Detailergebnis zu DOK-Nr. 80585
Einsatz von Drohnenvideos zur Kalibrierung von Simulationsmodellen für signalisierte Kreuzungen und Kreisverkehre (Orig. engl.: Capitalizing on drone videos to calibrate simulation models for signalized intersections and roundabouts)
| Autoren |
M.S. Samandar G. Chun G. Yang T. Chase N.M. Rouphail G.F. List |
|---|---|
| Sachgebiete |
5.11 Knotenpunkte 5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 12, 2022, S. 96-111, 15 B, 2 T, 25 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Die Simulation ist ein unverzichtbares Instrument für die Bewertung von Investitionsvorhaben und betrieblichen Veränderungen im Straßenverkehr. Die Modellkalibrierung, eine anspruchsvolle Aufgabe bei jeder Simulationsstudie, ist ein entscheidender Schritt. Die Robustheit, Genauigkeit und Qualität des Modells hängen direkt davon ab. Es gibt viele Parameter, und oft fehlen Feldbeobachtungen, um sie korrekt zu bestimmen. Seit kurzem bieten Drohnenvideos eine einzigartige Möglichkeit, diesen Prozess zu unterstützen. Beobachtungen des Inputs (Verkehrsnachfrage), des Outputs (abgeflossene Fahrzeuge), der Abflussraten (zum Beispiel Sättigungsverkehrsstärke) und der Leistungsergebnisse (Zeiten im System, Warteschlangendynamik und Verzögerungen) sind alle gleichzeitig verfügbar. Für signalisierte Knotenpunkte fehlen nur die Signalzeiten der Zufahrten, und diese Daten können aus Signalzeitprotokollen gewonnen werden. In dem Beitrag wird veranschaulicht, wie Modellierungsteams Drohnendaten zur Kalibrierung von Modellparametern in Bezug auf den Knotenpunktbetrieb verwenden können. Es wird gezeigt, wie Sättigungsverkehrsstärken für signalisierte Knotenpunkte angepasst werden können, damit Warteschlangendynamik und Verzögerungen angepasst werden können. Für Kreisverkehre wird veranschaulicht, wie kritische Zeitlücken und Folgezeitlücken angepasst werden können, um den Beobachtungen der Leistungsfähigkeit vor Ort zu entsprechen. Drei reale Situationen mit zugehörigen Drohnendaten werden in dem Artikel als Fallstudienbeispiele verwendet.