Dynamische Umlegung von Quelle-Ziel-Matrizen mit einem makroskopischen Verkehrsflussmodell

روش‌های تکراری با مدل‌های جریان ترافیک میکروسکوپی یا مزوسکوپی برای تخصیص پویا ماتریس‌های مبدا-مقصد به یک شبکه ترافیک استفاده می‌شوند. برای به دست آوردن زمان محاسباتی قابل قبول، از رویکردهای ساده‌تری برای تعیین زمان سفر در شبکه‌های بزرگ‌تر استفاده می‌شود، به‌عنوان مثال توابع محدودیت ظرفیت، که به موجب آن نتایج تخصیص بسیار دقیق‌تر هستند. ماریو الکسیچ نشان می دهد که با کمک مدل ماکروسکوپی جریان ترافیک \"تحلیل ترافیک شهری\" (UTA) طبق کرنر و یک روش یادگیری بر اساس Lohse که در طول کار توسعه یافته است، یک تخصیص پویا از منبع- ماتریس های مقصد را می توان انجام داد، که از نظر کیفی با تخصیص با یک مدل میکروسکوپی مطابقت دارد (به عنوان مثال طبق نظر ویدمان) و دارای یک شبیه سازی جریان ترافیک است که حدود 1000 برابر سریعتر است. روش تخصیص ارائه شده در اینجا در شبکه حمل و نقل بخش شمالی اشتوتگارت استفاده می شود. نتایج با داده‌های اندازه‌گیری شده مقایسه می‌شوند، در نتیجه عملی بودن روش را نشان می‌دهند.​

Bei der dynamischen Umlegung von Quelle-Ziel-Matrizen auf ein Verkehrsnetz werden iterative Verfahren mit mikroskopischen oder mesoskopischen Verkehrsflussmodellen eingesetzt. Um eine annehmbare Rechenzeit zu erhalten, werden bei größeren Netzen einfachere Ansätze zur Fahrzeitermittlung eingesetzt, z.B. capacity-restraint Funktionen, wobei die Umlegungsergebnisse weit ungenauer ausfallen. Mario Aleksić zeigt, dass mit Hilfe des makroskopischen Verkehrsflussmodells "Urban Traffic Analysis" (UTA) nach Kerner und einem im Rahmen der Arbeit erweiterten Lernverfahren nach Lohse eine dynamische Umlegung von Quelle-Ziel-Matrizen durchgeführt werden kann, die qualitativ der Umlegung mit einem mikroskopischen Modell (z.B. nach Wiedemann) entspricht und eine etwa 1000-fach schnellere Verkehrsflusssimulation aufweist. Das hier vorgestellte Umlegungsverfahren wird auf dem Verkehrsnetz des nördlichen Teils von Stuttgart eingesetzt. Die Ergebnisse werden mit gemessenen Daten verglichen und damit die Praxistauglichkeit des Verfahrens nachgewiesen.​