Global ETD Search

101	Ereignisorientierte Routenwahl in spontan gestörten Stadtstraßennetzen zur Anwendung eines selbstorganisierten Störfallmanagements Rausch, Markus 20 January 2016 (has links) Die Mobilität von Personen und Gütern, insbesondere in Städten, ist der Motor einer Volkswirtschaft. Dieser Motor kommt jedoch ins Stottern, wenn Staubildung im Stadtstraßennetzwerk einsetzt. Eine unvermeidbare Ursache von Staubildung stellen Verkehrsstörfälle dar, die schlimmstenfalls zu Gridlocks führen können. In der Folge werden hohe Kosten für Verkehr, Wirtschaft und Umwelt verursacht. Mit welchen Gegenmaßnahmen kann die Staubildung im Netzwerk effektiv bewältigt werden? Wie können entsprechende Gegenmaßnahmen realistisch noch vor einem praktischen Einsatz bewertet werden? Ausgehend von diesen Fragestellungen, widmet sich diese Dissertation der Entwicklung eines ereignisorientierten Routenwahlmodells für den Stadtstraßenverkehr und eines selbstorganisierten Störfallmanagements als Gegenmaßnahme zur Reduzierung negativer Auswirkungen der Staubildung. Zur Modellierung des Routenwahlverhaltens in ereignisreichen Stadtstraßennetzen wird das ereignisorientierte Routenwahlmodell entwickelt. Der Ausgangspunkt des Modells ist die diskrete Wahltheorie. Entscheidungsprozesse einzelner Autofahrer werden vor und während der Fahrt direkt simuliert. Der Entscheidungsprozess ist dabei maßgeblich von Beobachtungen lokaler Verkehrsbedingungen geprägt. Somit wird nachgebildet, dass Autofahrer flexibel auf unvorhergesehene Ereignisse durch Routenwechsel reagieren können. Auf diese Weise ist eine realistische Simulation des Routenwahlverhaltens von Autofahrern in der Stadt möglich. Das ereignisorientierte Routenwahlmodell ist zudem generisch formuliert. Es lässt sich zur Bewertung von Gegenmaßnahmen für störfallbedingte Staubildung einsetzen und bedient darüber hinaus ein breites Anwendungsspektrum. Der zweite Beitrag dieser Dissertation ist ein selbstorganisiertes Konzept für ein Störfallmanagement in Stadtstraßennetzen als Gegenmaßnahme zur Staubildung. Es vereint zwei lokal wirkende Prinzipien, deren Ausgangspunkte die Lichtsignalanlagen im Stadtnetzwerk sind. Mit verlängerten Rotzeiten werden Fahrzeuge an einer Kreuzung an der Einfahrt in einen Straßenabschnitt gehindert, wenn ein vorgesehener Rückstaubereich ausgeschöpft ist, da andernfalls Blockaden auf den Kreuzungen entstehen. Gleichzeitig werden noch freie Richtungen an der Kreuzung durch verlängerte Grünzeiten attraktiver gestaltet, um Autofahrer zum Umfahren der Staubildung zu motivieren. Die Anwendung der lokalen Wirkungsprinzipien stellt sich vollständig selbstorganisiert, d.h. ohne Vorgabe eines Planers, mit dem Ausmaß der Staubildung im Netzwerk ein. Simulationsstudien in zwei unterschiedlich komplexen Netzwerken haben die Machbarkeit des selbstorganisierten Störfallmanagements nachgewiesen. Gegenüber einem gewöhnlichen Netzwerk konnte für alle untersuchten Störfälle die Akkumulation zusätzlicher Fahrzeuge im Netzwerk während des Störfalls signifikant reduziert werden. / The mobility of people and goods, especially in urban areas, is of significant importance for national economies. However, recurrent congestion in urban road networks, caused by increased traffic demand, considerably restrains mobility on a daily basis. Another significant source of congestion are traffic incidents which even might lead to gridlock situations. Congestion raises high costs for traffic, economy and environment. Which countermeasures should be applied for an effective management of urban congestion? How can appropriate countermeasures be realistically evaluated? Based on these questions, this thesis is devoted to the development of an event-oriented route choice model for urban road traffic and a self-organized incident management strategy as an effective countermeasure for urban congestion. The first contribution of this thesis is an event-oriented route choice model for urban road networks. It is based on discrete choice theory and models decision-making processes of individual motorists before and during their journey. A key aspect of the proposed model is the motorist's ability to observe local traffic conditions. These observations are then included in the decision process. In this way, it can be modeled that motorists respond to unforeseen events by route revisions. This allows a realistic simulation of the route choice behavior of motorists in naturally eventful urban road networks. Furthermore, the event-oriented route choice model is flexibly formulated. It can be used for the evaluation of countermeasures for incident-related congestion and, moreover, allows a wide range of applications. The second contribution of this thesis is a self-organized concept of an incident management strategy in urban road networks as a countermeasure for urban congestion. It combines two locally acting principles on the basis of traffic lights in an urban road network. The inflow of vehicles into a road segment is regulated with restricted or skipped green times as soon as an allocated queuing capacity is depleted. Otherwise, blockages would result on the intersection. At the same time, yet free alternative directions are served with regular or even extended green times and, thus, might become more attractive to the driver than the original congested direction. The application of these local principles is realized in a completely self-organized manner, thereby scaling directly with the extent of congestion in the urban road network. Simulation studies in two networks with different complexity have proven the feasibility of the self-organized incident management. Compared to an ordinary network, the extents of additional vehicles due to investigated incidents were significantly reduced. info:eu-repo/classification/ddc/380 ddc:380 info:eu-repo/classification/ddc/620 ddc:620
102	On choice models in the context of MDPs Mohammadpour, Sobhan 10 1900 (has links) Cette thèse se penche sur les modèles de choix, des distributions sur des ensembles d'alternatives. Les modèles de choix sur les processus décisionnels de Markov (MDP) peuvent décomposer de très grands espaces alternatifs en procédures étape par étape conçues pour non seulement combattre la malédiction de la dimensionnalité mais aussi pour mieux refléter la dynamique sous-jacente. La première partie est consacrée à l'estimation du temps de trajet dans le cadre de la modélisation du choix de chemin. Les modèles de choix de chemin sont des modèles de choix sur l'ensemble des chemins utilisés pour modéliser le flux de circulation. Intuitivement, le temps de trajet est l'une des caractéristiques les plus importantes lors du choix des chemins, mais les temps de trajet ne sont pas toujours connus. En revanche, le cadre classique suppose que ces deux étapes sont séquentielles, car les temps de trajet des arcs font partie de l'entrée du processus d'estimation du choix de chemin. Pourtant, les interdépendances complexes signifient que ce modèle de choix de chemin peut complémenter toute observation lors de l'estimation des temps de trajet. Nous construisons un modèle statistique pour l'estimation du temps de trajet et proposons de marginaliser les caractéristiques non observées. En utilisant ces idées, nous montrons que nous sommes capables d'apprendre des modèles de choix de chemin sans observer de chemins réels et à différentes granularités. La deuxième partie se concentre sur les échecs des MDP régularisés et comment la régularisation peut avoir des effets secondaires inattendus, tels que la divergence dans les chemins stochastiques les plus courts ou des fonctions de valeur déraisonnablement grandes. Les MDP régularisés ne sont rien d'autre qu'une application des modèles de choix aux MDP. Ils sont utilisés dans l'apprentissage par renforcement (RL) pour obtenir, entre autres choses, un modèle de choix sur les trajectoires possibles pour l'apprentissage par renforcement inverse, transférer des connaissances préalables au modèle, ou obtenir des politiques qui exploitent tous les objectifs dans l'environnement. Ces effets secondaires sont exacerbés dans les espaces d'action dépendants de l'état. Comme mesure d'atténuation, nous introduisons deux transformations potentielles, et nous évaluons leur performance sur un problème de conception de médicaments. / This thesis delves on choice models, distributions on sets of alternatives. Choice models on Markov decision processes (MDPs) can break down very large alternative spaces into step-by-step procedures designed to not only tackle the curse of dimensionality but also to reflect the underlying dynamics better. The first part is devoted to travel time estimation as part of path choice modeling. Path choice models are choice models on the set of paths used to model traffic flow. Intuitively, travel time is one of the more important features when choosing paths, yet travel times are not always known. In contrast, the classical setting assumes that these two steps are sequential, as arc travel times are part of the input of the path choice estimation process. Yet the intricate interdependences mean that that path choice model can complement any observation when estimating travel times. We build a statistical model for travel time estimation and propose marginalizing the unobserved features. Using these ideas, we show that we are able to learn path choice models without observing actual paths and at different granularity. The second part focuses on the failings of regularized MDPs and how regularization may have unexpected side effects, such as divergence in stochastic shortest paths or unreasonably large value functions. Regularized MDPs are nothing but an application of choice models to MDPs. They are used in reinforcement learning (RL) to get, among other things, a choice model on possible trajectories for inverse reinforcement learning, transfer prior knowledge to the model, or to get policies that exploit all goals in the environment. These side effects are exacerbated in state-dependent action spaces. As a mitigation, we introduce two potential transformations, and we benchmark their performance on a drug design problem. Estimation du temps de trajet Route choice modeling Path choice models Modèles de choix de chemin Modélisation du choix d’itinéraire Maximum entropy reinforcement learning Regularized Markov decision process Travel time estimation
103	GIS-based Episode Reconstruction Using GPS Data for Activity Analysis and Route Choice Modeling / GIS-based Episode Reconstruction Using GPS Data Dalumpines, Ron 26 September 2014 (has links) Most transportation problems arise from individual travel decisions. In response, transportation researchers had been studying individual travel behavior – a growing trend that requires activity data at individual level. Global positioning systems (GPS) and geographical information systems (GIS) have been used to capture and process individual activity data, from determining activity locations to mapping routes to these locations. Potential applications of GPS data seem limitless but our tools and methods to make these data usable lags behind. In response to this need, this dissertation presents a GIS-based toolkit to automatically extract activity episodes from GPS data and derive information related to these episodes from additional data (e.g., road network, land use). The major emphasis of this dissertation is the development of a toolkit for extracting information associated with movements of individuals from GPS data. To be effective, the toolkit has been developed around three design principles: transferability, modularity, and scalability. Two substantive chapters focus on selected components of the toolkit (map-matching, mode detection); another for the entire toolkit. Final substantive chapter demonstrates the toolkit’s potential by comparing route choice models of work and shop trips using inputs generated by the toolkit. There are several tools and methods that capitalize on GPS data, developed within different problem domains. This dissertation contributes to that repository of tools and methods by presenting a suite of tools that can extract all possible information that can be derived from GPS data. Unlike existing tools cited in the transportation literature, the toolkit has been designed to be complete (covers preprocessing up to extracting route attributes), and can work with GPS data alone or in combination with additional data. Moreover, this dissertation contributes to our understanding of route choice decisions for work and shop trips by looking into the combined effects of route attributes and individual characteristics. / Dissertation / Doctor of Philosophy (PhD) GPS time use diary episode extraction multinomial logit travel behavior mode detection episode reconstruction GIS map-matching route choice path size logit potential path area scale estimation Python ArcGIS activity analysis trip reconstruction smartphone global positioning system geographic information system toolkit work trip shop trip potential activity location land use activity episode travel episode stop episode transferability scalability modularity scripting big data travel survey respondent burden preprocessing multipath error tracking purpose detection segmentation data filter data smoothing fuzzy logic neural network decision tree rule-based algorithm trajectory point road network network dataset gateway shortest path horizontal dilution of precision HDOP commonality factor mode transfer point Halifax Nova Scotia Space-Time Activity Research variance inflation factor shapefile comma-separated values traveling salesman problem data mining branch-and-bound algorithm pedestrian network alternative route observed route route efficiency route attributes distance time heading bearing duration acceleration latitude longitude coordinate overlay analysis intersect shopping module data logger walk likelihood ratio test classification table path generation kappa statistic degrees data collection transportation research automate framework ArcToolbox spatio-temporal navigation positioning trace path spatial data topology horizontal accuracy SPSS Stata spatial resolution temporal resolution household survey trip reporting proximity analysis DMTI Desktop Mapping Technologies Inc. road intersection route overlap left turn right turn location analysis time geography spatial statistics buffer analysis cycling bus transit public transportation GEOIDE AGILE data need raw data urban canyon endpoint data cleaning elevation satellite outliers automatic processing nearest node classifier classification method short trip multi-point

Page generated in 0.0384 seconds