AECOM
Queen Elizabeth Olympic Park
Oktober 2017 – September 2020
AUTONOMOUS POD
ON-DEMAND
AIMSUN RIDE
Bei der Studie für den Queen Elizabeth Olympic Park ging es vor allem darum, die Anzahl der Gondeln zu ermitteln, die benötigt werden, um ein angemessenes Serviceniveau zu gewährleisten.
Das Team untersuchte, wie die Ergebnisse der optimierten Lösung genutzt werden könnten, um einen Business Case für einen Pod-Service an anderen Standorten zu unterstützen.
Der Standort bot ein großflächiges Testgebiet von etwa 160 Hektar mit einer Auswahl lokaler Ausgangs- und Zielorte, die von einem On-Demand-Pod angefahren werden konnten, mit der Möglichkeit der Routenwahl (zur Optimierung der Pod-Routen). Zu den Zielen gehören: London Aquatics Centre, Copper Box Arena, London Stadium, das Velodrom und Here East.
Während die gesamte Pod-Route hauptsächlich abseits der Straße verläuft, gibt es einige Stellen, an denen der Pod an signalisierten Kreuzungen und auf dem breiteren Autobahnnetz mit anderen Fahrzeugen interagieren würde, wo der Pod bei höheren Geschwindigkeiten getestet werden könnte, während die Interaktion mit anderen Verkehrsteilnehmern aus Sicherheitsgründen während der Tests eingeschränkt wird. Die Gehzeiten von der Süd- zur Nordgrenze betragen bis zu 30 Minuten, so dass die Pods eine Alternative zum Gehen darstellen können.
Menschengetriebene Fahrzeuge kommen nur in der nordöstlichen Ecke des Netzwerks vor, wo eine der Pod-Haltestellen an einer Buslinie durch Here East liegt.
Die erste Aufgabe des Teams bestand darin, das Modell des Queen Elizabeth Olympic Park zu erstellen. Dazu wurde ein bestehendes Modell aus einer Software eines Drittanbieters importiert und für die Zwecke der Studie, die im Rahmen des Capri-Projekts durchgeführt wurde, erweitert und aktualisiert.
Capri war ein Pilotprojekt, das den Entwurf, die Entwicklung und das Testen von vernetzten und autonomen Pods umfasst. Das Ziel von Capri war es, das Vertrauen der Fahrgäste, der Behörden und des Marktes in autonome Pods als praktische, sichere und erschwingliche Art des Reisens zu stärken. Die Aufgabe von Aimsun in Capri bestand darin, die Simulation als Instrument vor dem Einsatz zu nutzen, um die Machbarkeit eines Pod-Dienstes zu bewerten. Aimsun hat eine Methode entwickelt, um Einsätze in jeder Größenordnung zu testen und durch Variation der Parameter eine optimierte Systembereitstellung zu ermöglichen.
Die Aimsun Ride-Lösung lieferte Beweise für den vorgeschlagenen autonomen Pod-Dienst. Die Auswertung ergab, dass ein gestraffter Dienst die Anfangskosten senken würde (weniger Pods erforderlich), aber dennoch eine gute SLA für den Endverbraucher bietet. Der Einsatz der Pre-Deployment-Tools lieferte genaue Daten zur Unterstützung eines Business Case und von Investitionsentscheidungen.
Die Simulationen verdeutlichten auch den nicht-technischen Entscheidungsträgern, wie das System funktionieren könnte.
Aimsun Ride wurde als eigenständige Anwendung verwendet, um das Design des POD-Dienstes zu untersuchen: Da die Nachfrage sowohl räumlich (in Bezug auf die Herkunft und das Ziel der Anfragen) als auch zeitlich (in Bezug auf die Zeit, zu der die Anfragen gestellt werden) variiert, muss das Layout des Standorts genügend Kapazität für die Pods bieten, um die Nutzer im gesamten Netzwerk abholen und absetzen zu können. Außerdem muss sichergestellt werden, dass sich die Pods während des Dienstes nicht in einem Teil des Netzwerks ansammeln.
Zu den Herausforderungen, die sich auf die Durchführbarkeit des Pod-Einsatzes auswirkten, gehörten: niedrige Geschwindigkeitsbegrenzungen in den Fußgängerzonen des Parks, die die Gesamtzahl der Anfragen, die ein Pod erfüllen kann, einschränken; Nachfragespitzen in der Hauptverkehrszeit, die dazu führen, dass die Nachfrage das Pod-Angebot übersteigt; ein hohes Serviceniveau der Pods, das eine niedrige durchschnittliche Auslastung der Pods in der Hauptverkehrszeit erfordert, damit die Fahrzeuge zur Verfügung stehen, um alle Anfragen in dieser Stunde zu bedienen.
Für dieses Projekt hat das Modellierungsteam ein Modell des Flughafens Bristol entwickelt, um die Vorteile eines autonomen Pod-on-Demand (POD)-Shuttleservices zu demonstrieren und den Business Case zu beweisen, der über den bestehenden Shuttleservice auf dem Flughafengelände hinausgeht.
TEILEN
Aimsun Next 23
Aimsun Next 20.0.5
Aimsun Next 23
@manual {AimsunManual,
title = {Aimsun Next 23 User’s Manual},
author = {Aimsun},
edition = {Aimsun Next 23.0.0},
address = {Barcelona, Spain},
year = {2023. [Online]},
month = {Accessed on: Month, Day, Year},
url = {https://docs.aimsun.com/next/23.0.0/},
}
Aimsun Next 20.0.5
@manual {AimsunManual,
title = {Aimsun Next 20.0.5 User’s Manual},
author = {Aimsun},
edition = {Aimsun Next 20.0.5},
address = {Barcelona, Spain},
year = {2021. [In software]},
month = {Accessed on: Month, Day, Year},
url = {qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html},
}
Aimsun Next 23
TY – COMP
T1 – Aimsun Next 23 User’s Manual
A1 – Aimsun
ET – Aimsun Next Version 23.0.0
Y1 – 2023
Y2 – Accessed on: Month, Day, Year
CY – Barcelona, Spain
PB – Aimsun
UR – [In software]. Verfügbar: https://docs.aimsun.com/next/23.0.0/
Aimsun Next 20.0.5
TY – COMP
T1 – Aimsun Next 20.0.5 User’s Manual
A1 – Aimsun
ET – Aimsun Next Version 20.0.5
Y1 – 2021
Y2 – Accessed on: Month, Day, Year
CY – Barcelona, Spanien
PB – Aimsun
UR – [In software]. Available: qthelp://aimsun.com.aimsun.20.0/doc/UsersManual/Intro.html
