A New Speed-Flow Model Based on Queueing Theory and Its Application to Autobahns

Prof. Dr.-Ing. habil. N. Wu; Prof. Dr.-Ing. J. Geistefeldt, Bochum

In diesem Beitrag wird ein neues, zweiteiliges Verkehrsflussmodell getrennt für die q-V-Beziehung im fließenden und gestauten Verkehr vorgestellt. Für den fließenden Verkehr werden q-V-Beziehungen nach der Warteschlangentheorie modelliert, die als Funktionen der Geschwindigkeit im freien Verkehr, der mittleren Grundkapazität und eines Parameters zur Berücksichtigung der Ausprägung der Zufälligkeit des Verkehrsflusses angegeben werden können. Für den gestauten Verkehr werden die maximale Verkehrsdichte und die Nettozeitlücke als Parameter verwendet. Anhand des Schnittpunkts der beiden Teilmodelle und nach unterschiedlichen Vorgaben kann die Kapazität im
q-V-Diagramm ermittelt werden. Im Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS 2015) werden die q-V-Beziehungen für Strecken von Autobahnen in einer Form dargestellt, in welcher die Modellparameter keine
reale Bedeutung besitzen. Mit dem hier vorgestellten Ansatz können die Modellparameter dieser q-V-Beziehungen so transformiert werden, dass sie ebenfalls die Geschwindigkeit im freien Verkehr, die mittlere Grundkapazität und die stochastische Eigenschaft des Verkehrsflusses repräsentieren.

A new two-regime model for the speed-flow relationship in fluid and congested traffic flow is presented. For fluid traffic flow, the speed-flow relationship is modeled as a function of the free flow speed, the average base capacity, and the degree of randomness of the traffic flow according to the queuing theory. For congested traffic, the maximum traffic density and the net time headway are used as model parameters. Based on the intersection of the two partial models and according to different presumptions, the
capacity in the speed-flow diagram can be defined. In the German Highway Capacity Manual (HBS 2015), the speed-flow relationships for basic freeway segments are presented in a way that some of the specified model parameters have no real meaning. With the proposed approach, these model parameters can be transformed so that they also represent the free flow speed, the average base capacity, and the stochastic property of the traffic flow.

Vehicle Scheduling for On-demand Vehicle Fleets in Macroscopic Travel Demand Models

M. Sc. J. Hartleb, Stuttgart, NL-Rotterdam; Prof. Dr. M. Friedrich, Stuttgart; Dipl.-Ing. E. Richter, Stuttgart

Die Planung von On-Demand-Angeboten erfordert die Bildung von Fahrzeugumläufen, die aus Lastfahrten und Leerfahrten bestehen. Dieser Beitrag stellt einen Algorithmus für die Umlaufbildung vor, der als Input zeitlich differenzierte Nachfragematrizen (= Lastfahrten) nutzt und als Ergebnis zeitintervallfeine Leerfahrtenmatrizen und die Anzahl benötigter Fahrzeuge ermittelt. Der Algorithmus kann für ganzzahlige und nicht-ganzzahlige Nachfragematrizen genutzt werden und eignet sich deshalb besonders für makroskopische Verkehrsnachfragemodelle.

The planning of on-demand services requires the formation of vehicle schedules consisting of service trips and empty trips. This paper presents an algorithm for building vehicle schedules that uses time-dependent demand matrices (= service trips) as input and determines time-dependent empty trip matrices and the number of required vehicles as a result. The algorithm can be applied to integer and non-integer demand matrices and is therefore particularly suitable for macroscopic travel demand models.

Technical system evaluation of the safe diversion of trucks on federal highways

F. Fehn; Dr. Ing M. Spangler; Prof. Dr. Ing. K. Bogenberger, München; B. Emmermann, München; M. Vierkötter, Köln; K. Scharnigg, Bergisch Gladbach; C. Marx, Köln

Ziel des Projektes war die Evaluierung einer technischen Ausleitmethode für Fahrzeuge an Kontrollplätzen im Rahmen von Standkontrollen des Bundesamts für Güterverkehr (BAG), um das händische Ausleiten durch das Kontrollpersonal in Zukunft zu ersetzen und damit sicherer zu gestalten. An fünf deutschlandweit verteilten Standorten an Autobahnen wurde die Technik, bestehend aus: Bedienstation, Kameratechnik und LED-Ausleittafel, getestet und bewertet. Am Pilotstandort Sophienberg, Bayern, wurden empirische Untersuchungen zur Sicherheit und Funktionalität der Ausleittechnik durchgeführt. Es konnte herausgearbeitet werden, dass die Befolgungswahrscheinlichkeit bei einer Ausfahraufforderung durch das neue System bei etwa 65–75 % liegt und das Fahrmanöver größtenteils als äußerst sicher eingestuft werden konnte. Die Erfassungswahrscheinlichkeit der auszuleitenden Fahrzeuge wurde auf etwa 90 % bestimmt. Zusätzlich befragte man standortübergreifend fahrzeugführende Personen hinsichtlich der Ausführung und Darstellung der Ausleittafel. Durch eine Befragung des Kontrollpersonals wurden die höhere Sicherheit beim technischen Ausleiten bestätigt und Probleme herausgearbeitet, die dem Kontrollpersonal in der Testphase aufgefallen sind. Durch die empirischen Untersuchungen am Standort PWC Sophienberg und die standortübergreifenden Befragungen konnten Verbesserungspotenziale identifiziert werden, welche für einen zukünftigen, flächendeckenden Ausbau der Technik einbezogen werden.

The aim of the project was to evaluate a technical method for diverting vehicles at control stations during stationary controls of the Federal Office for Goods Transport (BAG). The former method of manual diversion by control personnel is to be replaced by a digital solution and thus make the whole process safer. The technology, consisting of a control station, a camera system, and a LED panel is currently installed at five locations on freeways throughout Germany and was tested and evaluated within this project. The project team conducted empirical studies at the pilot site in Sophienberg, Bavaria on the safety and functionality of the new technology. It was possible to work out that the probability of compliance with a diversion request by the new system is around 65–75 % and that the driving maneuver could be classified as extremely safe for the most part. The probability of detection of vehicles and their number plates to be diverted was determined to be about 90 %. In addition to the empirical studies in Sophienberg, vehicle operators were interviewed across all pilot locations regarding the design and presentation of the LED panel. A survey among the control personnel confirmed the higher level of safety during the technical diversion and identified problems that the control
personnel noticed during the test phase. The empirical studies at the PWC Sophienberg site and the cross-site surveys identified
potential for improvement, which will be incorporated into a future, comprehensive expansion of the technology.

Early Detection of Dangerous Areas in road traffic using smart data – EDDA+

J. Ehlers, M. Sc., Aachen; Dr.-Ing. T. Kathmann; E. von Heel, M. Sc., Aachen; Prof. Dr. phil. C. Sutter; T. Bode M.Sc., Münster Dipl. Geogr. I. Luchmann; Dr.-Ing. A. Dahl, Berlin; M. Grahl, Dipl.-Betriebsw. (FH), Bonn

Das über den „mFund“ vom Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) geförderte Verkehrssicherheitsprojekt „Früherkennung von Gefahrenstellen im Straßenverkehr durch Smart Data“ (FeGiS+) verfolgt das Ziel, Risiken und Gefahrenpotenziale im Straßenverkehr frühzeitig zu identifizieren und durch Präventionsmaßnahmen Verkehrsunfälle zu vermeiden. Damit greift das Projekt den allgemeinen Trend in der Verkehrssicherheitsarbeit in Deutschland und Europa auf, nicht mehr maßgeblich auf der Basis von Unfalldaten reaktiv tätig zu werden. Eine proaktive Herangehensweise zur Identifizierung von Gefahrenstellen muss andere Verfahren und weitere Daten berücksichtigen. Im Projekt FeGiS+ werden deshalb amtliche Unfalldaten mit zwei proaktiven Datenquellen ergänzt: Zum einen werden Informationen zu gefährlichen Stellen herangezogen, die von Verkehrsteilnehmenden über eine Online-Plattform gemeldet werden. Zum anderen werden Beschleunigungsdaten aus Kfz, sogenannte Impulsdaten, zur Erfassung von sicherheitskritischen Fahrmanövern genutzt. Auf Grundlage dieser drei Datenquellen wird ein netzweiter Gefahrenscore berechnet, sodass für jeden Straßenabschnitt und Knotenpunkt u. a. die Höhe der Gefahr ersichtlich wird. Durch Heranziehen weiterer Daten, wie z. B. Wetterdaten, können überdies besondere Einflussfaktoren für die Gefahrenstellen ausgemacht werden. Die Ergebnisse werden auf einer deutschlandweiten Gefahrenstellenkarte dargestellt und verfügbar gemacht. Neben den Verkehrsteilnehmenden sollen vor allem die Akteure in der Verkehrssicherheitsarbeit wie Kommunen, Polizeibehörden, Verkehrsplanungsbüros und Forscher durch die Gefahrenstellenanalyse bei ihrer Entscheidung über geeignete Präventionsmaßnahmen unterstützt werden. Dies wird im Projektkonsortium durch die interdisziplinäre Zusammenarbeit der Partner aus Wissenschaft (RWTH Aachen, Deutsche Hochschule der Polizei) und Verkehrsplanung (Initiative für sichere Straßen, PTV AG, DTV-Verkehrsconsult GmbH) abgebildet. In diesem Beitrag wird eine Zusammenfassung des aktuellen Arbeitsstandes des Projektes gegeben. Darüber hinaus werden die noch ausstehenden Arbeiten beschrieben und ein Ausblick zur weiteren Beteiligung an der Generierung von Gefahrenmeldungen durch die Verkehrsteilnehmenden gegeben.

The road safety project “Early Detection of Dangerous Areas in road traffic using smart data” (EDDA+), funded by the "mFund" of the Federal Ministry of Transport and Digital Infrastructure (BMVI), aims to identify risks and potential dangers in road traffic at an early stage and to prevent road accidents through preventive measures. In this way, the project picks up on the general trend in road safety work in Germany and Europe to no longer take reactive action primarily on the basis of crash data. A proactive approach to identify danger spots must take other procedures and further data into account. In EDDA+, accident data is therefore supplemented with two proactive data sources: on the one hand, information on danger spots reported by road users via an online platform is used. Secondly, vehicle kinematic data are used to record safety-critical driving manoeuvres. On the basis of these three data sources, a network-wide danger score is calculated, so that the level and type of danger becomes apparent for each road section and junction. By using further data, e.g. weather data, influencing factors for the danger spots can also be identified. The results will be made available on a Germany-wide hazard map. In addition to road users, road safety stakeholders such as municipalities, police authorities, traffic planning offices and researchers are to be supported by the danger spot analysis in their decisions on suitable prevention measures. This is mapped in the project consortium by the interdisciplinary cooperation of the partners from science (RWTH Aachen University, German Police University) and traffic planning (Initiative for Safe Roads, PTV AG, DTV-Verkehrsconsult GmbH). In this article, a summary of the current work status of the project is given. In addition, the work still to be done is described and an outlook on further participation in the generation of hazard reports by road users is given.