Extension of a Multi-Agent Transport
Simulation for Traffic Signal Control and
Air Transport Systems
vorgelegt von
Dipl.-Inf.
Dominik Sebastian Grether
aus Offenburg
Von der Fakultät V – Verkehrs- und Maschinensysteme
der Technischen Universität Berlin
zur Erlangung des akademischen Grades
Doktor der Ingenieurwissenschaften
- Dr.–Ing. -
genehmigte Dissertation
Promotionsausschuss:
Vorsitzender: Prof. Dr. Thomas Richter
Gutachter: Prof. Dr. Kai Nagel
Gutachter: Prof. Dr. Peter Wagner
Tag der wissenschaftlichen Aussprache: 09. Januar 2014
Berlin 2014
D 83
Abstract
This thesis aims at the simulation based assessment of transport planning using a multi- Goals
agent simulation approach. Effects of transport policies like (de-)construction of infras-
tructure, changes in timetable, or regulations like speed limits or tolls can be analyzed
with a high level of detail by the simulation under consideration1. Travelers are repre-
sented as individual entities that make their journey through the transport system and
learn iteratively the modeled constraints. The thesis covers three areas: Traffic signal
control, air transport systems, and software engineering.
It is shown how traffic signal control can be simulated with the multi-agent approach. Traffic Signal Control
Traffic flow is simulated by a computationally efficient queue model (Gawron, 1998b;
Simon et al., 1999; Cetin, 2005). In this work, the queue model is extended to capture
effects of traffic signals. A software component for microscopic modeling of traffic sig-
nals is developed. This component interacts with the traffic flow model and allows
the simulation of network wide effects that result from a change of traffic signal con-
trol. Results indicate that the available choice dimensions of travelers, such as route
choice or departure time choice, influence the evaluation of traffic signal control. The
approach is applied to test different optimizations of traffic signal control. The opti-
mization of offsets for coordination of adjacent junctions (green waves) has little impact
on the network wide traffic patterns. In contrast, a traffic-actuated signal control results
in network wide changes of travelers’ route choice.
The thesis also shows how the multi-agent approach is applied to air transport systems. Air Transport Systems
The approach uses the public transport functionality of the simulation and modifies it
for air transport. As a result, individual passengers are included into the modeling on
all stages of their trip. Then, mode choice between air and alternative transport modes
is added. The existing Multinomial Logit model for mode choice (Rieser et al., 2009;
Rieser, 2010) is enriched by a Path Size Logit formulation that takes path overlap into
account. This removes artefacts of the sampling process and enables the analysis of
competitive markets, e.g., between high speed rail and air transport.
The software architecture of the simulation was initially a monolithic piece of software, Software Engineering
difficult to customize, and appeared not suited for further research. The thesis discusses
the redesign of the software. Design goals aim at a modular, extensible architecture
that permits researchers to modify or add certain components to the overall simulation
under the assumption that suitable interfaces are available. As proof of concept, the
module for fixed-time traffic signal control is provided as extension. The module is
decoupled from the overall simulation approach and can be replaced in part, or com-
pletely.
1MATSim, see www.matsim.org
3
Zusammenfassung
Die vorliegende Arbeit widmet sich der simulationsbasierten Verkehrsplanung an-Ziele der Arbeit
hand eines Multi-Agenten-Ansatzes. Verkehrsplanerische Maßnahmen, wie Rück-
oder Neubau von Infrastruktur, Änderungen in Fahrplänen, Maut oder Geschwindig-
keitsbegrenzungen, können anhand der verwendeten Simulation2mit einer hohen De-
tailgenauigkeit untersucht werden. Der Fokus liegt auf dem Verkehrsteilnehmer, der
sich in der Simulation mikroskopisch durch das Verkehrssystem bewegt und in einem
iterativen Prozess dessen Rahmenbedingungen lernt. Die Arbeit behandelt die Themen
Lichtsignalanlagensteuerung, Luftverkehr und Softwareentwicklung.
Die Arbeit zeigt, wie Lichtsignalanlagen (LSA) in der Simulation abgebildet werdenLichtsignalanlagen-
steuerung können. Der Verkehrsfluss wird durch ein sehr effizient zu berechnendes „Queue
Model“ (Gawron, 1998b; Simon et al., 1999; Cetin, 2005) abgebildet. Anhand einer Er-
weiterung des „Queue Model’s“ können die Effekte von LSA abgebildet werden. Ein
entwickeltes Software-Modul modelliert mikroskopische LSA. Durch die Interaktion
dieses Moduls mit dem Verkehrsflussmodell können Reaktionen der Nutzer auf eine
Änderung der LSA-Steuerung netzwerkweit simuliert werden. Die Resultate zeigen,
dass die modellierten Wahlmöglichkeiten der Reisenden, wie z.B. Abfahrtszeit- oder
Routenwahl, die Evaluation von LSA-Steuerungen beeinflussen. Verschiedene Opti-
mierungen der LSA-Steuerung werden evaluiert. Die Optimierung von grünen Wellen
hat nur geringen Einfluss auf die Verkehrsmuster. Dahingegen kommt es bei einer
verkehrsabhängigen Steuerung zu netzwerkweiten Änderungen der Routen.
Die Arbeit zeigt weiterhin, wie der Multi-Agenten-Ansatz zur Abbildung von Luftver-Luftverkehr
kehr eingesetzt werden kann. Dabei wird das Simulationsmodul für öffentlichen
Nahverkehr genutzt und entsprechend angepasst. Somit werden Passagiere auf allen
Teilen ihrer Reise personenscharf abgebildet. Daraufhin wird die Verkehrsmittelwahl
in die Modellierung aufgenommen. Das existierende multinomiale Logit-Modell für
die Verkehrsmittelwahl (Rieser et al., 2009; Rieser, 2010) wird durch eine „Path Size
Logit“-Formulierung erweitert, die Überlappungen von Routen explizit berücksichtigt.
Dies behebt Artefakte des Sampling-Prozesses und ermöglicht somit die Analyse von
Wettbewerbsmärkten zwischen Verkehrsträgern, z.B. zwischen Hochgeschwindigkeits-
zügen und Flugverbindungen.
Die Software-Architektur der Simulation war anfangs monolytisch aufgebaut, funk-Softwareentwicklung
tionell schwer zu erweitern und schien für weitere Forschungszwecke nicht geeignet.
In der Arbeit wird das Redesign auf eine modulare, erweiterbare Architektur erläutert.
Diese soll es Forschern erlauben eigene Softwarekomponenten als Erweiterung bereit-
zustellen. Wie am Beispiel des Moduls für LSA gezeigt wird, ist dies möglich, sofern
geeignete Schnittstellen zur Verfügung gestellt werden. Das Modul ist vom eigentlichen
Simulationsprozess weitgehend abgekoppelt und kann in Teilen oder komplett ersetzt
werden.
2MATSim, www.matsim.org
4
Contents
1. Introduction 9
1.1. Motivation.................................... 9
1.2. Outline, Contributions & Limitations . . . . . . . . . . . . . . . . . . . . . 12
2. Multi-Agent Transport Simulation 15
2.1. SimulationOverview.............................. 15
2.2. MobilitySimulation............................... 17
2.3. Scoring...................................... 18
2.4. Re-Planning ................................... 18
2.4.1. NewRoutes............................... 19
2.4.2. New Time Structures . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.3. New Transport Modes . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5. PublicTransit .................................. 19
3. Extensions for Traffic Signal Control 21
3.1. Network Representation, Graph Theory & Semantics . . . . . . . . . . . 21
3.1.1. Transport Networks & Time . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2. Time Dependent Attributes . . . . . . . . . . . . . . . . . . . . . . 26
3.1.3. Discussion & Findings . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1.4. Nomenclature.............................. 29
3.2. Queue Models for Traffic Flow . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1. “FastLane” ............................... 29
3.2.2. Extension of “Fast Lane” . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.3. Mesoscopic Traffic Signal Simulation . . . . . . . . . . . . . . . . 31
3.2.4. Modeling Traffic Signals . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.5. Lanes................................... 33
3.2.6. Routing ................................. 34
3.2.7. Discussion................................ 34
3.3. Findings ..................................... 35
4. Software Engineering & Design 37
4.1. Introduction................................... 37
5
Loading more pages...