000K utf8 1100 2022$c2022-06-30 1500 ger 2050 urn:nbn:de:hbz:465-20220630-143246-0 2051 10.17185/duepublico/76122 3000 Vranken, Tim 4000 Traffic dynamics under the influence of automated vehicles [Vranken, Tim] 4000 Verkehrsdynamik unter dem Einfluss automatisierter Fahrzeuge [Vranken, Tim] 4060 xiii, 121 Seiten 4209 In den sieben Jahren von 2011 bis 2018 hat sich die Stauanzahl auf deutschen Autobahnen auf 745.000 Staus pro Jahr fast vervierfacht [1]. Eine beliebige Erweiterung der Straßenkapazität durch Hinzufügen weiterer Spuren ist dabei, unter anderem aufgrund des teilweise beschränkten Platzes, nicht möglich [18]. Daher sind alternative Lösungen notwendig, um dem Phänomen entgegenzuwirken. Eine Möglichkeit wird oft in der Einführung von automatisierten beziehungsweise nicht von Menschen gesteuerten Fahrzeugen gesehen.Während sich nahezu alle Wissenschaftler einig sind, dass homogener beziehungsweise ausschließlich automatisierter Verkehr die Straßenkapazitäten erhöhen wird, gehen die Meinungen über heterogenen, also aus menschlich gesteuerten und automatisierten Fahrzeugen gemischter, Verkehr auseinander. Da es zurzeit noch keine empirischen Daten zu solch gemischtem Verkehr gibt, basieren diese Diskussionen auf Simulationsdaten unterschiedlicher Verkehrsmodelle. Im Rahmen dieser Arbeit wird ein neues Zellularautomatenmodell vorgestellt, welches den heterogenen Verkehr realistischer abbildet als bereits existierende Modelle. Aufbauend auf dem bereits von Lee et al. [2] entwickelten Modell, welches nur homogenen, menschlich gesteuerten Verkehr simulieren kann, wurde ein leicht verändertes Modell erstellt, welches immer noch homogenen, menschlich gesteuerten Verkehr realistisch reproduzieren kann, jedoch eine geringere Zeitschrittlänge als bisherige Modelle verwendet. Diese reduzierte Zeitschrittlänge erlaubt die Modellierung und Simulation von automatisierten und kommunizierenden, automatisierten Fahrzeugen. Im Vergleich zu anderen Modellen hat das in dieser Arbeit vorgestellte Modell nicht nur den Vorteil, die Reaktionszeiten der automatisierten Fahrzeuge besser abzubilden, sondern es kann auch bisher unbetrachtetes, abweichendes Fahrverhalten von automatisierten und menschlich gesteuerten Fahrzeugen simulieren. So kann im Modell zum Beispiel berücksichtigt werden, dass autonome Fahrzeuge nicht den Sicherheitsabstand gezielt missachten sollten, während menschliche Fahrer dies oft machen. Diese Unterschiede im Verhalten erlauben die problematische Mensch-Maschine-Interaktion genauer zu betrachten als bei vergleichbaren Modellen, wodurch Prognosen von heterogenem Straßenverkehr realistischer als bisher möglich sind. 4209 The number of traffic jams in germany nearly quadrupled to 745, 000 traffic jams per year in the seven years from 2011 to 2018 [1]. Traffic road capacity cannot be increased further due to limited space at different areas of the Autobahn [18]. Therefore, alternative solutions to the increasing number of traffic jams are highly sought after. One of the most quoted solutions is the introduction of automated vehicles, which can steer without the need of a human driver. Nearly all scientists predict an increased road capacity in homogeneous automated traffic but the situation is less clear in heterogeneous traffic where they are mixed with human-driven vehicles. Because there is no empirical data about mixed traffic, most scientists base their assumptions on a multitude of different traffic simulations. A new cellular automata model is introduced in this work with that heterogeneous traffic can be simulated more realistically than with historical models. This model is based upon the one created by Lee et al. [2] which already reproduces all important characteristics of homogenous human-driven traffic. The new model is created with a reduced time step length through which one is able to simulate the different reaction times of not only human-driven vehicles but also of automated and communicating automated vehicles. Through that one can simulate not only homogenous human driven or automated vehicle traffic but also heterogenous traffic where these types of vehicles are mixed. Compared to other heterogeneous traffic models, the one presented in this work is not only able to simulate the different vehicle types with their different reaction times but can also model different behaviour characteristics. For example, it is taken into account that automated vehicles are not allowed to purposely ignore the minimum safety distance, something human drivers tend to do. Due to the reproduction of these different behaviours, a better prediction of problems with the human-machine-interaction than with historical models is possible. All in all, the model allows for more realistic prediction of heterogeneous vehicle traffic than before. 4950 https://doi.org/10.17185/duepublico/76122$xR$3Volltext$534 4950 https://nbn-resolving.org/urn:nbn:de:hbz:465-20220630-143246-0$xR$3Volltext$534 4961 https://duepublico2.uni-due.de/receive/duepublico_mods_00076122 5051 500