11 Knotenpunkte

Journal of Transportation Engineering 120 (1994) Nr. 3, S. 432-446, 4 B, 5 T, zahlr. Q

Für Knotenpunkte ohne Lichtsignalanlagen ist es wichtig, diejenigen Zeitlücken im Hauptstrom zu kennen, die benötigt werden, damit ein Fahrzeug vom Nebenstrom her einfahren kann. Zu deren Ermittlung sind schon unüberschaubar viele Vorschläge in der internationalen Literatur unterbreitet worden. Darüber wird zunächst eine gute Übersicht gegeben. Als eine der besonders realistischen Möglichkeiten wird die Schätzung für die Wahrscheinlichkeit der Lückenannahme durch ein Logit-Modell angesehen. Mit einem sehr umfangreichen Datensatz von schwach belasteten Außerortsknotenpunkten in Ohio/USA wird eine Kalibrierung eines Logit-Modells vorgenommen. Kern der Untersuchung und somit das eigentlich Neue an diesem Beitrag ist der Einsatz eines neuronalen Netzes zur Herleitung der Wahrscheinlichkeit für die Annahme von Lücken im Hauptstrom. Den Herleitungen voraus geht eine kurze Erläuterung des neuronalen Netzes. Dies wird mit einer speziellen Software auf einem herkömmlichen Computer dargestellt. Mit 4.000 beobachteten Fällen wurde das Programm trainiert, um die bestehenden Abhängigkeiten für die Lückenannahme zu erkennen. Die Güte der Beschreibung wurde danach an 1.200 weiteren beobachteten Fällen überprüft. Es zeigt sich, daß das neuronale Netz um ca. 10 % besser zutreffende Ergebnisse erbrachte als das Logit-Modell. Beide Arten von Ergebnissen belegen: Die Wahrscheinlichkeit für die Annahme einer Lücke im Hauptstrom hängt nicht nur von deren Größe und der Art des Fahrmanövers ab. Einfluß haben auch: Geschwindigkeit auf der Hauptstraße, Schlangenlänge im Nebenstrom und die Anwesenheit weiterer Nebenstromfahrzeuge am Knotenpunkt.