Presentation about the future of traffic management and ITS for the Dutch Ministry of Transportation on behalf of the TRAIL research school. Presentation is in Dutch.
Praktijkrelevantie TRAIL PhD onderzoek - de Toekomst van Verkeersmanagement en ITS
1. Praktijkrelevantie recente TRAIL Dissertaties
De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft
2. Wie zijn we?
Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
3. Wie zijn we?
Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
4. Groep:
• 1 HGL, 1 AvL, 2 UHD, 5 UD, 3 PD
• 28 PhDs, 25 MSc/jaar
Onderzoeksdomeinen:
• Traffic Operations, Control and
Management en ITS
• Dynamic Rail Traffic Management
• Public Transport Operations and
Control
• Pedestrian Flow Modelling and Crowd
Management
• Traffic safety & security
Wie zijn we?
Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
5. Groep:
• 1 HGL, 1 AvL, 2 UHD, 5 UD, 3 PD
• 28 PhDs, 25 MSc/jaar
Onderzoeksdomeinen:
• Traffic Operations, Control and
Management en ITS
• Dynamic Rail Traffic Management
• Public Transport Operations and
Control
• Pedestrian Flow Modelling and Crowd
Management
• Traffic safety & security
Relevante thema’s binnen
onderzoeksdomeinen…
• Duurzame mobiliteit in de stad en
stedelijk verkeersmanagement
• Living labs, big data, datafusie
• Energiezuinig rijden op het spoor
• Transitie wegkant naar in-car,
coöperatieve systemen
Wie zijn we?
Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
6. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Evacuatie case study:
• Overstroming bedreigt Westen van
Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen
(aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
7. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Evacuatie case study:
• Overstroming bedreigt Westen van
Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen
(aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
8. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Evacuatie case study:
• Overstroming bedreigt Westen van
Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen
(aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
48000
8000 vtg/u
9. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Adam Pel
EVAQ model, ontwikkeld door Dr. Adam Pel
10. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Adam Pel
EVAQ model, ontwikkeld door Dr. Adam Pel
11. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Adam Pel
EVAQ model, ontwikkeld door Dr. Adam Pel
Simulatie met het model EVAQ laat zien dat slechts 25.000 mensen op tijd van het eiland af zijn…
12. Sturen van Verkeersstromen…
Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Adam Pel
EVAQ model, ontwikkeld door Dr. Adam Pel
WAAROM?
Simulatie met het model EVAQ laat zien dat slechts 25.000 mensen op tijd van het eiland af zijn…
13. Efficiënte zelf-organisatie
“Er zitten ernstige beperkingen aan het
zelf-organiserend vermogen van verkeerssystemen”
Capaciteitsval
en filegolven
Blokkades en
grid-lock
Toenemende belasting verkeersnetwerk
Afnemende productie van verkeersnetwerk
Einde aan de efficiënte zelf-organisatie
• Rustig verkeer organiseert zichzelf op efficiënte wijze
• Wordt het drukker, dan stagneert deze efficiënte zelforganisatie
• Fenomenen ontstaan die efficiëntie afwikkeling aanzienlijk doen afnemen
14. Efficiënte zelf-organisatie
“Er zitten ernstige beperkingen aan het
zelf-organiserend vermogen van verkeerssystemen”
Capaciteitsval
en filegolven
Blokkades en
grid-lock
Toenemende belasting verkeersnetwerk
Afnemende productie van verkeersnetwerk
Einde aan de efficiënte zelf-organisatie
• Rustig verkeer organiseert zichzelf op efficiënte wijze
• Wordt het drukker, dan stagneert deze efficiënte zelforganisatie
• Fenomenen ontstaan die efficiëntie afwikkeling aanzienlijk doen afnemen
15. Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
AANTAL VOERTUIGEN IN NETWERK
NETWERK PRODUCTIE
(EXIT RATES)
(GEROLIMINIS AND DAGANZO, 2 0 0 7 )
16. Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
AANTAL VOERTUIGEN IN NETWERK
NETWERK PRODUCTIE
(EXIT RATES)
(GEROLIMINIS AND DAGANZO, 2 0 0 7 )
17. Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
AANTAL VOERTUIGEN IN NETWERK
NETWERK PRODUCTIE
(EXIT RATES)
(GEROLIMINIS AND DAGANZO, 2 0 0 7 )
KRITISCHE
ACCUMULATIE
18. Aangrijpingspunten verkeersmanagement
Van problemen naar oplossingen…
Oorzaken afname efficiëntie afwikkeling leiden tot oplossingen!
• Vier hoofdrichtingen om efficiëntie te verhogen
• Knelpunten aanpakken: blokkades voorkomen en doorstroming verhogen
• Verkeer beter spreiden in ruimte en tijd
• Nadelige effecten optimalisatie individuele doelen verminderen
Blokkades voorkomen
Doorstroming verhogen
Verkeer efficient
verdelen
Instroom beperken
19. Voorbeeld: doorstroming verhogen
• Na ontstaan file neemt de capaciteit af, afhankelijk
van snelheid in de file (vb Coentunnel = 13%)
•Adaptief doseren stelt vorming file uit of regelt file
weg (indien nodig)
• VVU neemt af met pakweg 250 vtg-u per u doseren
• Doseren stopt zodra bufferruimte is opgebruikt, waarna verkeer wordt
‘losgelaten’ naar de ASW en file ontstaat / capaciteitsval optreedt
• Grote beperking effectiviteit TDI’s (gem. doseerduur 8 min)
bufferruimte
opgebruikt
Lokaal doseren
Niet doseren
Ramon Landman
20. Voorbeeld: doorstroming verhogen
• Na ontstaan file neemt de capaciteit af, afhankelijk
van snelheid in de file (vb Coentunnel = 13%)
•Adaptief doseren stelt vorming file uit of regelt file
weg (indien nodig)
• VVU neemt af met pakweg 250 vtg-u per u doseren
• Doseren stopt zodra bufferruimte is opgebruikt, waarna verkeer wordt
‘losgelaten’ naar de ASW en file ontstaat / capaciteitsval optreedt
• Grote beperking effectiviteit TDI’s (gem. doseerduur 8 min)
bufferruimte
opgebruikt
Lokaal doseren
Niet doseren
Ramon Landman
24. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Knelpunt
Ramon Landman
25. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
Knelpunt
Ramon Landman
26. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt!
Knelpunt
Ramon Landman
27. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
Knelpunt
Ramon Landman
28. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de
duur dat ze kunnen doseren gelijk
is aan de duur dat de Master kan
doseren, zodat alle bufferruimte
gelijkmatig wordt opgebruikt
Knelpunt
Ramon Landman
29. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de
duur dat ze kunnen doseren gelijk
is aan de duur dat de Master kan
doseren, zodat alle bufferruimte
gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de
Master langer kan doseren
Knelpunt
Ramon Landman
30. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de
duur dat ze kunnen doseren gelijk
is aan de duur dat de Master kan
doseren, zodat alle bufferruimte
gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de
Master langer kan doseren
Knelpunt
Ramon Landman
31. Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet
bufferruimte overal gelijkertijd opgebruikt worden
Gegeven (voorspeld!)
knelpunt kiezen we de
Master TDI ( )
De Master TDI begint met
doseren en voorkomt zo het
ontstaan van congestie (of regelt
file weg), maar bufferruimte is
beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de
duur dat ze kunnen doseren gelijk
is aan de duur dat de Master kan
doseren, zodat alle bufferruimte
gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de
Master langer kan doseren
Knelpunt
Ramon Landman
32. Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en
dat er voldoende relatie is met het probleem
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie
verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit
en functie van de weg)
Belang (real-time) informatie over
fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook
geschikt voor problemen SWN
80%
70% 60%
30%
80%
60%
Doseerintensiteiten van de buffers
wordt zo gekozen dat de buffers
gelijkmatig worden gevuld en dus zo
lang mogelijk kan worden gedoseerd
Ramon Landman
33. Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en
dat er voldoende relatie is met het probleem
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie
verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit
en functie van de weg)
Belang (real-time) informatie over
fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook
geschikt voor problemen SWN
80%
70% 60%
30%
80%
60%
Doseerintensiteiten van de buffers
wordt zo gekozen dat de buffers
gelijkmatig worden gevuld en dus zo
lang mogelijk kan worden gedoseerd
Ramon Landman
34. Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en
dat er voldoende relatie is met het probleem
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie
verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit
en functie van de weg)
Belang (real-time) informatie over
fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook
geschikt voor problemen SWN
80%
70% 60%
30%
80%
60%
Doseerintensiteiten van de buffers
wordt zo gekozen dat de buffers
gelijkmatig worden gevuld en dus zo
lang mogelijk kan worden gedoseerd
Ramon Landman
35. Stedelijke verkeersregelingen
• Aanpak ook toepasbaar op andere situaties
•Voorbeeld: terugslag wachtrij naar
kruispunten, terugslag naar autosnelweg
Master(k )
Increase
extension
green
Master s Slaves rel
Ramon Landman
• Knelpunt op stedelijk traject (wachtrij wordt te lang, mogelijke terugslag)
• Uitstroom van wachtrij wordt vergroot (verlenggroentijden vergroten)
• Master buffers zijn conflicterende buffers
• Slave buffers worden zo geregeld dat buffers gelijkmatig vollopen…
• Concept al toegepast in diverse projecten…
36. Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter-schatter
Bergingsindicator
Supervisor A10W
Wachtrij-schatter
Deelnetwerk-supervisor
Supervisor T1 Light
(ST1L)
Supervisor T1 (ST1)
(RTNR regelaar)
LRE (TDI algoritme) TDI apparaat
LRE (VRI regeling) LRE (VRI regeling)
Fileschatter
Kiemenspeurder
SWN
Kiemenspeurder
HWN
Functionerings-niveau
HB of Fractie
schatter
Logische Monitoring
Eenheden
Logische Regeleenheden en
Supervisors
37. Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter-schatter
Bergingsindicator
Supervisor A10W
Wachtrij-schatter
Deelnetwerk-supervisor
Supervisor T1 Light
(ST1L)
Supervisor T1 (ST1)
(RTNR regelaar)
LRE (TDI algoritme) TDI apparaat
LRE (VRI regeling) LRE (VRI regeling)
Fileschatter
Kiemenspeurder
SWN
Kiemenspeurder
HWN
Functionerings-niveau
HB of Fractie
schatter
Logische Monitoring
Eenheden
Logische Regeleenheden en
Supervisors
REGELSCENARIO’S
VDA10 / SCM
SYSTEMEN SERVICE PROVIDERS
38. Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter-schatter
Bergingsindicator
Supervisor A10W
Wachtrij-schatter
Deelnetwerk-supervisor
Supervisor T1 Light
(ST1L)
Gerdien Klunder
Supervisor T1 (ST1)
(RTNR regelaar)
LRE (TDI algoritme) TDI apparaat
LRE (VRI regeling) LRE (VRI regeling)
Fileschatter
Kiemenspeurder
SWN
Kiemenspeurder
HWN
Functionerings-niveau
HB of Fractie
schatter
Logische Monitoring
Eenheden
Logische Regeleenheden en
Supervisors
REGELSCENARIO’S
VDA10 / SCM
SYSTEMEN SERVICE PROVIDERS
Re l at i e k wa l i te i t
dat a e n
p e r f o r m a nc e
m a at re g e l e n?
39. PPA wegkant fase 1
• Na functionele specificatie, algoritmeontwikkeling en toets prototype functies,
implementatie productieomgeving Technolution
• Pilot duurde 1,5 maand (+1,5 maand voor 0-meting)
Data collection for Behavioral Modeling - ICEM 2012
40. PPA wegkant fase 1
• Na functionele specificatie, algoritmeontwikkeling en toets prototype functies,
implementatie productieomgeving Technolution
• Pilot duurde 1,5 maand (+1,5 maand voor 0-meting)
Data collection for Behavioral Modeling - ICEM 2012
44. Volgende stappen PPA
Integratie wegkant en in-car
Fase 2 en 3 PPA als verkenning mogelijkheden integratie
IN-CAR TRACK
INTEGRATION
TRACK
ROADSIDE
TRACK
PHASE 1 PHASE 2 PHASE 3
H o e k u n ne n we me t i n-c
a r we g k a n t
ve rs te r k e n?
PRACTICAL
TESTS
FULL SCALE
APPLICATION
GO/ NO GO
ROADSIDE
GO/ NO GO
INTEGRATION
GO/ NO GO
INTEGRATION
H o e k u n ne n we me t
we g k a n t i n - c a r
a d v ie ze n
o n de rs te u ne n?
K a n i n -c a r we g k an t
f u n c t ie s g a a n
o ve r ne me n?
2012 2013 2014 2015 2016
45. Toekomst Verkeersmanagement
Naar een optimale mix van sturing en zelforganisatie
De drie thema’s van deze lezing…
• Vragen schetsen transitieopgave DVM 2.0:
• Wat kan en wil de markt (is er een gezonde businesscase)?
• Wat zijn de consequenties ten aanzien van beleidsdoelen?
• Hoe te komen tot een optimale mix overheid en markt?
• Wat te doen als het fout gaat?
Thema’s voor vandaag:
• Verdunning wegkant meet-areaal: “Monitoring, mag het een onsje minder?”
• Relevante aspecten transitie optimale mix “Wegkant + Incar"
• Verkeersmanagement bij extreme omstandigheden: “Zelfredzaamheid, tenzij…”
46. Monitoring? Mag het een onsje minder?
Met geavanceerde modellen naar betere schattingen en voorspellingen…
47. Life in the FastLane…
Nieuwe modellen voor multi-class verkeersstromen
Op zoek naar een model voor goede korte termijn voorspellingen…
• Op grond van gedegen data analyse inzicht
in verschillen personenvoertuigen en vracht
• Kern: dynamische PAE waarde voor
vrachtverkeer afhankelijk van situatie
• Betrouwbare modelvoorspellingen blijkt
mogelijk door expliciet onderscheid
doelgroepen
Femke van
Wageningen
48. Life in the FastLane…
Nieuwe modellen voor multi-class verkeersstromen
Op zoek naar een model voor goede korte termijn voorspellingen…
• Op grond van gedegen data analyse inzicht
in verschillen personenvoertuigen en vracht
• Kern: dynamische PAE waarde voor
vrachtverkeer afhankelijk van situatie
• Betrouwbare modelvoorspellingen blijkt
mogelijk door expliciet onderscheid
doelgroepen
Femke van
Wageningen
49. Life in the FastLane…
Nieuwe modellen voor multi-class verkeersstromen
Oorsprong van een geavanceerd verkeersafwikkelingsmodel
• Modelontwikkeling, -analyse en numerieke discretisatie door Femke van
Wageningen-Kessels (cum laude!)
• Model beschrijft belangrijkste dynamische kenmerken van wegverkeer en
voorspelt effecten inzet (doelgroep-specifieke) maatregelen
• Bijzonder efficiënte numerieke schemas met plezierige wiskundige kenmerken
maken tal van toepassingen mogelijk!
K un ne n we h e t
o n t s t a a n v a n k ie me n
v o o rs p e l le n?
Femke van
Wageningen
50. Kiemenspeuren met FastLane
FastLane als korte-termijn voorspellingsmodel
Korte termijn voorspellingsmodellen
• FastLane geeft valide
voorspellingen (0-60 min)
• Real-time testen en vergelijken
van verschillende interventies
(incl. klasse-specifieke
maatregelen)
• Ook testen impact scenario’s
(incidenten) en vergelijking
interventies (incident
management)
• HbR: korte termijnvoorspelling
• FastLane draait inmiddels in
diverse VM systemen
(MobilMaestro, TrafficLink)
Thomas
Schreiter
51. Fractieschatter
Onderzoek real-time HB voorspellingen
Korte termijn voorspellingsmodellen
Tamara Djukic
• Voor goede voorspellingen en bepalen impacts interventies ook inzicht in real-time
HB relaties nodig
• Klassiek (lastig!) schattingsprobleem!
• Promotie Tamara Djukic heeft nieuwe schattingsmethode ontwikkeld en
benchmarkmethode opgezet
• Schattingsmethode gebaseerd op reductie van de dimensionaliteit door correlaties
in tijd en ruimte in de dynamische HB te bepalen (Principal Component Analysis)
• Ook: real-time inzicht in relatie wegvak en
probleem (fractieschatter) nodig om te bepalen
of wegvak zinvol gebruikt kan worden om
probleem op te lossen
The$Vitoria$network,$Spain:$$
3249$OD$pairs,$389$detectors$
!
52. Fractieschatter
Onderzoek real-time HB voorspellingen
Korte termijn voorspellingsmodellen
• Voor goede voorspellingen en bepalen impacts interventies ook inzicht in real-time
Delay buffer
Delay freeway
Total delay
Total delay (no metering)
HB relaties nodig
1400
1200
• Figuur toont relatie tussen VVU zonder
gecoördineerd doseren (rood) en VVU met
gecoördineerd doseren bij bepaalde relatie
met knelpunt (zwart)
• Buffers met fractie < 50% zijn niet effectief
• Via HB schattingen bepalen welke buffers
gebruiken
• Klassiek 1000
(lastig!) schattingsprobleem!
• Promotie 800
Tamara Djukic heeft nieuwe schattingsmethode ontwikkeld en
benchmark 600
methode opgezet
• Schattingsmethode 400
gebaseerd op reductie van de dimensionaliteit door correlaties
in 200
tijd en ruimte in de dynamische OD te bepalen (PCA)
0
0 0.2 0.4 0.6 0.8 1
fractie
VVU
• Ook: real-time inzicht in relatie wegvak en
probleem (fractieschatter) nodig om te bepalen
of wegvak zinvol gebruikt kan worden om
probleem op te lossen
Tamara Djukic
The$Vitoria$network,$Spain:$$
3249$OD$pairs,$389$detectors$
!
53. Fileschatten met FastLane
FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
Yufei Yuan
54. Fileschatten met FastLane
FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
Yufei Yuan
55. Fileschatten met FastLane
FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
• Gebruikt (Langrangiaanse versie van) FastLane voor schatten toestand snelweg
• Combineer model met lusdata, om:
• Correctie meetfouten (o.a. structurele fout door foutieve middeling)
• Interpoleren gegevens tussen lussen (ook bij lusuitval)
• Fuseren databronnen (lusdata, floating device data, reistijdcamera’s, etc.)
• Fuseren data een van de kernonderwerpen in fase 2 PPA en van de NDW
datafusie pilot
• Werk Yufei Yuan levert uitstekende receptuur voor datafusie
• Maar wat zijn de verwachtingen ten aanzien van kwaliteit informatie en
mogelijkheden voor ‘verdunnng’?
Yufei Yuan
56. Fileschatten met FastLane
FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
• Toetsen impact datafusie op grond met
synthetische lusdata en FCD
• Beschikbaarheid ground truth
• Microsimulatiemodel (FOSIM) A13,
gekalibreerd op beschikbare Monica data
• Fig. toont perspectief datafusie: 1+1 = 3!
• Mogelijkheden verdunnen?
• Om de 500 m lussen zonder FCD = om
de 2500 m met 2% FCD!
• Nader onderzoek ‘echte’ data nodig
• Vraag blijft: wat is “goed genoeg” voor de
verschillende VM functies?
57. Trends affecting mobility and transportation
Social, economic, demographic trends & technological innovations
Making use of how our world is developing!
Intermezzo: Big Data and AMS
AMS Urban Mobility Lab (UML)
Amsterdam Institute of Advanced Metropolitan Solutions (TUD, MIT, Wageningen University)
• AMS richt zich op problemen in grote steden,
zoals energie, afval, duurzaamheden en mobiliteit
• UML (Urban Mobility Lab) is onderdeel van het
AMS dataplatform en brengt multi-modale data
(voetgangers, fietsers, OV, auto) samen met
andersoortige data (social media, energie, sociaal
demografische data, etc.)
• Ontwikkeling toolbox voor data analyse en
diagnostics, voor onderwijs- en onderzoeks-doeleinden,
productontwikkeling; kort-cyclische
evaluatie, beleidsondersteuning
• Platform voor modelontwikkeling
• Platform voor ontwikkeling diensen voor naadloos
multimodaal transport van mensen en goederen
MOBILITY SERVICES SHORT-CYCLIC
ASSESSMENT
Loops FCD GSM Surveys Emissions
and energy
LONG-TERM
PATTERNS
Chip card
Road works Twitter data
maintenance
PT schedules
updates
Events,
incidents,
Demographic accidents
data
REAL-TIME
INFORMATION OFF-LINE MOBILITY INFORMATION
UML DATABASE
Status infrastructure weather News, information
Vecom data
Existing (open)
data platforms
DATA FUSION, PROCESSING & DIAGNOSTICS TOOLBOX
http://www.ams-amsterdam.com
58. Trends affecting mobility and transportation
Social, economic, demographic trends & technological innovations
Making use of how our world is developing!
Intermezzo: Big Data and AMS
AMS Urban Mobility Lab (UML)
Amsterdam Institute of Advanced Metropolitan Solutions (TUD, MIT, Wageningen University)
• AMS richt zich op problemen in grote steden,
zoals energie, afval, duurzaamheden en mobiliteit
• UML (Urban Mobility Lab) is onderdeel van het
AMS dataplatform en brengt multi-modale data
(voetgangers, fietsers, OV, auto) samen met
andersoortige data (social media, energie, sociaal
demografische data, etc.)
• Ontwikkeling toolbox voor data analyse en
diagnostics, voor onderwijs- en onderzoeks-doeleinden,
productontwikkeling; kort-cyclische
evaluatie, beleidsondersteuning
• Platform voor modelontwikkeling
• Platform voor ontwikkeling diensen voor naadloos
multimodaal transport van mensen en goederen
MOBILITY SERVICES SHORT-CYCLIC
ASSESSMENT
Loops FCD GSM Surveys Emissions
and energy
LONG-TERM
PATTERNS
Chip card
Road works Twitter data
maintenance
PT schedules
updates
Events,
incidents,
Demographic accidents
data
REAL-TIME
INFORMATION OFF-LINE MOBILITY INFORMATION
UML DATABASE
Status infrastructure weather News, information
Vecom data
Existing (open)
data platforms
DATA FUSION, PROCESSING & DIAGNOSTICS TOOLBOX
http://www.ams-amsterdam.com
59. De auto als actuator
Zijn wegkantsysteman straks nog wel nodig?
60. Nog even terug naar de Praktijkproef Amsterdam…
• Fase 1: wegkant (VM) en in-car (VI) als losse systemen
• In hoeverre is integratie van de twee systemen nodig?
• Is een centrale aansturing van beide systemen noodzakelijk?
Re-routen en synchronisatie van vraag en
aanbod foto informatie en advies
Data collection for Behavioral Modeling - ICEM 2012
WEGKANT MAATREGELEN
IN-CAR MAATREGELEN
Gecoördineerde toeritdosering
Gecoördineerde VRI’s
Eerlijke verdeling van wachtrijen
bij TDI’s en VRI’s
61. Nog even terug naar de Praktijkproef Amsterdam…
• Fase 1: wegkant (VM) en in-car (VI) als losse systemen
• In hoeverre is integratie van de twee systemen nodig?
• Is een centrale aansturing van beide systemen noodzakelijk?
Re-routen en synchronisatie van vraag en
aanbod foto informatie en advies
Data collection for Behavioral Modeling - ICEM 2012
WEGKANT MAATREGELEN
IN-CAR MAATREGELEN
Gecoördineerde toeritdosering
Gecoördineerde VRI’s
Eerlijke verdeling van wachtrijen
bij TDI’s en VRI’s
H o e re a ge re n me n s e n
o p i n- c a r i n f o r m a t i e?
62. Verkeersmanagement nieuwe stijl
Toekomst verkeersmanagement optimale mix
Impacts verschaffen informatie op keuzegedrag reizigers
• Onderzoek effect TomTom-live op routekeuze met revealed
preference data door schatten nieuw keuzemodel
(Dynamisch Recursive Logit) voorspellen routekeuze
• Hogere waardering (en opvolging) persoonlijke
reisinformatie ipv DRIPs door detail van informatie
(specifiek vs generiek), niet door betrouwbaarheid ervan
• Automobilisten zijn gewoontedieren en veranderen alleen
van route indien er sprake is van substantiële winst
(bekendheid met alternatief en lengte spelen ook rol) en
hebben beperkte kennis beschikbare routes (forenzen!)
• Automobilisten hebben voorkeur voor aanpassen route ipv
vertrektijdstip om file te vermijden
• Actieve informatiesystemen die noodzaak ‘zoeken naar
informatie’ wegnemen
Giselle de Moraes
Ramos
63. Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking
van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
B Route 1
D
Route 2
64. Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking
van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
B Route 1
D
Route 2
65. Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking
van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
B Route 1
D
Route 2
• Route 1 wordt attractiever voor reizigers
van A naar B (meer mensen kiezen 1)
• De wegbeheerder past de instellingen van
de VRI aan op de gewijzigde condities
(meer groen voor A-B reizigers)
• Route 1 wordt nog attractiever voor A-B
reizigers; situatie verslechterd voor C-D
reizigers
66. Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking
van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
B Route 1
D
Route 2
2
perc. choice route 1
traffic controller
total delays
0 0.1 0.2 0.3 0.4
0.5
0.4
0.3
0.2
0.1
0
x 10
6
5
4
3
2
1
5
Totale vertraging in
systeem neemt met
pakweg 30% toe!
Start
1
3
67. Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking
van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
B Route 1
D
Route 2
2
perc. choice route 1
traffic controller
total delays
0 0.1 0.2 0.3 0.4
0.5
0.4
0.3
0.2
0.1
0
x 10
6
5
4
3
2
1
5
Totale vertraging in
systeem neemt met
pakweg 30% toe!
Start
1
3
68. Verkeersmanagement nieuwe stijl
Toekomst verkeersmanagement optimale mix
Waarom perfecte informatie niet altijd leidt tot een betere performance…
• Algemeen bekend: verschil tussen systeem- en gebruikersoptimale
netwerkafwikkeling kan oplopen tot 30% (afhankelijk van belasting)
• Anticiperend regelen: kies netwerkregelingen zodat ze anticiperen op
gedragsveranderingen als gevolg van de regeling
• Testcases tonen aan dat anticiperend regelen in de buurt van SO komt
C o n c l us ie : c o m b i n a t ie we g-k
a n t VM e n i n c a r V I k an
l e i de n t o t g o e de
ne t we r k pre s t at i e , m i t s
re k e n i ng h o ude n d me t
g e d ra g s ve ra n de r i nge n
Henk Taale
69. Intermezzo: wegregelen filegolven met Specialist
•Recall: filegolven reduceren de capaciteit van de weg met 30%
• Specialist regelt golven weg met dynamische snelheidslimieten
• Pilot A12 toont
effectiviteit van
aanpak
• Effectiviteit hangt af
van opvolggedrag
en beschikbare
lengte snelweg
70. Intermezzo: wegregelen filegolven met Specialist
•Recall: filegolven reduceren de capaciteit van de weg met 30%
• Specialist regelt golven weg met dynamische snelheidslimieten
• Pilot A12 toont
effectiviteit van
aanpak
• Effectiviteit hangt af
van opvolggedrag
en beschikbare
lengte snelweg
71. Verkeersmanagement nieuwe stijl
Toekomst verkeersmanagement optimale mix
De auto als actuator?
• COSCAL is gebaseerd op het Specialist principe, maar gebruikt in-car data-inwinning
en ISA-achtige snelheidsbeperkingen (or advies)
A
A
J
R
S
T
• Samenwerking met Berkeley
California (Prof. Steve Shladover)
• Modus van het voertuig
afhankelijk van gebied waarin
voertuig zich begeeft
• Autonomous, Jam driving,
Resolving, Stabilizing,
Transitioning
• Logica regelaar gebaseerd op
Specialist aanpak
• Feedback regelaar (dus robuuster
en effectiever)
Goof van der Weg
72. Verkeersmanagement nieuwe stijl
Toekomst verkeersmanagement optimale mix
De auto als actuator?
• COSCAL is gebaseerd op het Specialist principe, maar gebruikt in-car data-inwinning
en ISA-achtige snelheidsbeperkingen (or advies)
A
A
J
R
S
T
• Samenwerking met Berkeley
California (Prof. Steve Shladover)
• Modus van het voertuig
afhankelijk van gebied waarin
voertuig zich begeeft
• Autonomous, Jam driving,
Resolving, Stabilizing,
Transitioning
• Logica regelaar gebaseerd op
Specialist aanpak
• Feedback regelaar (dus robuuster
en effectiever)
Goof van der Weg
H e t g a a t n ie t a l l e e n
om te c h n i e k , m a a r
o o k o m
me t h o d o l o g ie…
73. Verkeersmanagement nieuwe stijl
Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkeling
• Onderzoek regeling van pelotons, optimalisatie
van diverse doelen (o.a. duurzaamheid)!
• Gebruik ook niet-direct beïnvloedbare voertuigen
• Aanpak werkt autonoom en als onderdeel van
verkeersmanagement systeem (Specialist)
Follower 2 -
Human-driven
vehicle
Follower 1-
Cooperative vehicle
Leader –
Human-driven
vehicle
s1, Δv1 s2, Δv2
Meng Wang
74. Verkeersmanagement nieuwe stijl
Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkeling
• Onderzoek regeling van pelotons, optimalisatie
van diverse doelen (o.a. duurzaamheid)!
• Gebruik ook niet-direct beïnvloedbare voertuigen
• Aanpak werkt autonoom en als onderdeel van
verkeersmanagement systeem (Specialist)
Follower 2 -
Human-driven
vehicle
Follower 1-
Cooperative vehicle
Leader –
Human-driven
vehicle
s1, Δv1 s2, Δv2
Meng Wang
Al b i j k l e i n e
p e n e t r a t ie s (10%)
wo rde n b ra n d s t o f-ve
r b r u i k e n
do o rs t r om i n g
a a n z ie n li j k b e t e r
75. Verkeersmanagement nieuwe stijl
Toekomst verkeersmanagement optimale mix
De auto als actuator?
• Onderzoek Van der Weg, Goni Ros en Wang richten zich op het gebruik van de
(slimme) auto als actuator; onderdeel functionele architectuur
• Uitdaging is zinvol regelen met penetratie < 100%
Deelnetwerk-supervisor
Logische Regeleenheden en
Supervisors
Supervisor s102 Supervisor A10W Supervisor A10N
ADAS (V2I, I2V)
V2V
VOERTUIG VOERTUIG VOERTUIG
76. Verkeersmanagement nieuwe stijl
Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkeling
• Aanwezigheid van (autonome) ADAS (ACC,
CACC) uitgeruste voertuigen leidt tot
fundamentele veranderingen in de
kenmerken van het verkeer, bijvoorbeeld:
• Capaciteit van de weg verandert
• Stabilisteitscriteria wijzigen
• Snelheid schok- en filegolven verandert
(zelfs qua richting!)
• Impacts geven aanleiding tot aanpassing
parameters DVM maatregelen of volledig
herontwerp!
• Belangrijk onderdeel van de transitieopgave!
Meng Wang
77. En dan gaat het verkeerd…
Zelfredzaamheid, tenzij…
78. A Traffic Engineer’s Perspective…
Modellen en simulatie
Ontwikkelen van modellen die predictief valide zijn…
Transport and Traffic Modelling
• Ontwikkelen van theorie en modellen die
afwikkeling netwerk in geval van een
evacuatie kunnen voorspellen
• Afhankelijk van de dynamica van de
ramp, informatie en evacuatie-instructies,
verkeersmanagement
• Rekening houdend met alle relevante
gedragsaspecten en de onzekerheden
daarin
Toepassing modellen:
• Toetsen of evacueren zin heeft en hoe
goed een plan is
• Optimalisatie van instructies,
verkeersmanagement en -regelingen
79. A Traffic Engineer’s Perspective…
Modellen en simulatie
Ontwikkelen van modellen die predictief valide zijn…
Transport and Traffic Modelling
• Ontwikkelen van theorie en modellen die
afwikkeling netwerk in geval van een
evacuatie kunnen voorspellen
• Afhankelijk van de dynamica van de
ramp, informatie en evacuatie-instructies,
verkeersmanagement
• Rekening houdend met alle relevante
gedragsaspecten en de onzekerheden
daarin
Toepassing modellen:
• Toetsen of evacueren zin heeft en hoe
goed een plan is
• Optimalisatie van instructies,
verkeersmanagement en -regelingen
80. Verkeersafwikkeling bij een evacuatie
Waarom weer een nieuw model?
Beperkte validiteit standaard tools
• Veel evacuatiestudies onbetrouwbaar door grote beperkingen predictieve validiteit
van gebruikte modellen!
• Typische (gedrags-) aspecten waar rekening mee moet worden gehouden:
• Reizigers zijn niet bekend met de situatie en hebben derhalve beperkte
verwachtingen ten aanzien van de te optredende verkeerscondities
• Rijgedrag verandert als gevolg van stress, emotie, afleiding, weerscondities,
etc., waardoor de capaciteit van de weg drastisch verandert
• Beperkingen in de beschikbaarheid van de infrastructuur of het gebruik ervan
• Gedrag verandert mogelijk fundamenteel (survival psychology)
• Uit de survival psychologie weten we dat er sprake is van een grote
heterogeniteit ing gedrag en grote onzekerheid
• Verschillende onderzoeken naar het gedrag van evacuees…
Adam Pel
81. Voorbeeld gedragsadaptatie
Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
EFFECTEN OP CAPACITEIT INFRA
AFHANKELIJK VAN EMOTIE EN AFLEIDING
Raymond Hoogendoorn
82. Voorbeeld gedragsadaptatie
Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
EFFECTEN OP CAPACITEIT INFRA
AFHANKELIJK VAN EMOTIE EN AFLEIDING
Raymond Hoogendoorn
83. Voorbeeld gedragsadaptatie
Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
EFFECTEN OP CAPACITEIT INFRA
AFHANKELIJK VAN EMOTIE EN AFLEIDING
Raymond Hoogendoorn
• Afleiding leidt to
reductie capaciteit
rijstrook 30-50%
• Veranderingen
omvatten volgtijd,
afname snelheid,
toename reactietijd
• Rijsimulatoronderzoek
geeft inzicht in
aanpassingen bij
evacuaties
• Aggresiever rijgedrag,
instabiele afwikkeling,
faster = slower Characteristic Incident Fog Emergency
Free speed - - +
Max acceleration 0 - +
Min headways + - -
84. Majeure verschillen in gedrag per fase!
• Threat and warning phase worden
gekenmerkt door ontkenning om het gevoel van
discomfort te onderdrukken
• Ontkenning behelst de reactie op
waarschuwingen, maar kan met gerichte
informatie worden verbeterd
• Impact phase wordt gekenmerkt door
ongeloof, ontkenning, vaak ook door ‘sensory
information overload’
• Ofschoon evacuatie noodzakelijk is, maakt de
emotionele / geestelijke toestand van evacuee
dit lastig
Maar ook: grote verschillen tussen mensen
(leaders, followers, blockers)
THREAT
WARNING
IMPACT
RECOVERY
RESCUE
Inzichten uit de Survival Psychology
Dynamisch gedragsraamwerk voor Calamiteiten
En hoe dit te formaliseren in modellen…
Erica Kinkel
87. Modelleer aanpak
Bounded Rationality raamwerk EVAQ
Kwantificering van gedrags in mathematische modellen en simulatie
Adam Pel
Verkeersvraag Toedeling Afwikkeling
t
t+1
t+2
:
:
evacuate stay
evacuate stay
:
:
p(t)
p(t +1)
1− p(t)
1− p(t +1)
p(t + 2) 1− p(t + 2)
Sequentieel keuzemodel
• Ieder periode wordt besloten
te gaan of te blijven
• Beslissing is gebaseerd op
de kenmerken van de
calamiteit, huishouden,
instructies, informatie, etc.
Hybride routekeuzemodel
• Pre-trip routekeuze is
gebaseerd op verwachtingen
en opvolging instructies
• En-route informatie leidt
mogelijk tot aanpassing van
routekeuze tijdens de reis
Wachtrijmodellen
• Snelheid en capaciteit zijn
afhankelijk van weg- en
weercondities en
verkeersmanagement
• Rekening houdend met
terugslag, capaciteitsval, etc.
88. Voorbeeld case studies
Effect van instructies, informatie en compliance
Toepassingen van het EVAQ modek
• Evacuatie van Rotterdam bij calamiteit
• Gebruik EVAQ om verschillende scenarios door te
rekenen
Instructed
Southward, little
information, high
compliance
Instructed South-
East, moderate
information, low
compliance
Adam Pel
89. Toepassing evaluatiemodel EVAQ
Optimalisatie van instructies
PhD onderzoek Olga Huibregtse
Voorbeeld toepassing model
• Optimalisatie instructies
geformuleerd als bi-level
probleem
• Optimalisatie bepaalt
vertrektijden en routes op
zodanige wijze dat alle kritische
links volledig worden gebruikt
• Reductie complexiteit wiskundig
optimalisatieprobleem door
innovatieve fixed-point
formuleren maakt snel bepalen
oplossingen mogelijk
Olga Huibregtse
90. Rekening houdend met onzekerheid
Robuuste optimalisatie van evacuatieinstructies
Ook als we beperkte kennis hebben kunnen we efficient evacueren…
Anticipeer op onzekerheid in opvolging
instructies
• Als we opvolggedrag (compliance) kennen, dan
kunnen we efficiënter optimaliseren
• Met name bij lage compliance zien we grote
verbetering als we met deze lage compliance
rekening houden
• Instructies waarbij we uitgaan van een lage
compliance lijken minder gevoelig
Raamwerk voor robuuste optimalisatie kan
omgaan met onzekerheid dynamica ramp
Olga Huibregtse
91. Investeren in naleving
Strategische inzet van het leger?
Voorbeeld van effecten verhogen compliance
ENFORCEMENT FRAMEWORK
• Waar beperkte resources
inzetten (politie, leger)
om compliance te
verhogen
• Optimalisatie gegeven
beschikbare resources
• Aanzienlijke verbetering
mogelijk door verstandig
resources in te zetten
(dus tegen relatief
beperkte kosten)
• Samenspel
‘zelfredzaamheid’ en
‘sturing’ zinvol!
!
Minimale
Inzet
Maximale
Inzet
Kosten 680 1.560
Prestatie 63.195 78.023
Aankomsten 92.387 114.194
Adam Pel
92. Praktijkrelevantie recente TRAIL Dissertaties
De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft
93. De proefschriften (2013-2014):
• Wageningen-Kessels, F.L.M. van, Multi-Class Continuum Traffic Flow Models: Analysis and
simulation methods, T2013/7, March 2013, TRAIL Thesis Series, the Netherlands
• Yuan, Y., Lagrangian Multi-Class Traffic State Estimation, T2013/5, March 2013, TRAIL
Thesis Series, the Netherlands
• Schreiter, Th., Vehicle-Class Specific Control of Freeway Traffic, T2013/4, March 2013,
TRAIL Thesis Series, the Netherlands
• Huibregtse, O.L., Robust Model-Based Optimization of Evacuation Guidance, T2013/2,
February 2013, TRAIL Thesis Series, the Netherlands
• Wang, M., Generic Model Predictive Control Framework for Advanced Driver Assistance
Systems, T2014/6, October 2014, TRAIL Thesis Series, the Netherlands
• Djukic, T., Dynamic OD demand estimation and prediction methods for dynamic traffic
management, November 2014, TRAIL Thesis Series, the Netherlands
• De Moraes Ramos, G., Dynamic route choice modelling of the effects of travel information
using RP data, February 2015, TRAIL Thesis Series, the Netherlands
Praktijkrelevantie recente TRAIL Dissertaties
De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft