Es passiert jedem Fahrer öfter, als er oder sie es sich wahrscheinlich wünscht: Eine geplante Route befahren, und irgendwie gelingt es einem, jedes einzelne Licht auf dem Weg zu treffen. Es ist nicht nur frustrierend, sondern das Stop-and-Go verschwendet Treibstoff, Zeit und kann sogar zum Stillstand führen und eine ganze Stadt zum Erliegen bringen.
Die neue Simulationssoftware, die Carolina Osorio, Assistenzprofessorin für Bau- und Umweltingenieurwesen am MIT, entwickelt hat, verspricht, den Verkehr effektiver als jede andere Software zu glätten. Indem sie das Timing von Ampeln über die Möglichkeiten aktueller Systeme hinaus optimiert, konnte gezeigt werden, dass ihre Modelle die Hauptverkehrszeiten um 22 Prozent verkürzen.
Ampelzeitmesssysteme arbeiten normalerweise auf zwei Arten. In großen Städten oder Regionen legen die Systeme den Lichtzeitpunkt auf der Grundlage des beobachteten Verkehrs fest. Diese werden als Flow-basierte Modelle bezeichnet. Andere Simulatoren arbeiten eher im Mikromaßstab und berücksichtigen dabei die Handlungen und Gewohnheiten der einzelnen Fahrer. Diese Simulatoren fungieren als eine Art künstliche Intelligenz, um vorherzusagen, wie sich das Verhalten und die Entscheidungen des Fahrers unter bestimmten Verkehrsbedingungen ändern könnten. Es sind diese winzigen Unterschiede und individuellen Entscheidungen, die strömungsbasierte Modelle aus dem Gleichgewicht bringen.
„Ich muss berücksichtigen, wie die Leute auf meine Änderungen reagieren. Wenn sich die Fahrzeiten auf einer Straße erhöhen, werden die Menschen möglicherweise abgelenkt ", erklärt Osorio." Die meisten Software-Programme zur Signalzeitmessung berücksichtigen aktuelle oder historische Verkehrsmuster. Dabei wird nicht berücksichtigt, wie sich das Fahrverhalten ändern kann. "
Dieses Problem kann sich verschärfen, wenn immer mehr Signaländerungen implementiert werden. Angenommen, Sie haben zwei mögliche Routen, um zur Arbeit zu fahren: Route A und Route B. Sie wählen am häufigsten Route A, aber eines Tages ändert sich das Ampel-Timing, und Sie entscheiden sich, auf Route B zu wechseln. Nicht nur hat sich der Verkehrsfluss auf der Route A geändert, aber diejenigen, die bereits auf der Route B waren, könnten geneigt sein, ihre Optionen zu überdenken. Erschwerend kommt hinzu, wie sich diese Änderungen und Umleitungen nach außen auswirken und sich auf die übrigen Straßen und Kreuzungen in der Region auswirken können.
Die naheliegende Lösung besteht darin, sowohl flussbasierte als auch individualisierte Modelle für alle Szenarien auszuführen. Es ist jedoch nicht möglich, jede mögliche Veränderung des Verkehrsflusses zu simulieren. Die Menge an Rechenleistung, die erforderlich ist, um eine so komplexe Simulation für eine ganze Stadt durchzuführen, würde die Systemkosten unerschwinglich machen.
Um dieses Problem zu umgehen, kombiniert das Osorio-System das Beste aus beiden Welten, ohne dabei auf Treue und Zuverlässigkeit zu verzichten. Es werden nur die besten flussbasierten Szenarien verwendet, die von der üblichen Timing-Software ermittelt wurden, und die fahrerspezifischen Simulationen werden nur in diesen Fällen ausgeführt.
Nehmen wir zum Beispiel eine Kreuzung, an der viel mehr Verkehr nach Norden und Süden fließt als nach Osten und Westen. Einfachere Modelle können zu der Annahme führen, dass die Ampel in den Nord-Süd-Spuren mehr Grünzeit zulässt als in den Ost-West-Spuren. Mithilfe der komplexeren Simulationen können Sie dann abschätzen, wie lange diese Lichter dauern sollen, und den Welligkeitseffekt einer solchen Änderung vorhersagen.
Die Lösung ist skalierbar. "Nehmen wir an, ich hatte 100 verschiedene Signal-Timings, die ich testen wollte", sagt Osorio. „Das einfachere Modell könnte Ihnen eine Vorstellung von einer Teilmenge der 100 geben, die ein großes Potenzial haben könnte. Dann führen wir die Simulation für die Teilmenge aus. “
Farbige Linien repräsentieren die Hauptstraßen in Lausanne, Schweiz. Die linke Karte mit herkömmlicher Ampelprogrammierung weist viele rote Linien auf, die lange Pendelwege darstellen. Die rechte Karte, die das verbesserte System des Forschers verwendet, hat viele grüne Linien, die kurze Pendelwege darstellen. (Mit freundlicher Genehmigung von Carolina Osorio) Osorios Arbeit, die in der Zeitschrift Transportation Science veröffentlicht wird, wendete ihr Modell auf den Verkehr in Lausanne an, einem Gebiet, in dem sie einst lebte. Die Studie arbeitete mit Verkehrsdaten auf 47 Straßen und 15 Kreuzungen (von denen neun über Ampeln verfügen) und wendete ihre Algorithmen auf die erste Stunde der abendlichen Hauptverkehrszeit an. Die Simulationen verkürzen die Reisezeit um fast ein Viertel.
Die Verkehrsflusssimulatoren, die Osorio in ihre Modelle einspeist, werden in der Regel von Städten selbst erstellt. Die Kommunen erheben unter anderem ihre eigenen Daten zur aktuellen Verkehrssituation und zur Minenzählung, um Modelle zu erstellen, denen sie vertrauen. Anschließend übergeben sie ihre Simulationen, die Metadaten über ihre Infrastruktur, beliebte Ziele, den Fußgängerverkehr und andere relevante Prioritäten enthalten, an Osorio.
In Manhattan gibt es zum Beispiel besondere Einschränkungen, wie lange Fußgänger das Vorfahrtsrecht haben sollten. Das New Yorker Verkehrsministerium arbeitet bereits mit Osorios Team zusammen, um den Verkehrsfluss in Stoßzeiten in stark frequentierten Gebieten in Manhattan zu steuern.
"Ein solches Modell kann unser aktives Verkehrsmanagementsystem in Manhattan validieren und es uns ermöglichen, unsere Prozesse zu optimieren und den Netzwerkbetrieb zu verbessern", sagte Mohamad Talas, stellvertretender Direktor für Systemtechnik beim NYC DOT gegenüber MIT News .
Abhängig von den Zielen einer Stadt, so Osorio, kann das Modell dabei helfen, die verschiedenen Faktoren zu optimieren. Zum Beispiel könnte es den Verkehr zeitlich beschränken, um den Kraftstoffverbrauch der Fahrer zu senken.
Ihr Team arbeitet bereits in mehreren Projekten mit Unternehmen zusammen. Sie bemühen sich, den Fahrern künftiger autonomer Fahrzeuge dabei zu helfen, die idealen Zeiten und Orte zu ermitteln, an denen sie in den autonomen Modus wechseln können, um Kraftstoff zu sparen. Eine weitere laufende Arbeit ermöglicht Carsharing-Programmen wie ZipCar, ihre Abhol- und Bringstellen besser zu lokalisieren, damit Kunden ihre Reisezeiten zuverlässiger schätzen können.
Alle Arbeiten von Osorio, einschließlich des Lausanne-Tests, befinden sich noch in der Simulationsphase, und es gibt keinen genauen Zeitplan für die Anwendung ihrer Verkehrstiming-Lektionen auf die Straße.
"Aber deshalb machen wir diese Dinge", sagt sie, "um sie in der realen Welt umzusetzen."
