SURVIVE

SURVIVE

(Simulationsgestützte Untersuchung der individuellen Reaktion auf Verkehrsinformationen mit variierenden Entscheidungsprozessen)

 

Dieses Projekt endete im April 2003. Die Seiten des Projektes werden nicht mehr aktualisiert.

 

Zugestaute Autobahnen und überfüllte Hauptstraßen in Städten zeigen, dass die vorhandenen Straßennetze nicht in der Lage sind, mit der Forderung nach mehr Beweglichkeit zurechtzukommen, die die Zunahme des Verkehrs in Zukunft mit sich bringt. Inzwischen ist viel Arbeit in die Entwicklung von intelligenten Transportsystemen investiert worden mit dem Ziel, die vorhandene Infrastruktur besser zu verwenden. Obwohl diese Systeme einen hohen technischen Standard erreicht haben, ist die Reaktion von Fahrern auf diese Systeme noch ziemlich unbekannt.

Survive Methode
 

In der Abbildung oben ist die Wirkung einer Verkehrsnachricht beschrieben: entsprechend den tatsächlichen Verkehrsstaatsnachrichten werden mit verschiedenen Methoden der Verkehrsvorhersage Verkehrsnachrichten veröffentlicht. Diese Nachrichten werden durch moderne Reisendeninformationssysteme (ATIS) an den Fahrer gesendet. Der Straßenbenutzer verarbeitet die Information und erstellt seine Pläne mit Rücksicht auf den Input. Die Rückmeldung über den tatsächlichen Verkehrszustand muss mit Hilfe einer Simulation beurteilt werden. Eine Schlüsselfrage: Wie ist die Wirkung einer Verkehrsnachricht? Das Ziel des Projekts ist, Methoden für verschiedene Felder der Forschung zu kombinieren, um die Reaktion von Straßenbenutzern bei verschiedenen Einsatzfeldern zu untersuchen.   

Identifizierung von verschiedenen Kategorien des Verhaltens: Auf Grundlage von empirischen Daten sind verschiedene Arten des Verhaltens identifizierbar, z.B. jene, die Information ignorieren oder jene, die immer das Gegenteil zu den Empfehlungen tun.   

Multiagentensystem (MAS): Es gibt viele differenzierbare Aufgaben, die ein Straßenbenutzer während des Fahrens erfüllen muss, zum einen das Fahren selbst und zum anderen die Streckenwahlmöglichkeit. Diese verschiedenen Aufgaben können durch die Zeitskala ausgedrückt werden. In einem ersten Ansatz haben wir ein Zweilagen-MAS entwickelt.   

Welchselwirkende Verkehrsvorhersage: Jede Verkehrsvorhersage ist einem Grundproblem gegenübergestellt: die Nachrichten basieren auf zukünftigen Voraussagen, die selbst von den Reaktionen der Fahrer auf die Nachrichten beeinflusst werden (siehe Abbildung oben). Deshalb ist eine wechselwirkende Verkehrsvorhersage, die die Reaktionen der Fahrer auf die Nachrichten einschließt, notwendig.   

Entwurf von Mensch-Maschine-Schnittstellen: Die Entwicklung und der Entwurf von intelligenten Transportsystemen ist ein anspruchsvoller und teurer Prozess. Außer den technischen Problemen müssen die Erfordernisse der Benutzer in Betracht gezogen werden. Deshalb analysieren wir, welche Art und welches Maß an Information vom Benutzer verarbeitet werden kann. Dies hilft, einen richtigen Entwurf für Mensch-Maschine-Schnittstellen zu liefern.   

Eine Verhaltenstheorie der Streckenwahlmöglichkeit: Das Ziel der experimentellen Analyse soll die Streckenwahlmöglichkeits-Heuristik aufzeigen. Weiterhin soll der Lernprozess und seine Abhängigkeit von der Menge und Qualität der Stauinformation, die geliefert werden, identifiziert werden. Letztlich sollte die Analyse zu einer Verhaltenstheorie der Streckenwahlmöglichkeit führen.   

Identifizierung von Verhaltenskategorien: Ein anderes Ziel der experimentellen Analyse soll helfen, die empirische Verteilung von Themen in den verschiedenen Verhaltenskategorien zu identifizieren. Möglicherweise können solche Kategorien mit einem einzelnen Parameter Identifizierung von Verhaltenskategorien: Ein anderes Ziel der experimentellen Analyse soll helfen, die empirische Verteilung von Themen in den verschiedenen Verhaltenskategorien zu identifizieren. Möglicherweise können solche Kategorien mit einem einzelnen Parameter der Strecke beschrieben werden, in welchem Fall die empirische Verteilung des Parameters späterer Simulationsforschung genügt. Vielleicht wird die Klassifizierung von Reisetypen eine kompliziertere Aufgabe, da sie mehrere Charakterisierungsdimensionen einschließt. Diese Frage muss erst noch von der Forschung beantwortet werden.

Methode

Verkehr ist ein sehr komplexes soziales System. Es beeinhaltet eine Vielfalt von verschiedenem Verhaltensarten und deren Interaktionen. Für Wissenschaftler ist es eine anspruchsvolle Herausforderung solch ein komplexes System zu verstehen, dass verschieden Aspekte verschiedener Fachrichtungen wie Ingenieurswissenschaften, Informatik, Mathematik, Physik, Wirtschaftswissenschaft, Psychologie usw. beinhaltet.

Innerhalb einer einzelnen Disziplin sind die Methoden, um ein komplexes System zu bescheiben, nicht ausreichend. Dies gilt besonders für menschliche Entscheidungsfindung, wie der Streckenwahlmöglichkeit. Daher arbeiten wir in diesem Projekt eng mit anderen Fachrichtungen zusammen.

Experimentelle Wirtschaftswissenschaft

Experimentelle Wirtschaftswissenschaft ist eine empirische Disziplin, die von der Entscheidungsfindung und der Interaktion von ökonomischen Akteuren handelt. Entgegen anderer empirischer Methoden der Wirtschaftwissenshaft, deren Daten aus naturlich auftretenden Interaktionen stammen,werden hier Daten aus ökonomiscehn Experimenten analysiert. In diesen Versuchen erhalten menschliche Belange wirkliche ökonomische Anreize für die Entscheidungsfindung (d.h. erfolgsabhängige Bezahlung) durch Aufgaben in einfachen wirtschaftlich relevanten Umfeldern mit kontrolliertem Informationsfluß und variablem Aufbau. Typische nicht interaktive Versuchsszenarien sind Investment- und Spekulationsauswahlmöglichlkeiten. Typische interaktive Szenarien beinhalten Markt- oder Verhandlungsituationen.

Experimentelle Wirtschaftswissenschaft ist eng verwandt mit den Disziplinen Entscheidungstheorie und Spieltheorie, die rationelle Maßstäbe für das experimentell beobachtete Verhalten liefern.und  Im Gegensatz zu diesen normativen Ansätzen ist das Ziel der experimentellen Forschung beschreibare Theorien zu finden, die eine realistischere Vorhersage von ökonomischem Verhalten ermöglichen. Es scheint besonders wichtig zu sein, dass die experimentellen Methoden nicht alle geldbezogene Faktoren (z.B. Emotionen, soziale Motive, usw.) herausfiltern, die in traditioneller Wirtschaftstheorie kaum eine Rolle spielen, aber das ökonomisches Verhalten stark beeinflussen. Außerdem verhindert der Verhaltensansatz der experimellen Wirtschaftswissenschaft hyper rationale Annahmen zu treffen, wie in der rationellen Wirtschaftstheorie. Hier können Entscheidungsträger ihr Verhalten durch unbegrenzte Geschwindigkeit mit unbegrenzten Kapazitäten für ihre Abwicklungen mit allen verfügbaren Informationen optimieren. In dem Verhaltensansatz wird die hyper rationale Annahmen ersetzt durch die Annahme, dass aufgrund der begrenzten Rationalität ökonomische Akteure in ihrer Entscheidungsfindung auf Erfahrungswerte zurückgreifen. Das Ziel der experimentellen Forschung soll solche Erfahrungswerte, die in Experimenten genutzt werden können und diese mit rational theoretischen Maßstäben zu vergleichen

Die Wirkungen der Verfügbarkeit der Information war schon immer eine zentraler Forschungspunkt der  experimenteller Wirtschaftswissenschaft. So sind die experimentellen Methode mit Rückmeldung der Stauinformationen gut für die Analyse der Streckenwahlmöglichkeit geeignet. Es kann angenommen werden, dass die Qalität und Quantität stark vom Lernprozess der Akteure abhängt. Dies wiederum beeinflußt das Routenwahlverhalten und die genutzten Erfahrungswerte.

Multiagentensysteme

Multiagentensysteme ermöglichen, Szenarien realistisch zu modellieren und die Verhaltensweisen der Akteure zu identifizieren. Dies sind nützliche Hilfsmittel um Verkehrsszenarien zu modellieren.

Modellierung und Simulation von Verkehr

In der Arbeitsgruppe Physik von Transport und Verkehr versuchen wir weitreichende Netzwerke wie Internet, Passagierschiffe oder Straßennetze zu modellieren, analysieren und optimieren. Werden diese Modelle mit reellen Verkehrsdaten kombiniert, erhält man Onlinesimulationen (OLSIM), wie die Simulation des Verkehrs auf diesen Netzwerken. Darauf aufbauend ist es möglich Verkehrsprognosen zu erstellen.