Post on 05-Apr-2015
1
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
1
V2X Simulation
Martin Treiber TU Dresden
and Modeling
Oct 2010, Dagstuhl
2
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
2
General: About what I will talk – and about what not
Applications
► Safety
► Efficiency
► Entertainment
Level of Detail
► Physical details
► Packet transmission details
► Transmission strategy
► Microscopic traffic flow
► Macroscopic traffic flow
Models
► Ray tracing/wave propagation
► Networking models (NSx)
► Path models
► Car-following models
► Fluid-dynamic models
3
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
3
Overview
General
Longitudinal communication path
- Assumptions and analytical models
- Integration in a microscopic traffic simulator
- Results: Which minimum equipment rate is necessary?
Transversal (store-and forward) communication path - Analytical models
- Simulations and minimum equipment rates
- Discussion: Which strategy for which application?
Applications for enhancing efficiency
- Congestion warning system (V2V / I2V)
- Traffic flow assistant (V2V / I2V)
- Traffic light assistant (I2V)
4
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
4
Transmission Strategy: V2Vlong, V2Vtrans, V2I, and I2V
5
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
5
Longitudinal Communication Path: Assumptions
► Finite broadcast range r: Either fixed or statistically distributed
► Constant partial density of equipped vehicles: λ=αρ
► Vehicle density ρ: Either constant or inhomogeneous (stop-and-go traffic)
► Instantaneous, error-free message transmission, if within range
Driving direction
Direction of communication
► Poisson-process for the positions of “nodes”, i.e, distances between nodes are exponentially distributed
6
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
6
Longitudinal Communication Path: Analytical Model
►Dousse, Thiran, Hasler, Connectivity in Ad Hoc and Hybrid Networks. IEEE INFOCOM Vol. 2, pages 1079-1088 (2002).
► Poissonian assumption:
► Probability of availability at distance x from sender:
► Initial condition:
► Closed-form analytical solution:
f(y)=
prob density avail. at x-y
7
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
7
Predictions of the Analytical Model
Variable range Variable equipment rate
Length of communication chain
Potentialactual
chainlength
Result: Longitudinal strategy is not efficient as long as broadcast range R is lower than average distance 1/λ
8
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
8
Test of Fixed Range Assumption: Deterministic vs. Stochastic Range Model
9
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
9
Robustness Test 1: Deterministic Analytical Model vs. Simulated Trajectories (Gipps Model)
► Nearly perfect agreement for free traffic and rates below 30% => small
► Simulated connectivity slightly higher for homogeneous congested traffic
► Simulated connectivity slightly lower for longer distances and stop&go traffic
10
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
10
Robustness Test 2: Analytical Model vs. Real Trajectories (NGSIM Data)
► Spatiotemporal Density
Real gap distribution (across all lanes)
Jam
Free traffic
First 20 min
Last 10 min (jam)
Crossover!
First 20 min
11
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
11
Transverse Communication Path:„Store & Forward“ Communication
r► Connectivity Statistics of Store-and-Forward Intervehicle Communication,
IEEE Transactions on Intelligent Transportation Systems 11(1), 172-181 (2010).
12
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
12
Analytical Model for Store & Forward Communication
►Problem statement: Message has to propagate in upstream direction (at least) distance x
►Schönhof, Kesting, Treiber and Helbing,
Coupled vehicle and information flows:
Message transport on a dynamic network.
Physica A 363, p. 73-81.
► Time T1 to find a relay car:
► Time T2 to reach connectivity to the target region:
*=(x-2r2)/V2
► Time T3 to find a car in the target region:
13
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
13
Predictions of the Analytical Deterministic Model
► Transversal hopping has robust connectivity already for small penetration rate α, i.e., small partial density I
► A successful transmission is only a matter of time
► Flip side: The transmission is not instantaneous
=30 Veh./km, V1=V2=90 km/h, 1 lane
14
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
14
Robustness Test 1: Deterministic vs. Stochastic Model
► Deterministic: Fixed range R=200 m
► Stochastic: Exponentially distributed range, E(R)=200 m
=30 Veh./km, V1=V2=90 km/h, 1 lane
15
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
15
Robustness Test 2: Violation of the Poissonian Assumption (for 1 and 2 Lanes)
► Solid lines: Analytial deterministic model
► Symbols: IDM/MOBIL microsimulations
16
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
16
Implementation and simulation of inter-vehicle communication
► Message: Data structure
► EquippedVehicle: Mailbox with send() and receive()
► MessagePool: “Ether” for gathering and distributing Messages
► Simulate!
17
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Applications for Enhancing Efficiency: Problem Statement
17
How can we avoid / reduce traffic congestion ?
Capacity of road network is limited
Construction of new roads not feasible due to cost/land constraints
Vehicle-based Intelligent Transportation Systems !
18
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
18
Application 1: Congestion warning system (V2Vtrans)
19
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
19
Basic Communication Scheme
► Scenario: Evolution of congested traffic
► Trajectories of equipped cars (α=3%)
► Equipped vehicles generate messages
Online traffic state estimation based on floating car data.To appear in Traffic and Granular Flow '09, Springer (2009).
20
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
20
Enhancing the Jam Front Prediction Using V2I, I2I, I2V
RSU down
RSU up
21
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
21
Simulation Results
22
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Application 2: ACC-Based Traffic- Flow Assistant
22
Kesting, Treiber, Helbing : Enhanced Intelligent Driver Model to Access the Impact of Driving Strategies on Traffic Capacity. Philosophical Transactions of the Royal Society A (2010).
23
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
(1) The “Ordinary” ACC
23
The Model
The System
24
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
(2) From Conventional to Traffic-Efficient ACC
24
Automated “traffic-efficient” driving strategy Strategy adapts driving style to surrounding traffic situation Do not change model but model parameters Driving strategy matrix in relative terms (preserving individual settings)
Kesting, Treiber, Schönhof, Helbing : Adaptive Cruise Control Design for Active Congestion Avoidance. Transportation Research Part C: Emerging Technologies (2008).
25
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Traffic-Adaptive Driving Strategy in Free Traffic
Driving strategy for free traffic and bottleneck situations:
25
Traffic state Driving behavior λT λa λb
Free traffic Default 1 1 1
Bottleneck Breakdown prevention 0.7 1.5 1
Bottleneck section: avoid traffic flow breakdown • Reduce time gap parameter and increase stability
• Dynamically “fill-up” capacity gap Increase free capacity
Treiber, Kesting, Helbing: Three-phase traffic theory and two-phase models with a fundamental diagram in the light of empirical stylized facts. Transportation Research Part B: Methodological (2010).
26
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de 26
Driving Strategy in Congested Traffic
Traffic state Driving behavior λT λa λb
Upstream jam front Increased safety 1 1 0.7
Congested traffic Default / Normal 1 1 1
Downstream jam front Increase outflow 0.5 2 1
Driving in congested traffic: Safely approaching jam front Increase outflow by quickly accelerating when leaving traffic jam
Typical sequence of traffic states for a floating car :
27
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Spatial-Temporal Dynamics of a Freeway Traffic Jam
27
Treiber, Kesting, Wilson: Reconstructing the Traffic State by Fusion of Heterogeneous Data. Computer-Aided Civil and Infrastructure Engineering (2010).
► Problem: How to distinguish exiting just a stop & go wave from exiting the whole jammed region?
► Solution: Knowledge of Traffic flow dynamics and C2X communication!
28
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
28
Realization: “Everything-in-the-Loop” Simulation
29
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
29
The Communications Subsystem
30
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
30
The Simulator
► Simulate …
31
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
31
Simulation Results: Impact on Collective Travel Time and Fuel Consumption
► Averaging Problem!
32
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Application 3: “Traffic-Light Assistant” in City Traffic
32
First Step: Driver information system Traffic light reports about status Wireless communication to cars Cars give recommendations to driver ex: “Travolution” by Audi et al.
Next step: Automatic driving Stop line additional “virtual” target In combination with ACC system Aims: Convenience/Safety/Efficiency
33
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Driving Strategy of the “Traffic-Light Assistant”
Basic functionality: Safety / convenience• Decision making before light switches
• Automatic halt at stop line
33
Unpublished. © TUD + Volkswagen AG
Scenario Stops Change
Reference 46.1 %
Feature 1 40.2 % -13 %
Feature 2 38.3 % -17 %
“Intelligent” functionality: Efficiency• Feature 1: Proactive acceleration (boost) for crossing TL during green light
• Feature 2: Use motor brake for fuel-optimal approaching / jump-start
Objectives: Reducing number of stops, fuel consumption, time consumption …
34
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Thank you for your Attention
34
www.traffic-states.com
www.traffic-simulation.de
www.verkehrsdynamik.de
35
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
35
Supplements
36
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Protection and Prevention is a Success Story
36
German statistics over 40 years: Mileage nearly tripled Fatalities reduced by 75% !
Similar developments in all western countries
37
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
In which way can V2V/V2I make cars smarter?
37
Electronic Stability Control (ESC)
Anti-lock Brake System (ABS)
Passenger Protection
Pedestrian Protection
Airbags
Navigation
Car-to-car communication (C2C)
Vehicle-Infrastructure Integration (VII)
Radar-based systems
Ultrasonic-based systems
Video-based systems
Adaptive headlights
38
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
38
Stylized Facts of Spatiotemporal Evolution (A9 South, Germany)
► Downstream front: Either fixed or moving upstream with velocity c
► Upstream front: Determined by supply and demand
► Internal structures: Moving with velocity c as well
► Amplitude of internal structures grows when moving upstream
► Frequency grows with severety of bottleneck
TSG
OCT
39
Institut für Wirtschaft und Verkehr
Lehrstuhl für Verkehrsmodellierung und -ökonometrie
Martin Treiber
martin@mtreiber.de
Summary: From Driver- to “Traffic-Assistance” Systems
39
System Required Information
Action Aim
ACC Track leading vehicle
Control acceleration
Driver comfort
Traffic-adaptive ACC
Bottlenecks and jam fronts
ACC parameter adaptation
“Flow-efficient” driving strategy
Traffic-Light Assistant
Traffic light phases
Automatic approach of TL
“Stop-avoiding” driving strategy
Demonstration of automated driving strategies: Implementation in test cars by Volkswagen Positive impact on collective dynamics in simulation Individual benefit from additional driver information