Upload
serge-hoogendoorn
View
187
Download
4
Embed Size (px)
DESCRIPTION
Presentation about the future of traffic management and ITS for the Dutch Ministry of Transportation on behalf of the TRAIL research school. Presentation is in Dutch.
Citation preview
Praktijkrelevantie recente TRAIL Dissertaties De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft
Wie zijn we? Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
Wie zijn we? Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
Groep:
• 1 HGL, 1 AvL, 2 UHD, 5 UD, 3 PD
• 28 PhDs, 25 MSc/jaar
Onderzoeksdomeinen:
• Traffic Operations, Control and Management en ITS
• Dynamic Rail Traffic Management
• Public Transport Operations and Control
• Pedestrian Flow Modelling and Crowd Management
• Traffic safety & security
Wie zijn we? Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
Groep:
• 1 HGL, 1 AvL, 2 UHD, 5 UD, 3 PD
• 28 PhDs, 25 MSc/jaar
Onderzoeksdomeinen:
• Traffic Operations, Control and Management en ITS
• Dynamic Rail Traffic Management
• Public Transport Operations and Control
• Pedestrian Flow Modelling and Crowd Management
• Traffic safety & security
Relevante thema’s binnen onderzoeksdomeinen…
• Duurzame mobiliteit in de stad en stedelijk verkeersmanagement
• Living labs, big data, datafusie
• Energiezuinig rijden op het spoor
• Transitie wegkant naar in-car, coöperatieve systemen
Wie zijn we? Traffic Operations and Management @ Transport & Planning
Introductie onderzoeksgroep en thema’s
Evacuatie case study:
• Overstroming bedreigt Westen van Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen (aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Evacuatie case study:
• Overstroming bedreigt Westen van Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen (aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Evacuatie case study:
• Overstroming bedreigt Westen van Walcheren door dijkbreuk
• 120.000 inwoners, 48.000 voertuigen (aanname 2.5 P/vtg)
• We hebben 6 uur om te evacueren
• Beschikbare capaciteit?
• A58: 2 stroken (= 4000 vtg/u)
• N57: 1 strook (= 2000 vtg/u)
• N254: 1 strook (= 2000 vtg/u)
• Totale capaciteit = 8000 vtg/u
Is er genoeg tijd?
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
48000
8000 vtg/u
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
EVAQ model, ontwikkeld door Dr. Adam Pel
Adam Pel
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
EVAQ model, ontwikkeld door Dr. Adam Pel
Adam Pel
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Simulatie met het model EVAQ laat zien dat slechts 25.000 mensen op tijd van het eiland af zijn…
EVAQ model, ontwikkeld door Dr. Adam Pel
Adam Pel
Sturen van Verkeersstromen… Waarom inzicht in netwerkdynamica zo belangrijk is
Evacuatie van Walcheren
Simulatie met het model EVAQ laat zien dat slechts 25.000 mensen op tijd van het eiland af zijn…
EVAQ model, ontwikkeld door Dr. Adam Pel
WAAROM?
Adam Pel
Efficiënte zelf-organisatie
Capaciteitsval en filegolven
Blokkades en grid-lock
“Er zitten ernstige beperkingen aan het zelf-organiserend vermogen van verkeerssystemen”
Toenemende belasting verkeersnetwerk
Afnemende productie van verkeersnetwerk
Einde aan de efficiënte zelf-organisatie
• Rustig verkeer organiseert zichzelf op efficiënte wijze
• Wordt het drukker, dan stagneert deze efficiënte zelforganisatie
• Fenomenen ontstaan die efficiëntie afwikkeling aanzienlijk doen afnemen
Efficiënte zelf-organisatie
Capaciteitsval en filegolven
Blokkades en grid-lock
“Er zitten ernstige beperkingen aan het zelf-organiserend vermogen van verkeerssystemen”
Toenemende belasting verkeersnetwerk
Afnemende productie van verkeersnetwerk
Einde aan de efficiënte zelf-organisatie
• Rustig verkeer organiseert zichzelf op efficiënte wijze
• Wordt het drukker, dan stagneert deze efficiënte zelforganisatie
• Fenomenen ontstaan die efficiëntie afwikkeling aanzienlijk doen afnemen
Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
A A N T A L VO E R T U I G E N I N N E T W E R K
NE
TW
ER
K P
RO
DU
CT
IE
(EX
IT R
AT
ES
)
( G E R O L I M I N I S A N D D A G A N Z O, 2 0 0 7 )
Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
A A N T A L VO E R T U I G E N I N N E T W E R K
NE
TW
ER
K P
RO
DU
CT
IE
(EX
IT R
AT
ES
)
( G E R O L I M I N I S A N D D A G A N Z O, 2 0 0 7 )
Waar leidt dit allemaal toe?
• Netwerk fundamenteel diagram (NFD) toont relatie belasting en uitstroom
• NFD toont het resultaat van inefficiënte zelforganisatie en noodzaak ingrijpen
A A N T A L VO E R T U I G E N I N N E T W E R K
NE
TW
ER
K P
RO
DU
CT
IE
(EX
IT R
AT
ES
)
( G E R O L I M I N I S A N D D A G A N Z O, 2 0 0 7 )
K R I T I S C H E A C C U M U L A T I E
Aangrijpingspunten verkeersmanagement Van problemen naar oplossingen…
Blokkades voorkomen
Doorstroming verhogen
Verkeer efficient verdelen
Instroom beperken
Oorzaken afname efficiëntie afwikkeling leiden tot oplossingen!
• Vier hoofdrichtingen om efficiëntie te verhogen
• Knelpunten aanpakken: blokkades voorkomen en doorstroming verhogen
• Verkeer beter spreiden in ruimte en tijd
• Nadelige effecten optimalisatie individuele doelen verminderen
Lokaal doseren
Voorbeeld: doorstroming verhogen
• Na ontstaan file neemt de capaciteit af, afhankelijk van snelheid in de file (vb Coentunnel = 13%)
• Adaptief doseren stelt vorming file uit of regelt file weg (indien nodig)
• VVU neemt af met pakweg 250 vtg-u per u doseren
• Doseren stopt zodra bufferruimte is opgebruikt, waarna verkeer wordt ‘losgelaten’ naar de ASW en file ontstaat / capaciteitsval optreedt
• Grote beperking effectiviteit TDI’s (gem. doseerduur 8 min)
bufferruimteopgebruikt
Niet doseren
Ramon Landman
Lokaal doseren
Voorbeeld: doorstroming verhogen
• Na ontstaan file neemt de capaciteit af, afhankelijk van snelheid in de file (vb Coentunnel = 13%)
• Adaptief doseren stelt vorming file uit of regelt file weg (indien nodig)
• VVU neemt af met pakweg 250 vtg-u per u doseren
• Doseren stopt zodra bufferruimte is opgebruikt, waarna verkeer wordt ‘losgelaten’ naar de ASW en file ontstaat / capaciteitsval optreedt
• Grote beperking effectiviteit TDI’s (gem. doseerduur 8 min)
bufferruimteopgebruikt
Niet doseren
Ramon Landman
Praktijkproef Amsterdam Vergroten effectiviteit Verkeersmanagement door gecoördineerde inzet
Praktijkproef Amsterdam Vergroten effectiviteit Verkeersmanagement door gecoördineerde inzet
Praktijkproef Amsterdam Vergroten effectiviteit Verkeersmanagement door gecoördineerde inzet
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt!
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de duur dat ze kunnen doseren gelijk is aan de duur dat de Master kan doseren, zodat alle bufferruimte gelijkmatig wordt opgebruikt
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de duur dat ze kunnen doseren gelijk is aan de duur dat de Master kan doseren, zodat alle bufferruimte gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de Master langer kan doseren
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de duur dat ze kunnen doseren gelijk is aan de duur dat de Master kan doseren, zodat alle bufferruimte gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de Master langer kan doseren
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Gegeven (voorspeld!) knelpunt kiezen we de Master TDI ( )
De Master TDI begint met doseren en voorkomt zo het ontstaan van congestie (of regelt file weg), maar bufferruimte is beperkt! Regelaar wijst Slave TDI’s aan
die gaan ondersteunen ( )
De Slave TDI’s doseren zo dat de duur dat ze kunnen doseren gelijk is aan de duur dat de Master kan doseren, zodat alle bufferruimte gelijkmatig wordt opgebruikt De Slave TDI’s creëren ruimte
op de snelweg waardoor de Master langer kan doseren
Knelpunt
Voorbeeld: gecoördineerde toeritdosering
•Gebruik andere toeritten om verkeer te bufferen
•Om zolang mogelijk te doseren, moet bufferruimte overal gelijkertijd opgebruikt worden
Ramon Landman
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit en functie van de weg)
Belang (real-time) informatie over fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook geschikt voor problemen SWN
80%
30%60%70%
80%
60%
Doseerintensiteiten van de buffers wordt zo gekozen dat de buffers gelijkmatig worden gevuld en dus zo lang mogelijk kan worden gedoseerd
Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en dat er voldoende relatie is met het probleem
Ramon Landman
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit en functie van de weg)
Belang (real-time) informatie over fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook geschikt voor problemen SWN
80%
30%60%70%
80%
60%
Doseerintensiteiten van de buffers wordt zo gekozen dat de buffers gelijkmatig worden gevuld en dus zo lang mogelijk kan worden gedoseerd
Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en dat er voldoende relatie is met het probleem
Ramon Landman
Bottleneck
Gebruik buffers bepaald door:
• relatie met het knelpunt (fractie verkeer vanuit buffer naar toerit)
• beleidsuitgangspunten (prioriteit en functie van de weg)
Belang (real-time) informatie over fracties groot (HB schatters nodig)
Nota bene: aanpak generiek, ook geschikt voor problemen SWN
80%
30%60%70%
80%
60%
Doseerintensiteiten van de buffers wordt zo gekozen dat de buffers gelijkmatig worden gevuld en dus zo lang mogelijk kan worden gedoseerd
Voorbeeld: gecoördineerde aansluitingen
•Gebruik bufferruimte aansluitingen
•Kies buffer zodat geen terugslag ontstaat en dat er voldoende relatie is met het probleem
Ramon Landman
Stedelijke verkeersregelingen •Aanpak ook toepasbaar op andere situaties •Voorbeeld: terugslag wachtrij naar kruispunten, terugslag naar autosnelweg
Master SlavessrelMaster(k )
• Knelpunt op stedelijk traject (wachtrij wordt te lang, mogelijke terugslag) • Uitstroom van wachtrij wordt vergroot (verlenggroentijden vergroten) • Master buffers zijn conflicterende buffers • Slave buffers worden zo geregeld dat buffers gelijkmatig vollopen… • Concept al toegepast in diverse projecten…
Increase extension
green
Ramon Landman
Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter- schatter Bergingsindicator
LRE (TDI algoritme) LRE (VRI regeling) LRE (VRI regeling)
Supervisor A10W Supervisor T1 Light (ST1L)
Supervisor T1 (ST1) (RTNR regelaar)
Deelnetwerk-supervisor
TDI apparaat
Fileschatter
Kiemenspeurder SWN
Kiemenspeurder HWN
Functionerings-niveau
Wachtrij-schatter
HB
of Fractieschatter
Logische Monitoring Eenheden
Logische Regeleenheden en Supervisors
Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter- schatter Bergingsindicator
LRE (TDI algoritme) LRE (VRI regeling) LRE (VRI regeling)
Supervisor A10W Supervisor T1 Light (ST1L)
Supervisor T1 (ST1) (RTNR regelaar)
Deelnetwerk-supervisor
TDI apparaat
Fileschatter
Kiemenspeurder SWN
Kiemenspeurder HWN
Functionerings-niveau
Wachtrij-schatter
HB
of Fractieschatter
Logische Monitoring Eenheden
Logische Regeleenheden en Supervisors
REGELSCENARIO’S VDA10 / SCM
SYSTEMEN SERVICE PROVIDERS
Functionele Architectuur van de PPA
Monitoring- en regellagen
Parameter- schatter Bergingsindicator
LRE (TDI algoritme) LRE (VRI regeling) LRE (VRI regeling)
Supervisor A10W Supervisor T1 Light (ST1L)
Supervisor T1 (ST1) (RTNR regelaar)
Deelnetwerk-supervisor
TDI apparaat
Fileschatter
Kiemenspeurder SWN
Kiemenspeurder HWN
Functionerings-niveau
Wachtrij-schatter
HB
of Fractieschatter
Logische Monitoring Eenheden
Logische Regeleenheden en Supervisors
REGELSCENARIO’S VDA10 / SCM
SYSTEMEN SERVICE PROVIDERS
Relatie kwaliteit data en performance maatregelen?
Gerdien Klunder
Data collection for Behavioral Modeling - ICEM 2012
PPA wegkant fase 1 • Na functionele specificatie, algoritmeontwikkeling en toets prototype functies,
implementatie productieomgeving Technolution • Pilot duurde 1,5 maand (+1,5 maand voor 0-meting)
Data collection for Behavioral Modeling - ICEM 2012
PPA wegkant fase 1 • Na functionele specificatie, algoritmeontwikkeling en toets prototype functies,
implementatie productieomgeving Technolution • Pilot duurde 1,5 maand (+1,5 maand voor 0-meting)
Praktijkproef Amsterdam In-car proeven
Praktijkproef Amsterdam In-car proeven
Praktijkproef Amsterdam In-car proeven
Volgende stappen PPA Integratie wegkant en in-car
Fase 2 en 3 PPA als verkenning mogelijkheden integratie
2012 2013 2014 2015 2016
IN-CAR TRACK
ROADSIDE TRACK
INTEGRATION TRACK
PHASE 2 PHASE 1 PHASE 3
PRACTICAL TESTS
FULL SCALE APPLICATION
GO/ NO GO ROADSIDE
GO/ NO GO INTEGRATION
GO/ NO GO INTEGRATION
Hoe kunnen we met in-car wegkant versterken?
Hoe kunnen we met
wegkant in-car adviezen
ondersteunen?
Kan in-car wegkant functies gaan overnemen?
• Vragen schetsen transitieopgave DVM 2.0:
• Wat kan en wil de markt (is er een gezonde businesscase)?
• Wat zijn de consequenties ten aanzien van beleidsdoelen?
• Hoe te komen tot een optimale mix overheid en markt?
• Wat te doen als het fout gaat?
Thema’s voor vandaag:
• Verdunning wegkant meet-areaal: “Monitoring, mag het een onsje minder?”
• Relevante aspecten transitie optimale mix “Wegkant + Incar"
• Verkeersmanagement bij extreme omstandigheden: “Zelfredzaamheid, tenzij…”
Toekomst Verkeersmanagement Naar een optimale mix van sturing en zelforganisatie
De drie thema’s van deze lezing…
Monitoring? Mag het een onsje minder? Met geavanceerde modellen naar betere schattingen en voorspellingen…
Life in the FastLane… Nieuwe modellen voor multi-class verkeersstromen
Op zoek naar een model voor goede korte termijn voorspellingen…
• Op grond van gedegen data analyse inzicht in verschillen personenvoertuigen en vracht
• Kern: dynamische PAE waarde voor vrachtverkeer afhankelijk van situatie
• Betrouwbare modelvoorspellingen blijkt mogelijk door expliciet onderscheid doelgroepen
Femke van Wageningen
Life in the FastLane… Nieuwe modellen voor multi-class verkeersstromen
Op zoek naar een model voor goede korte termijn voorspellingen…
• Op grond van gedegen data analyse inzicht in verschillen personenvoertuigen en vracht
• Kern: dynamische PAE waarde voor vrachtverkeer afhankelijk van situatie
• Betrouwbare modelvoorspellingen blijkt mogelijk door expliciet onderscheid doelgroepen
Femke van Wageningen
Life in the FastLane… Nieuwe modellen voor multi-class verkeersstromen
Oorsprong van een geavanceerd verkeersafwikkelingsmodel
• Modelontwikkeling, -analyse en numerieke discretisatie door Femke van Wageningen-Kessels (cum laude!)
• Model beschrijft belangrijkste dynamische kenmerken van wegverkeer en voorspelt effecten inzet (doelgroep-specifieke) maatregelen
• Bijzonder efficiënte numerieke schemas met plezierige wiskundige kenmerken maken tal van toepassingen mogelijk!
Kunnen we het
ontstaan van kiemen
voorspellen?
Femke van Wageningen
Kiemenspeuren met FastLane FastLane als korte-termijn voorspellingsmodel
Korte termijn voorspellingsmodellen
• FastLane geeft valide voorspellingen (0-60 min)
• Real-time testen en vergelijken van verschillende interventies (incl. klasse-specifieke maatregelen)
• Ook testen impact scenario’s (incidenten) en vergelijking interventies (incident management)
• HbR: korte termijnvoorspelling
• FastLane draait inmiddels in diverse VM systemen (MobilMaestro, TrafficLink)
Thomas Schreiter
Fractieschatter Onderzoek real-time HB voorspellingen
Korte termijn voorspellingsmodellen
• Voor goede voorspellingen en bepalen impacts interventies ook inzicht in real-time HB relaties nodig
• Klassiek (lastig!) schattingsprobleem!
• Promotie Tamara Djukic heeft nieuwe schattingsmethode ontwikkeld en benchmarkmethode opgezet
• Schattingsmethode gebaseerd op reductie van de dimensionaliteit door correlaties in tijd en ruimte in de dynamische HB te bepalen (Principal Component Analysis)
• Ook: real-time inzicht in relatie wegvak en probleem (fractieschatter) nodig om te bepalen of wegvak zinvol gebruikt kan worden om probleem op te lossen
The$Vitoria$network,$Spain:$$3249$OD$pairs,$389$detectors$!
Tamara Djukic
Fractieschatter Onderzoek real-time HB voorspellingen
Korte termijn voorspellingsmodellen
• Voor goede voorspellingen en bepalen impacts interventies ook inzicht in real-time HB relaties nodig
• Klassiek (lastig!) schattingsprobleem!
• Promotie Tamara Djukic heeft nieuwe schattingsmethode ontwikkeld en benchmark methode opgezet
• Schattingsmethode gebaseerd op reductie van de dimensionaliteit door correlaties in tijd en ruimte in de dynamische OD te bepalen (PCA)
• Ook: real-time inzicht in relatie wegvak en probleem (fractieschatter) nodig om te bepalen of wegvak zinvol gebruikt kan worden om probleem op te lossen
0 0.2 0.4 0.6 0.8 10
200
400
600
800
1000
1200
1400
fractie
VVU
Delay bufferDelay freewayTotal delayTotal delay (no metering)
• Figuur toont relatie tussen VVU zonder gecoördineerd doseren (rood) en VVU met gecoördineerd doseren bij bepaalde relatie met knelpunt (zwart)
• Buffers met fractie < 50% zijn niet effectief
• Via HB schattingen bepalen welke buffers gebruiken
Tamara Djukic
The$Vitoria$network,$Spain:$$3249$OD$pairs,$389$detectors$!
Fileschatten met FastLane FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnenYufei Yuan
Fileschatten met FastLane FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnenYufei Yuan
Fileschatten met FastLane FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
• Gebruikt (Langrangiaanse versie van) FastLane voor schatten toestand snelweg
• Combineer model met lusdata, om:
• Correctie meetfouten (o.a. structurele fout door foutieve middeling)
• Interpoleren gegevens tussen lussen (ook bij lusuitval)
• Fuseren databronnen (lusdata, floating device data, reistijdcamera’s, etc.)
• Fuseren data een van de kernonderwerpen in fase 2 PPA en van de NDW datafusie pilot
• Werk Yufei Yuan levert uitstekende receptuur voor datafusie
• Maar wat zijn de verwachtingen ten aanzien van kwaliteit informatie en mogelijkheden voor ‘verdunnng’?
Yufei Yuan
Fileschatten met FastLane FastLane als toestandschatter
Verbeteren kwaliteit verkeersdata met modellen en combineren bronnen
• Toetsen impact datafusie op grond met synthetische lusdata en FCD
• Beschikbaarheid ground truth
• Microsimulatiemodel (FOSIM) A13, gekalibreerd op beschikbare Monica data
• Fig. toont perspectief datafusie: 1+1 = 3!
• Mogelijkheden verdunnen?
• Om de 500 m lussen zonder FCD = om de 2500 m met 2% FCD!
• Nader onderzoek ‘echte’ data nodig
• Vraag blijft: wat is “goed genoeg” voor de verschillende VM functies?
Trends affecting mobility and transportation Social, economic, demographic trends & technological innovations
Making use of how our world is developing!
• AMS richt zich op problemen in grote steden, zoals energie, afval, duurzaamheden en mobiliteit
• UML (Urban Mobility Lab) is onderdeel van het AMS dataplatform en brengt multi-modale data (voetgangers, fietsers, OV, auto) samen met andersoortige data (social media, energie, sociaal demografische data, etc.)
• Ontwikkeling toolbox voor data analyse en diagnostics, voor onderwijs- en onderzoeks-doeleinden, productontwikkeling; kort-cyclische evaluatie, beleidsondersteuning
• Platform voor modelontwikkeling
• Platform voor ontwikkeling diensen voor naadloos multimodaal transport van mensen en goederen
Loops FCD GSM Surveys Emissions and energy
Chip card data Twitter Road works
maintenance
PT schedules updates
Events, incidents, accidents Demographic
data
REAL-TIME INFORMATION OFF-LINE MOBILITY INFORMATION
MOBILITY SERVICES SHORT-CYCLIC ASSESSMENT
LONG-TERM PATTERNS
UML DATABASE
Status infrastructure weather News, information Vecom data
Existing (open) data platforms
DATA FUSION, PROCESSING & DIAGNOSTICS TOOLBOX
Intermezzo: Big Data and AMS AMS Urban Mobility Lab (UML)
Amsterdam Institute of Advanced Metropolitan Solutions (TUD, MIT, Wageningen University)
http://www.ams-amsterdam.com
Trends affecting mobility and transportation Social, economic, demographic trends & technological innovations
Making use of how our world is developing!
• AMS richt zich op problemen in grote steden, zoals energie, afval, duurzaamheden en mobiliteit
• UML (Urban Mobility Lab) is onderdeel van het AMS dataplatform en brengt multi-modale data (voetgangers, fietsers, OV, auto) samen met andersoortige data (social media, energie, sociaal demografische data, etc.)
• Ontwikkeling toolbox voor data analyse en diagnostics, voor onderwijs- en onderzoeks-doeleinden, productontwikkeling; kort-cyclische evaluatie, beleidsondersteuning
• Platform voor modelontwikkeling
• Platform voor ontwikkeling diensen voor naadloos multimodaal transport van mensen en goederen
Loops FCD GSM Surveys Emissions and energy
Chip card data Twitter Road works
maintenance
PT schedules updates
Events, incidents, accidents Demographic
data
REAL-TIME INFORMATION OFF-LINE MOBILITY INFORMATION
MOBILITY SERVICES SHORT-CYCLIC ASSESSMENT
LONG-TERM PATTERNS
UML DATABASE
Status infrastructure weather News, information Vecom data
Existing (open) data platforms
DATA FUSION, PROCESSING & DIAGNOSTICS TOOLBOX
Intermezzo: Big Data and AMS AMS Urban Mobility Lab (UML)
Amsterdam Institute of Advanced Metropolitan Solutions (TUD, MIT, Wageningen University)
http://www.ams-amsterdam.com
De auto als actuator Zijn wegkantsysteman straks nog wel nodig?
Data collection for Behavioral Modeling - ICEM 2012
WEGKANT MAATREGELEN
IN-CAR MAATREGELEN
Gecoördineerde toeritdosering Gecoördineerde VRI’s
Eerlijke verdeling van wachtrijen bij TDI’s en VRI’s
Re-routen en synchronisatie van vraag en aanbod foto informatie en advies
Nog even terug naar de Praktijkproef Amsterdam… •Fase 1: wegkant (VM) en in-car (VI) als losse systemen • In hoeverre is integratie van de twee systemen nodig? • Is een centrale aansturing van beide systemen noodzakelijk?
Data collection for Behavioral Modeling - ICEM 2012
WEGKANT MAATREGELEN
IN-CAR MAATREGELEN
Gecoördineerde toeritdosering Gecoördineerde VRI’s
Eerlijke verdeling van wachtrijen bij TDI’s en VRI’s
Re-routen en synchronisatie van vraag en aanbod foto informatie en advies
Nog even terug naar de Praktijkproef Amsterdam… •Fase 1: wegkant (VM) en in-car (VI) als losse systemen • In hoeverre is integratie van de twee systemen nodig? • Is een centrale aansturing van beide systemen noodzakelijk?
Hoe reageren mensenop in-car informatie?
• Onderzoek effect TomTom-live op routekeuze met revealed preference data door schatten nieuw keuzemodel (Dynamisch Recursive Logit) voorspellen routekeuze
• Hogere waardering (en opvolging) persoonlijke reisinformatie ipv DRIPs door detail van informatie (specifiek vs generiek), niet door betrouwbaarheid ervan
• Automobilisten zijn gewoontedieren en veranderen alleen van route indien er sprake is van substantiële winst (bekendheid met alternatief en lengte spelen ook rol) en hebben beperkte kennis beschikbare routes (forenzen!)
• Automobilisten hebben voorkeur voor aanpassen route ipv vertrektijdstip om file te vermijden
• Actieve informatiesystemen die noodzaak ‘zoeken naar informatie’ wegnemen
Verkeersmanagement nieuwe stijl Toekomst verkeersmanagement optimale mix
Impacts verschaffen informatie op keuzegedrag reizigersGiselle de Moraes
Ramos
Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
D
BRoute 1
Route 2
Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
D
BRoute 1
Route 2
Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
D
BRoute 1
Route 2
• Route 1 wordt attractiever voor reizigers van A naar B (meer mensen kiezen 1)
• De wegbeheerder past de instellingen van de VRI aan op de gewijzigde condities (meer groen voor A-B reizigers)
• Route 1 wordt nog attractiever voor A-B reizigers; situatie verslechterd voor C-D reizigers
Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
D
BRoute 1
Route 2perc. choice route 1
traffi
c co
ntro
ller
total delays
0 0.1 0.2 0.3 0.40
0.1
0.2
0.3
0.4
0.5
1
2
3
4
5
6
x 105
Totale vertraging in systeem neemt met pakweg 30% toe!
Start
1
2
3
Het samenspel tussen verkeersinformatie en -management
• Beschouw een situatie met 2 HB paren
• Reizigers van A naar B hebben twee opties en zijn perfect geïnformeerd
• De wegbeheerder doet aan verkeerskundig beheer en optimaliseert de werking van de VRI opdat er sprake is van een eerlijke verdeling van wachttijden
• In beginsituatie (evenwicht) kiezen de meeste A-B reizigers route 2
• Quiz: wat gebeurt er route 2 slechter wordt…
A
C
D
BRoute 1
Route 2perc. choice route 1
traffi
c co
ntro
ller
total delays
0 0.1 0.2 0.3 0.40
0.1
0.2
0.3
0.4
0.5
1
2
3
4
5
6
x 105
Totale vertraging in systeem neemt met pakweg 30% toe!
Start
1
2
3
• Algemeen bekend: verschil tussen systeem- en gebruikersoptimale netwerkafwikkeling kan oplopen tot 30% (afhankelijk van belasting)
• Anticiperend regelen: kies netwerkregelingen zodat ze anticiperen op gedragsveranderingen als gevolg van de regeling
• Testcases tonen aan dat anticiperend regelen in de buurt van SO komt
Verkeersmanagement nieuwe stijl Toekomst verkeersmanagement optimale mix
Waarom perfecte informatie niet altijd leidt tot een betere performance…
Conclusie: combinatie weg-kant VM en incar VI kan leiden tot goede netwerkprestatie, mits rekening houdend met gedragsveranderingen
Henk Taale
Intermezzo: wegregelen filegolven met Specialist •Recall: filegolven reduceren de capaciteit van de weg met 30% •Specialist regelt golven weg met dynamische snelheidslimieten
• Pilot A12 toont effectiviteit van aanpak
• Effectiviteit hangt af van opvolggedrag en beschikbare lengte snelweg
Intermezzo: wegregelen filegolven met Specialist •Recall: filegolven reduceren de capaciteit van de weg met 30% •Specialist regelt golven weg met dynamische snelheidslimieten
• Pilot A12 toont effectiviteit van aanpak
• Effectiviteit hangt af van opvolggedrag en beschikbare lengte snelweg
• COSCAL is gebaseerd op het Specialist principe, maar gebruikt in-car data-inwinning en ISA-achtige snelheidsbeperkingen (or advies)
Verkeersmanagement nieuwe stijl Toekomst verkeersmanagement optimale mix
De auto als actuator?
A
AJ
RS
T
• Samenwerking met Berkeley California (Prof. Steve Shladover)
• Modus van het voertuig afhankelijk van gebied waarin voertuig zich begeeft
• Autonomous, Jam driving, Resolving, Stabilizing, Transitioning
• Logica regelaar gebaseerd op Specialist aanpak
• Feedback regelaar (dus robuuster en effectiever)
Goof van der Weg
• COSCAL is gebaseerd op het Specialist principe, maar gebruikt in-car data-inwinning en ISA-achtige snelheidsbeperkingen (or advies)
Verkeersmanagement nieuwe stijl Toekomst verkeersmanagement optimale mix
De auto als actuator?
A
AJ
RS
T
• Samenwerking met Berkeley California (Prof. Steve Shladover)
• Modus van het voertuig afhankelijk van gebied waarin voertuig zich begeeft
• Autonomous, Jam driving, Resolving, Stabilizing, Transitioning
• Logica regelaar gebaseerd op Specialist aanpak
• Feedback regelaar (dus robuuster en effectiever)
Goof van der Weg
Het gaat niet alleen om techniek, maar ook om methodologie…
• Onderzoek regeling van pelotons, optimalisatie van diverse doelen (o.a. duurzaamheid)!
• Gebruik ook niet-direct beïnvloedbare voertuigen
• Aanpak werkt autonoom en als onderdeel van verkeersmanagement systeem (Specialist)
Verkeersmanagement nieuwe stijl Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkeling
Follower 2 -Human-driven
vehicle
Follower 1-Cooperative vehicle
Leader – Human-driven
vehicle
s1, Δv1 s2, Δv2
Meng Wang
• Onderzoek regeling van pelotons, optimalisatie van diverse doelen (o.a. duurzaamheid)!
• Gebruik ook niet-direct beïnvloedbare voertuigen
• Aanpak werkt autonoom en als onderdeel van verkeersmanagement systeem (Specialist)
Verkeersmanagement nieuwe stijl Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkeling
Follower 2 -Human-driven
vehicle
Follower 1-Cooperative vehicle
Leader – Human-driven
vehicle
s1, Δv1 s2, Δv2
Meng Wang
Al bij kleine penetraties (10%) worden brandstof-verbruik en doorstroming aanzienlijk beter
• Onderzoek Van der Weg, Goni Ros en Wang richten zich op het gebruik van de (slimme) auto als actuator; onderdeel functionele architectuur
• Uitdaging is zinvol regelen met penetratie < 100%
Verkeersmanagement nieuwe stijl Toekomst verkeersmanagement optimale mix
De auto als actuator?
VOERTUIG VOERTUIG VOERTUIG
Supervisor s102 Supervisor A10W Supervisor A10N
Deelnetwerk-supervisor
Logische Regeleenheden en Supervisors
ADAS (V2I, I2V)
V2V
• Aanwezigheid van (autonome) ADAS (ACC, CACC) uitgeruste voertuigen leidt tot fundamentele veranderingen in de kenmerken van het verkeer, bijvoorbeeld:
• Capaciteit van de weg verandert
• Stabilisteitscriteria wijzigen
• Snelheid schok- en filegolven verandert (zelfs qua richting!)
• Impacts geven aanleiding tot aanpassing parameters DVM maatregelen of volledig herontwerp!
• Belangrijk onderdeel van de transitieopgave!
Verkeersmanagement nieuwe stijl Coöperatieve systemen: de auto als actuator
Model Predictive Control van coöperatieve pelotons voor betere afwikkelingMeng Wang
En dan gaat het verkeerd… Zelfredzaamheid, tenzij…
Transport and Traffic Modelling
• Ontwikkelen van theorie en modellen die afwikkeling netwerk in geval van een evacuatie kunnen voorspellen
• Afhankelijk van de dynamica van de ramp, informatie en evacuatie-instructies, verkeersmanagement
• Rekening houdend met alle relevante gedragsaspecten en de onzekerheden daarin
Toepassing modellen:
• Toetsen of evacueren zin heeft en hoe goed een plan is
• Optimalisatie van instructies, verkeersmanagement en -regelingen
A Traffic Engineer’s Perspective… Modellen en simulatie
Ontwikkelen van modellen die predictief valide zijn…
Transport and Traffic Modelling
• Ontwikkelen van theorie en modellen die afwikkeling netwerk in geval van een evacuatie kunnen voorspellen
• Afhankelijk van de dynamica van de ramp, informatie en evacuatie-instructies, verkeersmanagement
• Rekening houdend met alle relevante gedragsaspecten en de onzekerheden daarin
Toepassing modellen:
• Toetsen of evacueren zin heeft en hoe goed een plan is
• Optimalisatie van instructies, verkeersmanagement en -regelingen
A Traffic Engineer’s Perspective… Modellen en simulatie
Ontwikkelen van modellen die predictief valide zijn…
• Veel evacuatiestudies onbetrouwbaar door grote beperkingen predictieve validiteit van gebruikte modellen!
• Typische (gedrags-) aspecten waar rekening mee moet worden gehouden:
• Reizigers zijn niet bekend met de situatie en hebben derhalve beperkte verwachtingen ten aanzien van de te optredende verkeerscondities
• Rijgedrag verandert als gevolg van stress, emotie, afleiding, weerscondities, etc., waardoor de capaciteit van de weg drastisch verandert
• Beperkingen in de beschikbaarheid van de infrastructuur of het gebruik ervan
• Gedrag verandert mogelijk fundamenteel (survival psychology)
• Uit de survival psychologie weten we dat er sprake is van een grote heterogeniteit ing gedrag en grote onzekerheid
• Verschillende onderzoeken naar het gedrag van evacuees…
Verkeersafwikkeling bij een evacuatie Waarom weer een nieuw model?
Beperkte validiteit standaard toolsAdam Pel
E F F E C T E N O P C A PA C I T E I T I N F R A A F H A N K E L I J K VA N E M O T I E E N A F L E I D I N G
Voorbeeld gedragsadaptatie Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
Raymond Hoogendoorn
E F F E C T E N O P C A PA C I T E I T I N F R A A F H A N K E L I J K VA N E M O T I E E N A F L E I D I N G
Voorbeeld gedragsadaptatie Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
Raymond Hoogendoorn
E F F E C T E N O P C A PA C I T E I T I N F R A A F H A N K E L I J K VA N E M O T I E E N A F L E I D I N G
Voorbeeld gedragsadaptatie Empirisch en experimenteel onderzoek
Dataverzameling met remote sensing en met de rijsimulator
• Afleiding leidt to reductie capaciteit rijstrook 30-50%
• Veranderingen omvatten volgtijd, afname snelheid, toename reactietijd
• Rijsimulatoronderzoek geeft inzicht in aanpassingen bij evacuaties
• Aggresiever rijgedrag, instabiele afwikkeling, faster = slower
Characteristic Incident Fog Emergency
Free speed - - +
Max acceleration 0 - +
Min headways + - -
Raymond Hoogendoorn
Majeure verschillen in gedrag per fase!
• Threat and warning phase worden gekenmerkt door ontkenning om het gevoel van discomfort te onderdrukken
• Ontkenning behelst de reactie op waarschuwingen, maar kan met gerichte informatie worden verbeterd
• Impact phase wordt gekenmerkt door ongeloof, ontkenning, vaak ook door ‘sensory information overload’
• Ofschoon evacuatie noodzakelijk is, maakt de emotionele / geestelijke toestand van evacuee dit lastig
Maar ook: grote verschillen tussen mensen (leaders, followers, blockers)
Inzichten uit de Survival Psychology Dynamisch gedragsraamwerk voor Calamiteiten
En hoe dit te formaliseren in modellen…
T H R E AT
WA R N I N G
I M PA C T
R E C O V E RY
R E S C U E
Erica Kinkel
Gedragsonderzoek Next-Gen Onderzoek naar “herding” in Virtual Reality omgeving
Onderzoek Mignon van der BergMignon van den
Berg
Gedragsonderzoek Next-Gen Onderzoek naar “herding” in Virtual Reality omgeving
Onderzoek Mignon van der BergMignon van den
Berg
Modelleer aanpak Bounded Rationality raamwerk EVAQ
Kwantificering van gedrags in mathematische modellen en simulatie
Verkeersvraag Toedeling Afwikkeling
t
t+1
t+2
:
:
evacuate stay
:
:
( )p t
( 1)p t +
1 ( )p t−
1 ( 1)p t− +
( 2)p t + 1 ( 2)p t− +
evacuate stay
Sequentieel keuzemodel
• Ieder periode wordt besloten te gaan of te blijven
• Beslissing is gebaseerd op de kenmerken van de calamiteit, huishouden, instructies, informatie, etc.
Hybride routekeuzemodel
• Pre-trip routekeuze is gebaseerd op verwachtingen en opvolging instructies
• En-route informatie leidt mogelijk tot aanpassing van routekeuze tijdens de reis
Wachtrijmodellen
• Snelheid en capaciteit zijn afhankelijk van weg- en weercondities en verkeersmanagement
• Rekening houdend met terugslag, capaciteitsval, etc.
Adam Pel
Voorbeeld case studies Effect van instructies, informatie en compliance
Toepassingen van het EVAQ modek
• Evacuatie van Rotterdam bij calamiteit
• Gebruik EVAQ om verschillende scenarios door te rekenen
Instructed Southward, little information, high
compliance
Instructed South-East, moderate information, low
compliance
Adam Pel
Voorbeeld toepassing model
• Optimalisatie instructies geformuleerd als bi-level probleem
• Optimalisatie bepaalt vertrektijden en routes op zodanige wijze dat alle kritische links volledig worden gebruikt
• Reductie complexiteit wiskundig optimalisatieprobleem door innovatieve fixed-point formuleren maakt snel bepalen oplossingen mogelijk
Toepassing evaluatiemodel EVAQ Optimalisatie van instructies
PhD onderzoek Olga HuibregtseOlga Huibregtse
Rekening houdend met onzekerheid Robuuste optimalisatie van evacuatieinstructies
Ook als we beperkte kennis hebben kunnen we efficient evacueren…
Anticipeer op onzekerheid in opvolging instructies
• Als we opvolggedrag (compliance) kennen, dan kunnen we efficiënter optimaliseren
• Met name bij lage compliance zien we grote verbetering als we met deze lage compliance rekening houden
• Instructies waarbij we uitgaan van een lage compliance lijken minder gevoelig
Raamwerk voor robuuste optimalisatie kan omgaan met onzekerheid dynamica ramp
Olga Huibregtse
• Waar beperkte resources inzetten (politie, leger) om compliance te verhogen
• Optimalisatie gegeven beschikbare resources
• Aanzienlijke verbetering mogelijk door verstandig resources in te zetten (dus tegen relatief beperkte kosten)
• Samenspel ‘zelfredzaamheid’ en ‘sturing’ zinvol!
!
E N F O R C E M E N T F R A M E W O R K
Minimale Inzet
Maximale Inzet
Kosten 680 1.560
Prestatie 63.195 78.023
Aankomsten 92.387 114.194
Investeren in naleving Strategische inzet van het leger?
Voorbeeld van effecten verhogen complianceAdam Pel
Praktijkrelevantie recente TRAIL Dissertaties De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft
De proefschriften (2013-2014):
• Wageningen-Kessels, F.L.M. van, Multi-Class Continuum Traffic Flow Models: Analysis and simulation methods, T2013/7, March 2013, TRAIL Thesis Series, the Netherlands
• Yuan, Y., Lagrangian Multi-Class Traffic State Estimation, T2013/5, March 2013, TRAIL Thesis Series, the Netherlands
• Schreiter, Th., Vehicle-Class Specific Control of Freeway Traffic, T2013/4, March 2013, TRAIL Thesis Series, the Netherlands
• Huibregtse, O.L., Robust Model-Based Optimization of Evacuation Guidance, T2013/2, February 2013, TRAIL Thesis Series, the Netherlands
• Wang, M., Generic Model Predictive Control Framework for Advanced Driver Assistance Systems, T2014/6, October 2014, TRAIL Thesis Series, the Netherlands
• Djukic, T., Dynamic OD demand estimation and prediction methods for dynamic traffic management, November 2014, TRAIL Thesis Series, the Netherlands
• De Moraes Ramos, G., Dynamic route choice modelling of the effects of travel information using RP data, February 2015, TRAIL Thesis Series, the Netherlands
Praktijkrelevantie recente TRAIL Dissertaties De Toekomst van Verkeersmanagement
Prof. dr. ir. Serge Hoogendoorn, Technische Universiteit Delft