ALIs

kommt noch

Achtung: Die Navigationslinks auf dieser Seite funktionieren nicht, weil das nicht der Rahmen ist, der zu diesem Skript gehört. Wenn das Skript ordnungsgemäß dort installiert ist, wo es später laufen soll, funktionieren auch die Links in der dortigen Umgebung.

LINUX Cluster Project

Entwicklung Gesamtverkehrsmodelle.


Institution

  • Name: Lehrstuhl für Verkehrstechnik
  • Address: Arcisstraße 21, 80333 München
  • Project Proposal Date: 2020-03-10 08:34:20

Abstract:

Für Studien über den Betrieb und die Regulierung autonomer Flotten (Taxi, Bus, Flugtaxi) wurde eine agentenbasierte Simulationsumgebung entwickelt. Diese wird für unterschiedliche aktuelle Projekte des Lehrstuhls verwendet, z.B. EasyRide, M-Hoch-E, aber wurde auch für weitere beantragte Projekte benötigt werden, wenn diese akzeptiert werden. Wegen des Zukunftscharakters des Forschungsthemas gibt es einige Unsicherheiten, die für gewöhnlich über verschiedene Szenarien abgefangen werden. Diese Szenarien können für gewöhnlich sehr gut parallel ablaufen. Die Komplexität und die Anzahl der Prozessoren je einzelnem Szenario hängen dabei stark vom Anwendungsfall ab. Während Simulationen im Taxibereich sehr gut auf einer CPU je Szenario ablaufen können, benötigen Simulationen mit vielen Personen in einem Fahrzeug wegen der höheren Anzahl an möglichen Zuweisungskombinationen mehr CPU, um in (oder zumindest einigermaßen) in Echtzeit abzulaufen. Beispiele für bisher durchgeführte Studien (Simulationen wurden noch auf dem Rechenzentrum der UniBW gerechnet): - Dandl, Florian; Bogenberger, Klaus (2019): Comparing Future Autonomous Electric Taxis with an Existing Free-Floating Carsharing System. In: IEEE Trans. Intell. Transport. Syst. 20 (6), S. 2037–2047. DOI: 10.1109/TITS.2018.2857208. - Dandl, Florian; Hyland, Michael; Bogenberger, Klaus; Mahmassani, Hani S. (2019): Evaluating the impact of spatio-temporal demand forecast aggregation on the operational performance of shared autonomous mobility fleets. In: Transportation 46 (6), S. 1975–1996. DOI: 10.1007/s11116-019-10007-9. - Engelhardt, Roman; Dandl, Florian; Bilali, Aledia; Bogenberger, Klaus (2019): Quantifying the Benefits of Autonomous On-Demand Ride-Pooling: A Simulation Study for Munich, Germany. In: 2019 22nd IEEE Intelligent Transportation Systems Conference (ITSC). 2019 IEEE Intelligent Transportation Systems Conference - ITSC. Auckland, New Zealand: IEEE, S. 2992–2997. DOI: 10.1109/ITSC.2019.8916955 Für gewöhnlich bestehen die Projekte meist aus einer konzeptionellen Phase, in der der Code für den bestimmten Anwendungsfall angepasst/neu geschrieben wird, und einer Phase, in der die Szenarien simuliert werden. Daher ist eine Abschätzung der CPU-Stunden pro Monat relativ schwer. Es gibt Monate, in denen fast nichts simuliert wird und dafür Monate, in denen nahezu durchgängig mindestens 32 Kerne genutzt werden könnten.