VSS_Verkehr_12_2015

rend das Verständnis urbaner Verkehrssysteme gesteigert werden kann. Wenngleich ITS auch ausserhalb urbaner Räume einsetzbar sind, so ist diese Diskussion auf urbane Verkehrssysteme fokussiert. Wie erwähnt sind diese spezi- ell komplex, da sie viele Verkehrsmittel, Angebotselemente, Akteure und damit verbundene Abhängigkeiten mitein- schliessen. Organisiert und moderiert wurde die Session von Dr. Christian Heimgartner. Fünf Einblicke als Diskussionsgrundlage Die Diskussion wurde durch fünf Inputreferate von Modell- und ITS-Expertinnen und -Experten angestossen: Vier Bei- träge zeigen Beispiele von Anwendungen, welche die gesamte Spannweite zwischen Modellierung und ITS abdecken, und ein Beitrag geht der Frage nach der Definition und Messung der Qualität städtischen Verkehrs nach. Input 1 – Verkehrsmodellierung und -simulation: Herausforderungen und Lösungsansätze zur Kalibration mikroskopischer Modelle des urbanen Verkehrs Dr. Monica Menendez Wie bereits erwähnt, ist die Kalibration mikroskopischer Verkehrssimulationsmodelle eine notwendige, aber ziem- lich beschwerliche Aufgabe. In ihrer Präsentation zeigte Dr. Monica Menendez die wesentlichen Herausforderungen der Modellkalibration als auch mögliche Strategien zu deren Meisterung auf. Zunächst sind Modelle typischerweise selbst von äusserst komplexer Natur und weisen eine grosse Anzahl Parameter auf. Dabei sind nicht wenige davon ohne weitere Bedeutung. Hier erlaubt es eine angemessene Sensitivitätsanalyse dem Modellnutzenden, die wichtigsten Parameter zu identifizie- ren. Dabei sind jene Parameter als die wichtigsten zu erach- ten, deren Variation zur grössten Variation der Resultate führt. Sind diese Parameter bekannt, kann der Kalibrations- prozess einzig auf diese wichtigen Parameter fokussiert wer- den, während fixe Werte für die anderen festgesetzt werden können. Des Weiteren erfordert eine gute Kalibration entsprechende Verkehrsdaten von hoher Qualität. Allerdings sind solche Daten­sätze nicht immer verfügbar, insbesondere wenn nur eine einzige Datenquelle in Betracht gezogen werden kann (z. B. Zähldaten von Schlaufendetektoren). Glücklicherweise führt der weitverbreitete Einsatz neuer Technologien (z. B. Mobilfunkgeräte) zur Verfügbarkeit einer Vielzahl an al- ternativen Datenquellen – insbesondere Floating Car Data (FCD). Die Kombination unterschiedlicher Datenquellen ist dabei ein vielversprechender Ansatz zur Erfassung verschie- dener Gebiete und Ausprägungen des Verkehrsnetzes. Die Aussagekraft und Verlässlichkeit der gesammelten Infor- mation können auf diese Weise gesteigert werden. Dem Um- stand, dass diese Datenquellen vielfach überlappende Infor- mationen in sich tragen, ist dabei mit Vorsicht zu begegnen. Beispielsweise wird das gleiche Fahrzeug, das seine Position und Geschwindigkeit übermittelt, auch von einem Detektor er- Exposé 1 – Modélisation et simulation du trafic: Défis et solutions pour le calibrage de modèles microscopiques de trafic urbain Dr Monica Menendez Comme nous l’avons évoqué plus haut, le calibrage de modèles microscopiques de simulation du trafic est une tâche nécessaire mais plutôt pénible. Dans sa présentation, Monica Menendez a présenté les principaux défis du calibrage de modèles, ainsi que les stratégies possibles pour les relever. Tout d’abord, les modèles sont en général de nature extrêmement complexe en soi et comportent un grand nombre de paramètres – dont beaucoup ont peu d’importance. Une analyse de sensibi- lité appropriée permet alors à l’utilisateur du modèle d’identifier les paramètres les plus importants. En l’occurrence, il convient de considérer comme paramètres essentiels ceux dont la varia- tion entraîne la plus grande variation des résultats. Une fois ces paramètres importants connus, le processus de calibrage peut se concentrer uniquement sur eux et des valeurs fixes peuvent être définies pour les autres. Par ailleurs, un bon calibrage exige des données de grande qua- lité sur le trafic. Mais de telles données ne sont pas toujours dis- ponibles, notamment quand on ne peut recourir qu’à une seule source de données (p.ex. les données de comptage des détecteurs à boucle). Heureusement, l’utilisation généralisée de nouvelles technologies (p.ex. des téléphones mobiles) entraîne la disponi- bilité de multiples sources de données alternatives – en particu- lier des Floating Car Data (FCD, données flottantes de véhicules). En l’occurrence, la combinaison de différentes sources de don- nées constitue une approche prometteuse pour saisir différents domaines et caractéristiques du réseau de transport. Ainsi, on peut accroître la pertinence et la fiabilité des in- formations collectées. Le fait que ces sources de données contiennent souvent des informations qui se chevauchent doit être considéré avec prudence. Exemple: un même véhi- cule transmettant sa position et sa vitesse est également saisi par un détecteur – dans cette situation, quelle source de don- nées faut-il utiliser pour estimer les flux de trafic? Ou com- ment peut-on utiliser ces deux sources de manière combinée? Cependant, si l’on se base uniquement sur les données de comptage du trafic, ce qui n’est pas inhabituel dans la pra- tique, par exemple pour le calibrage, et notamment pour des raisons de coût, cela peut conduire à d’énormes erreurs car un certain volume de trafic peut être associé à deux états de tra- fic différents: les faibles flux de trafic peuvent résulter d’une faible demande et d’un système exempt de bouchons, mais aussi d’une forte demande avec beaucoup d’embouteillages et de faibles vitesses. Rappelons-le: la circulation est plutôt complexe dans l’espace urbain. La prise en compte et la représentation de chaque aspect est extrêmement difficile, voire impossible. Une approche orien- tée solution pour le calibrage consiste à se concentrer sur les résultats qui sont au centre de l’intérêt. Ainsi, dans un cas on se focalisera sur le comportement individuel des automobilistes, et dans un autre uniquement sur les indicateurs macroscopiques de trafic pour l’ensemble du réseau de transport (p.ex. les flux et densités moyens du trafic sur le réseau). Quoi qu’il en soit, il est important de ne pas sous-estimer l’importance d’un bon modèle FACHARTIKEL ARTICLES TECHNIQUES16 STRASSEUNDVERKEHRNR.12,DEZEMBER2015 ROUTEETTRAFICNo 12,DÉCEMBRE2015

Seitenübersicht