Von Martin Hartmann
Oktober 2021
Die Fahrzeugautomatisierung zieht Interessengruppen an, die versuchen, die Auswirkungen dieser Technologie auf den Straßenverkehr vorherzusagen. Die verschiedenen Perspektiven der Interessengruppen können von hochrangigen Verkehrsplanungsrichtlinien bis hin zu betrieblichen Aspekten zur Validierung von Wahrnehmungssensoren unter widrigen Wetterbedingungen reichen. Aimsun deckt mit seinen Modellierungswerkzeugen und -dienstleistungen das gesamte Spektrum ab, von makroskopischen Modellen bis hin zu komplexen Echtzeit-Co-Simulationen von AV-Stacks mit digitalen Zwillingen, die realistische Verkehrsumgebungen darstellen.
In diesem Artikel erklären und zeigen wir Ihnen die mikroskopische Simulation von Fahrzeugen mit kooperativer adaptiver Geschwindigkeitsregelung (CACC) in Aimsun Next. Seit Version 8.4 enthält Aimsun Next eine native Implementierung des ACC- und CACC-Algorithmus (hier als C/ACC bezeichnet), der von Milanes & Shladover, 2014 [1] entwickelt wurde. Dieser Technische Hinweis stellt die Implementierung des Controllers in den Kontext eines Mikrosimulationsmodells, beschreibt die Parameter, die dem Nutzer offenbart werden, und gibt einige praktische Beispiele für den Einsatz des Controllers.
Fahrzeuge mit C/ACC zeigen ein deutlich anderes Fahrverhalten als konventionelle (in Aimsun Next: Gipps-gesteuerte) Fahrzeuge, so dass innerhalb der Platoons vernetzter Fahrzeuge sehr kleine Zeitlücken möglich sind. Fassen wir die wichtigsten Informationen über den C/ACC-Algorithmus im Zusammenhang mit der Mikrosimulation in Aimsun Next zusammen:
Dann gibt es fünf Staaten, die für ein mit CACC ausgestattetes Fahrzeug gelten:
* Das vorausfahrende Fahrzeug kann ein Fahrzeug ohne, mit ACC oder mit CACC innerhalb des ACC-Untergrenzwerts der Netto-Weglücke oder des CACC-Untergrenzwerts der Netto-Zeitlücke sein.
Zur Kollisonswarnung nach vorne verwendet das C/ACC-Modell in Aimsun Next einen CAMP-Algorithmus [2]. Dieser Algorithmus ist Bestandteil des Modells und prüft, ob die Zeitlück des betreffenden Fahrzeugs zum Führungsfahrzeug ausreichend ist, um eine sichere Folgefahrt zu gewährleisten. Bei Aktivierung des CAMP-Algorithmus an einem beliebigen Punkt wird der C/ACC-Regler gefolgt von einer 20-sekündigen Abklingzeit deaktiviert, bevor ein erneuter Wechsel in den letzten C/ACC-Zustand erfolgt.
Verlangsamen Sie die Aufzeichnung und markieren Sie die Werte für die Netto-Weglücke und den Geschwindigkeitsregelungszustand.
Anmerkung: Zur Visualisierung des Fahrverhaltens können Sie sowohl für die Zeitlücken-(blaue Linie) als auch die Weglückenwerte zum Führungsfahrzeug (grüne Linie) Zeitreihen (TS) einzelner Fahrzeuge erfassen.
Verlangsamen Sie die Aufzeichnung und markieren Sie die Werte für die Netto-Weglücke und den Geschwindigkeitsregelungszustand.
Verlangsamen Sie die Aufzeichnung und markieren Sie die Werte für die Netto-Zeitlücke und den Geschwindigkeitsregelungszustand.
Im implementierten Modell kann ein tatsächliches Führungsfahrzeug mit verschiedenen CACC-Tags gekennzeichnet werden (auch bei Platoon-Größe = 1):
[1] Vicente Milanés, Steven E. Shladover: „Modeling cooperative and autonomous adaptive cruise control dynamic responses using experimental data“, Transportation Research, Part C, Emerging technologies, Elsevier, 2014, S. 285–300. 10.1016/j.trc.2014.09.001 . hal-01091160
[2] Kiefer, R. J., Cassar, M. T., Flannagan, C. A., LeBlanc, D. J., Palmer, M. D., Deering, R. K., Shulman, M.A., 2003: „Forward collision warning requirements project: refining the CAMP crash alert timing approach by examining „last-second“ braking and lane change maneuvers under various kinematic conditions“, NHTSA Research Report HS-809 574.
[3] Nowakowski, C., J. O’Connell, S. E. Shladover und D. Cody, 2010: „Cooperative Adaptive Cruise Control: Driver Selection of Car-Following Gap Settings Less Than One Second“, 54th Annual Human Factors and Ergonomics Society Meeting, San Francisco, CA.
März 2018: Mauricio Castro und Gabriel Funes führen dich über die Standardeinstellungen für Stop-Linien hinaus und zeigen dir, wie du noch präziser steuern kannst, wo Fahrzeuge anhalten.
September 2021: Bei der Verkehrsmodellierung kann ein Vergleich der Verkehrsnachfrage und des Fahrzeugdurchsatzes auf einer Route nützlich sein: wie viele Personen wollen eine Fahrt absolvieren, und wie viele davon sind in der Lage, diese Fahrt innerhalb eines vorgegebenen Zeitrahmens durchzuführen.
TEILEN
