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
- Einführung
- Begriffe aus der Verkehrsplanung
- Problemstellung
- Überblick über bisherige Lösungsansätze
- Simulation
- Grundlagen
- Begriffsdefinitionen
- Das Simulations-Framework DESMO-J
- Modell eines Straßenzuges mit Ampeln und Nebenstraßen
- Beschreibung des Modells
- Grenzen, Einschränkungen und Erweiterbarkeit
- Klassendiagramm des Modells
- Grundlagen
- Optimierung
- Probleme und Lösungsverfahren
- Optimierungsprobleme
- Lösungsverfahren für diskrete Optimierungsprobleme
- Genetische Algorithmen
- Einführung
- Vorbild Natur
- Problemspezifische Kodierung
- Ablauf eines einfachen GA
- Kodierung
- Das Gütemaß
- Genetische Operatoren
- Konvergenz
- Variationen des einfachen GA
- Theoretischer Hintergrund
- Schemata
- Hypercubes
- Das Schema Theorem
- Folgerungen
- Probleme und Lösungsverfahren
- Simulationsbasierte Optimierung
- Parameter
- Verwendete Genetische Algorithmen
- DISMO
- Ergebnisse der Optimierungsläufe
- Bewertung
- Ausblick
- Fazit
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Die vorliegende Studienarbeit befasst sich mit der Optimierung von Ampelschaltungen in einem Straßenzugmodell mithilfe von Genetischen Algorithmen. Ziel ist es, die Ampelphasen so zu optimieren, dass der Verkehr möglichst effizient fließt und Wartezeiten minimiert werden. Die Arbeit untersucht die Anwendung von Genetischen Algorithmen als heuristisches Optimierungsverfahren für die Simulation eines Straßenzugmodells.
- Entwicklung eines Straßenzugmodells mit Ampeln und Nebenstraßen
- Anwendung von Genetischen Algorithmen zur Optimierung der Ampelphasen
- Bewertung der Effizienz der Optimierung anhand von Simulationsergebnissen
- Analyse der Grenzen und Möglichkeiten der simulationsbasierten Optimierung
- Diskussion der Implikationen für die Verkehrsplanung
Zusammenfassung der Kapitel
Das erste Kapitel führt in die Thematik der Verkehrsplanung und die Problemstellung der Ampelsteuerung ein. Es werden wichtige Begriffe aus der Verkehrsplanung definiert und der Stand der Forschung zu Lösungsansätzen für die Optimierung von Ampelschaltungen dargestellt.
Kapitel 2 befasst sich mit der Simulation von Straßenzügen. Es werden die Grundlagen der Simulation erläutert, das Simulations-Framework DESMO-J vorgestellt und ein detailliertes Modell eines Straßenzuges mit Ampeln und Nebenstraßen entwickelt. Die Grenzen und Einschränkungen des Modells sowie die Möglichkeiten zur Erweiterung werden diskutiert.
Kapitel 3 widmet sich der Optimierung von Parametern in Simulationsmodellen. Es werden verschiedene Optimierungsprobleme und Lösungsverfahren vorgestellt, wobei der Fokus auf Genetischen Algorithmen liegt. Die Funktionsweise von Genetischen Algorithmen wird anhand von Beispielen erläutert und der theoretische Hintergrund der Methode wird beleuchtet.
Kapitel 4 beschreibt die simulationsbasierte Optimierung der Ampelphasen im Straßenzugmodell. Es werden die verwendeten Parameter, die Genetischen Algorithmen und das DISMO-System vorgestellt. Die Ergebnisse der Optimierungsläufe werden analysiert und bewertet. Abschließend werden die Grenzen und Möglichkeiten der Methode diskutiert und ein Ausblick auf zukünftige Forschungsarbeiten gegeben.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen die Verkehrsplanung, Ampelsteuerung, Simulationsmodelle, Genetische Algorithmen, Optimierung, Straßenzug, DESMO-J, DISMO, Verkehrseffizienz, Wartezeiten, Simulationsbasierte Optimierung.
- Arbeit zitieren
- Holger Hartmann (Autor:in), 2002, Genetische Algorithmen zur Parameteroptimierung von Simulationsmodellen am Beispiel einer "Grünen Welle" entlang einer Hauptverkehrsstraße, München, GRIN Verlag, https://www.grin.com/document/186390
