Wer hat noch nicht vor einer roten Ampel gestanden und sich gefragt, ob sich das ständige Warten nicht verkürzen ließe durch eine günstigere Ampelschaltung? Diese Fragestellung wird in der vorliegenden Arbeit am Beispiel eines Straßenzugmodells aufgegriffen.
Mit Hilfe eines Systems zur verteilten simulationsbasierten Optimierung mittels Genetischer Algorithmen werden die Ampelphasen des Modells optimiert.
Inhaltsverzeichnis
1 Einführung
1.1 Begriffe aus der Verkehrsplanung
1.2 Problemstellung
1.3 Überblick über bisherige Lösungsansätze
2 Simulation
2.1 Grundlagen
2.1.1 Begriffsdefinitionen
2.1.2 Das Simulations-Framework DESMO-J
2.2 Modell eines Straßenzuges mit Ampeln und Nebenstraßen
2.2.1 Beschreibung des Modells
2.2.2 Grenzen, Einschränkungen und Erweiterbarkeit
2.2.3 Klassendiagramm des Modells
3 Optimierung
3.1 Probleme und Lösungsverfahren
3.1.1 Optimierungsprobleme
3.1.2 Lösungsverfahren für diskrete Optimierungsprobleme
3.2 Genetische Algorithmen
3.2.1 Einführung
3.2.2 Vorbild Natur
3.2.3 Problemspezifische Kodierung
3.2.4 Ablauf eines einfachen GA
3.2.5 Kodierung
3.2.6 Das Gütemaß
3.2.7 Genetische Operatoren
3.2.8 Konvergenz
3.2.9 Variationen des einfachen GA
3.3 Theoretischer Hintergrund
3.3.1 Schemata
3.3.2 Hypercubes
3.3.3 Das Schema Theorem
3.3.4 Folgerungen
4 Simulationsbasierte Optimierung
4.1 Parameter
4.2 Verwendete Genetische Algorithmen
4.3 DISMO
4.4 Ergebnisse der Optimierungsläufe
4.5 Bewertung
4.6 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht die Anwendung von Genetischen Algorithmen zur Parameteroptimierung bei der Ampelschaltung in einem Simulationsmodell eines Straßenzuges, um den Verkehrsfluss zu verbessern und Wartezeiten zu minimieren.
- Simulation eines urbanen Straßenzuges unter Verwendung von DESMO-J
- Einsatz Genetischer Algorithmen als heuristisches Optimierungsverfahren
- Verteilte simulationsbasierte Optimierung mit dem System DISMO
- Analyse und Vergleich verschiedener Selektions- und Crossover-Strategien
- Bewertung der Optimierungsergebnisse hinsichtlich Reisezeit und Wartezeiten
Auszug aus dem Buch
1.2 Problemstellung
Der Verkehrsplaner eines innerstädtischen Straßennetzes hat dafür zu Sorgen, daß der gesamte Verkehr möglichst reibungslos fließt. Besonders zu den sogenannten Stoßzeiten, dem morgendlichen und abendlichem Berufsverkehr, ist dies keine einfache Aufgabe. Ein ihm zur Verfügung stehendes Instrument zur kurzfristigen Steuerung des Verkehrsstroms sind die Lichtzeichenanlagen. An Stellen mit besonders hohem Verkehrsaufkommen ist es sicher sinnvoll, durch die Koordination der Lichtzeichenanlagen, eine Grüne Welle einzurichten. Typischerweise sind die Zentren besonders hohen Verkehrsaufkommens zu den Stoßzeiten die Straßen, welche das Stadtzentrum mit den Randbezirken verbinden. Nachdem der Verkehrsplaner auf diesen Hauptverkehrsstraßen eine Grüne Welle eingerichtet hat, stellt sich natürlich die Frage, wie störungsfrei der Verkehrsfluß in der Gegenrichtung verläuft. Bei einer eingerichteten Grünen Welle auf einer Hauptverkehrsstraße muß die Gegenrichtung keinen optimalen Verkehrsfluß mehr aufweisen. Wie stark ist die Benachteiligung dieser Minderheit an Verkehrsteilnehmern? Falls die Benachteiligung dieser Verkehrsteilnehmer zu stark ausfällt, muß der Verkehrsplaner zur Erreichung eines optimalen Verkehrsflusses diese mit ins Kalkül aufnehmen. Schließlich müssen noch die Verkehrsteilnehmer der in die Hauptverkehrsstraße einmündenden Straßen bedacht werden.
Zusammenfassung der Kapitel
Einführung: Definition der verkehrstechnischen Grundlagen und Erläuterung der Problemstellung hinsichtlich der Ampelsteuerung in Stoßzeiten.
Simulation: Einführung in die diskrete Simulation, die Modellierung von Straßenzügen und die Vorstellung des Frameworks DESMO-J.
Optimierung: Theoretische Abhandlung über Optimierungsprobleme und detaillierte Erläuterung Genetischer Algorithmen sowie ihrer biologischen Grundlagen.
Simulationsbasierte Optimierung: Anwendung der entwickelten Modelle und Algorithmen mittels DISMO zur Optimierung von Ampelphasen und Bewertung der erzielten Ergebnisse.
Schlüsselwörter
Genetische Algorithmen, Simulation, Ampelsteuerung, Grüne Welle, DESMO-J, DISMO, Parameteroptimierung, Verkehrsplanung, Optimierungsprobleme, Schema Theorem, Crossover, Mutation, Fitnessfunktion, Knotenpunkte, Straßenzug
Häufig gestellte Fragen
Worum geht es in der Arbeit grundlegend?
Die Arbeit beschäftigt sich mit der Optimierung der Ampelphasen in einem simulierten Straßenzug, um den Verkehrsfluss durch Einsatz von Genetischen Algorithmen zu verbessern.
Welche zentralen Themenfelder werden behandelt?
Die zentralen Themenfelder umfassen die diskrete Simulation von Verkehrssystemen, die mathematischen Grundlagen von Genetischen Algorithmen sowie deren praktische Anwendung zur Optimierung von Parametern in verteilten Systemen.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, bessere Signalprogramme für Lichtzeichenanlagen zu finden, die Wartezeiten minimieren und einen möglichst reibungslosen Verkehrsfluss, insbesondere in Richtung der Grünen Welle, gewährleisten.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es werden Genetische Algorithmen als heuristische Optimierungsmethode verwendet, die basierend auf Prinzipien der natürlichen Evolution (Selektion, Rekombination, Mutation) nach optimalen Lösungsparametern suchen.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden das Modell des Straßenzuges und das Simulationsframework DESMO-J beschrieben, die theoretischen Hintergründe von Optimierungsverfahren und Genetischen Algorithmen erläutert sowie die konkreten Optimierungsläufe und deren Resultate präsentiert.
Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?
Die Arbeit lässt sich primär durch Begriffe wie Genetische Algorithmen, Simulation, Ampelsteuerung, DISMO und Verkehrsflussoptimierung charakterisieren.
Welche Rolle spielt das Simulations-Framework DESMO-J?
DESMO-J dient als Java-basiertes Framework zur Implementierung der diskreten Simulation des Straßenzugmodells, wobei es die nötigen Funktionalitäten für Zeitplanung und Ereignisabläufe bereitstellt.
Warum wird für die Optimierung das DISMO-System genutzt?
DISMO ermöglicht eine verteilte Optimierung von Modellparametern auf mehreren Rechnern, was die Rechengeschwindigkeit durch parallele Simulationen signifikant erhöht.
- Quote paper
- Holger Hartmann (Author), 2002, Genetische Algorithmen zur Parameteroptimierung von Simulationsmodellen am Beispiel einer "Grünen Welle" entlang einer Hauptverkehrsstraße, Munich, GRIN Verlag, https://www.grin.com/document/186390
