Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Projektgruppe im Wintersemester 2008/2009

Schwarmbasierte Navigation zur Stauvermeidung in Ballungsräumen

Entwicklung eines Systems zum on-line Tracking von Straßenverkehr mit Hilfe von Smartphones

Problemstellung2103112993_5c0faeed39_m

Verkehrsstaus stellen heutzutage in industrialisierten Gebieten ein großes Problem dar. Durch das Zusammenwirken des individuellen Fahrverhaltens einzelner Fahrzeuge können – weitgehend unvorhersehbar – spontane Verkehrsstaus entstehen. Moderne Fahrzeug-Navigationssysteme berücksichtigen bei ihrer Routenplanung zwar aktuelle Verkehrsinformationen, reagieren damit jedoch lediglich auf bereits vorhandene Engpässe. Die – meist nach dem gleichen Algorithmus – individuell bestimmten Ausweichrouten verursachen dabei oft nur eine Verlagerung des Engpasses auf die nächstbeste Ausweichroute (sog. Pingpong-Effekt).

Der konventionelle Ansatz: Floating-Car-Data Systeme

Floating-Car-Data (FCD) Verfahren nutzen Fahrzeuge als mobile Sensoren, um detailliertere und aktuellere Stauinformationen zu ermöglichen. Jedes Fahrzeug übermittelt seine Position (und damit indirekt seine Geschwindigkeit) unter Verwendung von GPS und GSM Technologien an einen zentralen Server, der die Informationen auswertet.

Bei FCD-Systemen erfolgt die Bestimmung von Ausweichrouten jedoch entweder zentral, also ohne Berücksichtigung der Fahrziele der einzelnen Fahrzeuge, oder weiterhin individuell, d.h. durch die Navigationssysteme der einzelnen Fahrzeuge. In beiden Fällen kommt es zu einem unkoordinierten Verhalten des Gesamtsystems. Durch den zentralen Ansatz von FCD-Systemen kommt es darüber hinaus bei einem flächendeckenden Einsatz der Technik zu einem sehr hohen Datenaufkommen an den zentralen Servern.

Der verteilte Ansatz: BeeJamA

Eine verteilt arbeitende, kollektive Entscheidungsfindung unter Einsatz von Schwarmalgorithmen kann die Nachteile herkömmlicher FCD-Systeme überwinden. Individuelle Entscheidungen einzelner (Bienen-)Agenten auf Basis beschränkter lokaler Informationen führen dabei zu einer globalen Problemoptimierung. Bienenschwarmalgorithmen finden bereits in vielen Bereichen Beachtung: Routing in Datennetzen, CPU-Scheduling, Energie- und Lastmanagement, etc.

Hintergrundinformationen zum BeeJamA-Projekt