Neue Ansätze der Verkehrsmodellierung unter Berücksichtigung komplexer Geometrien und Daten

• Antragsteller: Professor Dr. Michael Herty; Professor Dr.-Ing. Markus Oeser
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr ; Mathematik
• Förderung: Förderung von 2021 bis 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 461365406

• Erstellungsjahr: 2025

Zusammenfassung der Projektergebnisse

Der traditionelle Ansatz der Verkehrssicherheitsanalyse – basierend auf historischen Unfalldaten – unterliegt der Restriktion, dass sich eine ausreichende Anzahl von Unfällen ereignet haben muss, um entsprechende Unfallhäufungsstellen identifizieren und geeignete Maßnahmen ergreifen zu können. Die prädiktiven Möglichkeiten des traditionellen Ansatzes sind daher begrenzt und sollten um andere Möglichkeiten wie modellgestützte Vorhersagen erweitert bzw. durch Verkehrssicherheitsanalysen mit Sicherheitsindikatoren ersetzt werden. Die Verkehrsmodellierung bietet durch die modellgestützte Vorhersage die Möglichkeit, die Unfallanzahl des untersuchten Streckenabschnitts zu prognostizieren. Während die Modellierung des Verkehrs auf Autobahnstreckenabschnitten weit fortgeschritten ist, sind Modelle für komplexere Geometrien (z.B. Knotenpunkte), die aufgrund des veränderten Fahrverhaltens risikoträchtiger sind, noch nicht im selben Umfang vorhanden. Im Rahmen des Projekts wurden die bisher gesammelten Erkenntnisse und Daten zum Verkehrsverhalten auf Autobahnabschnitten auf die komplexen Geometrien der Autobahnknotenpunkte übertragen. Die neuentwickelten Modelle und numerischen Verfahren wurden mit den bisherigen Ergebnissen kombiniert und um stochastische Ansätze (Unschärfe) ergänzt, um schließlich für die gesamte Autobahn ein mehrskaliges stochastisches Verkehrsprognosemodell zu erhalten. Zusätzlich wurden die Sicherheitsindikatoren auf den verflechtenden Verkehr unter Berücksichtigung der seitlichen Bewegungen und Beschleunigungsverhalten der Fahrzeuge übertragen bzw. weiterentwickelt. Im Fokus des Projekts stand auch die Weiterentwicklung eines Fahrstreifenwechselmodells für komplexe Straßenraumgeometrien. Ziel war es, ein tieferes Verständnis der Wechselwirkungen von Fahrzeugen auf verschiedenen Fahrstreifen im Verkehrsgeschehen (hier Merging) zu gewinnen. Dazu wurden Sicherheitsindikatoren systematisch erforscht und das Modell um stochastische Parameter erweitert, um realitätsnahe, variierende Fahrverhalten abzubilden. Das daraus resultierende Modell bildete die Grundlage für die Einbindung in weiterführende, kinetisch-stochastische Verkehrsmodelle, sowohl für Streckenabschnitte als auch für Knotenpunkte. Die Modellbildung auf den drei Ebenen – mikroskopisch, mesoskopisch und makroskopisch – wurde durch ein Kalibrierungsverfahren anhand von mikroskopischen Verkehrsdaten und anhand von Fahrsimulatorstudien durchgeführt. Die mikroskopischen Verkehrsdaten auf Streckenabschnitten und Knotenpunkten wurden teilweise im Projekt erfasst und abgeleitet bzw. standen teilweise von anderen Forschungsprojekten zur Verfügung. Für die Modellbildung unabdingbare stochastische Parameter wurden basierend auf der Analyse von Fahrsimulatorstudien, anhand von Daten aus einer Wetterstation und von den erfassten Verkehrsdaten abgeleitet.

Projektbezogene Publikationen (Auswahl)

• Before-after analysis of temporary traffic regulation in a T-intersection in Aachen, Germany. ICTCT Conference 2022
  E. Kallo, J. Ehlers, A. Pettirsch, S. Lamberty & A. Fazekas
  
• Central schemes for networked scalar conservation laws. Networks and Heterogeneous Media, 18(1), 310-340.
  Herty, Michael; Kolbe, Niklas & Müller, Siegfried
  
• Simulation of surrounding traffic in a driving simulator – Coupling Sumo, RoadRunner and Unity. Sumo User Conference 2022
  R. Schulte Holthausen, M. Berghaus & P.A. Klee
  
• A Central Scheme for Two Coupled Hyperbolic Systems. Communications on Applied Mathematics and Computation, 6(4), 2093-2118.
  Herty, Michael; Kolbe, Niklas & Müller, Siegfried
  
• A Microscopic On-Ramp Model Based on Macroscopic Network Flows. Applied Sciences, 14(19), 9111.
  Kolbe, Niklas; Berghaus, Moritz; Kalló, Eszter; Herty, Michael & Oeser, Markus
  
• Data‐driven models for traffic flow at junctions. Mathematical Methods in the Applied Sciences, 47(11), 8946-8968.
  Herty, Michael & Kolbe, Niklas
  
• Influx ratio preserving coupling conditions for the networked Lighthill–Whitham–Richards model. PAMM, 24(4).
  Kolbe, Niklas
  
• Vehicle trajectory dataset from drone videos including off-ramp and congested traffic – Analysis of data quality, traffic flow, and accident risk. Communications in Transportation Research, 4, 100133.
  Berghaus, Moritz; Lamberty, Serge; Ehlers, Jörg; Kalló, Eszter & Oeser, Markus
  
• Modeling Lane Changes at Freeway On‐Ramps With a Novel Car‐Following Model Based on Desired Time Headways. Journal of Advanced Transportation, 2025(1).
  Berghaus, Moritz & Oeser, Markus