Zurück Vor

Detailergebnis zu DOK-Nr. 77058

Eine dynamische, optimale Staumaut in multiregionalen städtischen Netzen durch Anwendung eines mehrschichtigen neuronalen Netzes (Orig. engl.: Dynamic optimal congestion pricing in multi-region urban networks by application of a Multi-Layer-Neural Network)

Autoren	A. Genser A. Kouvelas
Sachgebiete	2.4 Verkehrsabgaben, Straßenbenutzungsgebühren 6.2 Verkehrsberechnungen, Verkehrsmodelle

Zürich: Institut für Verkehrsplanung und Transporttechnik (IVT), ETH Zürich, 2021, 31 S., 15 B, 6 T, zahlr. Q (Working Paper / Institut für Verkehrsplanung und Transporttechnik (IVT), ETH Zürich). - Online-Ressource: verfügbar unter: www.ivt-baug.ethz.ch

Verkehrsmanagement durch die Anwendung einer Staumaut ist eine Maßnahme zur Entschärfung von Staus in geschützten Stadtkorridoren. Die Bepreisung ist ein vielversprechendes Instrument zur Verbesserung des Leistungsniveaus in einem Netz und zur Verringerung von Fahrtzeitverzögerungen. In der Praxis werden jedoch nur statische Preise angewandt, das heißt, der Preis ist fest und reagiert nicht auf die vorherrschenden regionalen Verkehrsbedingungen. Die dynamische Preisgestaltung überwindet diese Einschränkungen, beeinflusst aber auch die Routenwahl der Nutzer. Diese Arbeit nutzt den Einfluss der dynamischen Mautgestaltung und prognostiziert die Preisfunktionen, um eine optimale Verkehrsverteilung im System zu erreichen. Als Rahmen wird ein großräumiges Netz modelliert, in dem jede Region als homogen betrachtet wird, was die Anwendung des makroskopischen Fundamentaldiagramms (MFD) ermöglicht. Es wurde das dynamische Systemoptimum (DSO] und ein quasi-dynamisches Benutzergleichgewicht (Quasi Dynamic User Equilibrium, QDUE) des makroskopischen Modells berechnet, indem ein lineares Optimierungsproblem formuliert und der Dijkstra-Algorithmus beziehungsweise ein Multinomial-Logit-Modell (MNL) verwendet wurden. Die Gleichgewichte ermöglichen es, eine optimale Preismethode zu finden, indem Multi-Layer-Neural-Netzwerkmodelle (MLN) angepasst werden. Die Autoren testeten den Rahmen an einer Fallstudie in Zürich, und zeigten, dass das neuronale Netzwerkmodell das komplexe Nutzerverhalten erlernte und optimale Preisfunktionen vorhersagen kann. Die Ergebnisse zeigen eine signifikante Leistungsverbesserung beim Betrieb eines Verkehrsnetzes im DSO und verdeutlichen, wie die dynamische Preisgestaltung das Routenwahlverhalten der Nutzer in Richtung des optimalen Systemgleichgewichts beeinflusst.