Hälsningar från Dresden

Det fjärde symposiet om hantering av framtida motorvägs- och stadstrafiksystem 2022 (MFTS2022) ägde rum från 30 november till 2 december 2022 i Dresden, Tyskland.

Doktoranderna Anna Danielsson och Ivan Postigo från Linköpings universitet deltog med en presentation av sina aktuella projekt. Läs nedan en sammanfattning av deras presentationer och hitta mer information på vår hemsida.

Abstract från Anna Danielssons presentation om Multimodal Trafikledning MMTL:

En effektiv trafikledning kräver förståelse för mobilitetsmönster i vägnätet, där en viktig komponent är vägval. Syftet med denna studie är att analysera hur trafikmodeller (d.v.s. vägvalsmodeller) kan användas för effektiv vägtrafikledning, genom att identifiera nyckelattribut som förklarar vägvalet som observeras i data. Med en vägvalsmodell som kan hantera förändringar i nätverket vid en incident kan de mest drabbade resenärerna identifieras och relevant resenärinformation och kontrollåtgärder ges.

Datauppsättningen som användes bestod av cirka 600 000 fordonsresor och var uppdelad i en träningsdatauppsättning och en testdatauppsättning. De två datamängderna jämfördes och experiment visar att de använda vägarna är likartade. Diskreta vägvalsmodeller uppskattades med en ruttuppsättning av observerade rutter i träningsdatan. Resultatet tyder på att de inkluderade attributen verkar vara tillräckliga för att uppskatta vägvalen för träningsdata. Vidare verkar restid och ruttens enkelhet vara viktiga attribut för vägvalet.

Läs mer om Multimodal Trafikledning (MMTL).

Abstract från Ivan Postigos presentation om Smart 3 - Simulation och modellering av automatiserad vägtransport:

En utmaning för att modellera automatiserad körning i mikroskopiska trafiksimuleringar har varit att inkludera de faktorer som avgör hur automatiserad körning påverkar trafikflödesdynamiken. I blandade trafikförhållanden där automatiserade och människodrivna fordon interagerar med varandra, bör mikroskopiska körmodeller fånga de väsentliga egenskaperna och skillnaderna mellan automatiserad och mänsklig körning. En väsentlig skillnad är hur perceptionsuppgifterna utförs. Perceptionsuppgifterna involverar avkänning och förståelse av andra fordon och element som finns på vägen. Automatiserade fordon uppfattar dessa element genom inbyggda sensorer, anslutningsfunktioner och igenkänningsprogram medan mänskliga förare uppfattar dem genom sina sinnen och kognitiva processer.

I detta arbete föreslås en konceptuell modell som behandlar perceptionsuppgifterna i mikroskopisk trafiksimulering. Modellen fokuserar på automatiserad körning och syftar till att fånga prestandaskillnader mellan sensorbaserad perception, perception baserad på anslutning och mänsklig perception. Perceptionsprestandan representeras av intervallet, noggrannheten och fördröjningen som är associerade med varje typ av perception. Genom att enbart syssla med perceptionsuppgifterna säkerställer modellen konsistens både i modelleringen av perceptionen och i den upplevda omgivningen. Modellen möjliggör mer transparens kring de antaganden som behövs när man undersöker automatiserad körning med mikroskopisk trafiksimulering.

Läs mer om Smart3 - Simulation och modellering av automatiserad vägtransport.