Zurück Vor

Detailergebnis zu DOK-Nr. 80597

Bewertung der betrieblichen Auswirkungen von autonomen und vernetzten Fahrzeugen durch Mikrosimulation (Orig. engl.: Evaluation of the operational effects of autonomous and connected vehicles through microsimulation)

Autoren	P. Manjunatha S. Roy L. Elefteriadou A. Guin M. Hunter
Sachgebiete	6.2 Verkehrsberechnungen, Verkehrsmodelle 6.7.2 Verkehrsbeeinflussung außerorts, Verkehrsmanagement, Fahrerassistenzsysteme 6.9 Verkehrsemissionen, Immissionsschutz

Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 12, 2022, S. 69-84, 10 B, 16 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr

Eine angemessene Bewertung von Verkehrsabläufen, die vernetzte und autonome Fahrzeuge (Connected and Autonomous Vehicles, CAVs) integrieren, erfordert eine genaue Darstellung dieser neuen Technologien in der mikroskopischen Simulation. In dem Beitrag wird die Fähigkeit des mikroskopischen Simulators PTV-VISSIM (Version 10.0) zur Simulation von CAVs bewertet und eine umfassende CAV-Modellerweiterung vorgestellt. Darüber hinaus wird die Emissionsmodellierung in VISSIM integriert, um Energie- und Emissionsschätzungen in Echtzeit zu berechnen. Die Bewertung von VISSIM ergab, dass seine interne CAV-Modellierung mehrere Einschränkungen aufweist, wie etwa die Modellierung der Konnektivität und des komplexen Fahrzeugverhaltens. Für die externe Modellierung gibt es zwei verfügbare VISSIM-Schnittstellen. Das "Component Object Model (COM) Application Programming Interface (API)" ist der bessere Ansatz für das Abrufen von Daten und die Modellierung der Konnektivität, während das "External Driver Model" (EDM) ein besseres Werkzeug für die Quer- und Längsregelung ist. Die entwickelte Simulationserweiterung nutzte beide Schnittstellen. Ein isolierter signalisierter Knotenpunkt wurde simuliert, um die Auswirkungen von vernetzten Fahrzeugen (CV), autonomen Fahrzeugen (AV) und CAV-Verkehr auf Geschwindigkeit, Verzögerung und Reisezeit zu demonstrieren. Darüber hinaus wurden Trajektoriendaten in Kombination mit der MOVES-Methode (Motor Vehicle Emission Simulator) verwendet, um Energie, Kraftstoffverbrauch und Treibhausgasemissionen zu ermitteln. Die Ergebnisse zeigen, dass CAVs zu einer Nettoverbesserung der Reisezeit und Geschwindigkeit führen. Die Emissionen folgten jedoch nicht demselben Trend. Während zunehmende AV-Durchdringungsraten zu Emissionssenkungen führten, führten zunehmende CV- und CAV-Durchdringungsraten zu höheren Emissionen. Während die für die Tests gewählte CV-Logik darauf abzielt, die Wahrscheinlichkeit zu maximieren, dass ein Fahrzeug bei Grün ankommt, führt der Algorithmus wahrscheinlich zu größeren Schwankungen bei den Beschleunigungen im Sekundentakt, was insgesamt zu höheren Emissionen führt.