Advertisement

Verkehrsmodellierung für das Ruhrgebiet

Simulationsbasierte Szenariountersuchung und Wirkungsanalyse einer verbesserten regionalen Fahrradinfrastruktur
  • Ihab KaddouraEmail author
  • Janek Laudan
  • Dominik Ziemke
  • Kai Nagel
Chapter
  • 199 Downloads

Zusammenfassung

Vor dem Hintergrund sich verändernder gesellschaftlicher Dynamiken und technologischer Entwicklungen müssen mögliche zukünftige Entwicklungen in die heutige Gestaltung von Verkehrssystemen und konkrete Planung von Infrastrukturmaßnahmen aufgenommen werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Agarwal, A., D. Ziemke und K. Nagel. 2017. “Bicycle superhighway: an environmentally sustainable policy for urban transport”.Google Scholar
  2. Agarwal, A., M. Zilske, K. R. Rao und K. Nagel. 2015. “An elegant and computationally efficient approach for heterogeneous traffic modelling using agent based simulation”. Procedia computer science 52 (C): 962–67.Google Scholar
  3. Bishop, Peter, Andy Hines und Terry Collins. 2007. “The current state of scenario development: an overview of techniques”. Foresight.  https://doi.org/10.1108/14636680710727516.
  4. Börjeson, L., M. Höjer, K.-H. Dreborg, T. Ekvall und G. Finnveden. 2006. “Scenario types and techniques: Towards a user’s guide”. Futures.  https://doi.org/10.1016/j.futures.2005.12.002.
  5. Bundesagentur für Arbeit. 2010. „Pendlerstatistik 2010“. Nürnberg: Bundesagentur für Arbeit.Google Scholar
  6. FGSV. 1992. Richtlinien für den Lärmschutz an Straßen (RLS), Ausgabe 1990, Berichtigte Fassung. Forschungsgesellschaft für Straßen- und Verkehrswesen.Google Scholar
  7. Gawron, C. 1998. „An Iterative Algorithm to Determine the Dynamic User Equilibrium in a Traffic Simulation Model“. International Journal of Modern Physics C 9 (3): 393–407.Google Scholar
  8. Horni, A., K. W. Axhausen und K. Nagel, Hrsg. 2016. The Multi-Agent Transport Simulation MATSim. Ubiquity, London.Google Scholar
  9. Hülsmann, F., R. Gerike, B. Kickhöfer, K. Nagel und R. Luz. 2011. “Towards a multi-agent based modeling approach for air pollutants in urban regions”. In Conference on ``Luftqualität an Straßen’‘, 144–66. Bundesanstalt für Straßenwesen.Google Scholar
  10. Infras. 2010. “Handbook Emission Factors for Road Transport 3.1”. INFRAS Zurich Switzerland. www.hbefa.net.
  11. Kaddoura, I., L. Kröger und K. Nagel. 2017. “An activity-based and dynamic approach to calculate road traffic noise damages”. Transportation Research Part D: Transport and Environment 54: 335–47.Google Scholar
  12. Kickhöfer, B., F. Hülsmann, R. Gerike und K. Nagel. 2013. “Rising car user costs: comparing aggregated and geo-spatial impacts on travel demand and air pollutant emissions”. In Smart Transport Networks: Decision Making, Sustainability and Market structure, herausgegeben von T. Vanoutrive und A. Verhetsel, 180–207. NECTAR Series on Transportation and Communications Networks Research. Edward Elgar Publishing Ltd.Google Scholar
  13. Lengyel, J. und J. Friedrich. 2019. „Multiskalen-Stadtmodellierung am Beispiel eines Deurbanisierungsszenarios im Ruhrgebiet.“ 11. Wissenschaftsforum 2019. Universität Duisburg-Essen.Google Scholar
  14. Livingston, C. L., I. B. Bartana, D. Ziemke und F. Bahamonde-Birke. 2019. “The Influence of the Route Environment on the Route Choice of Bicyclists -- A Preliminary Study”. VSP Working Paper 19–09. Technische Universität Berlin, Fachgebiet Verkehrssystemplanung und Verkehrstelematik.Google Scholar
  15. Melkonyan, A., J. Koch, V. Kamath, F. Lohmar, V. Munteanu und A. Schmidt. „Integrated Urban Planning Policies for Sustainable Mobility Transformation in Metropole Regions: A System Dynamic Approach”. 2019. In Bearbeitung.Google Scholar
  16. Nagel, K. und G. Flötteröd. 2012. “Agent-based traffic assignment: Going from trips to behavioural travelers”. In Travel Behaviour Research in an Evolving World -- Selected papers from the 12th international conference on travel behaviour research, herausgegeben von R. M. Pendyala und C. R. Bhat, 261–94. International Association for Travel Behaviour Research.Google Scholar
  17. Pinjari, A., N. Eluru, R. Copperman, I. Sener, J. Guo, S. Srinivasan und C. Bhat. 2006. “Activity-Based Travel-Demand Analysis for Metropolitan Areas in Texas: CEMDAP Models, Framework, Software Architecture and Application Results”. Center for Transportation Research at the University of Texas.Google Scholar
  18. Schmidt, J. A. und S. Klemm. 2019. „Integrative Szenarien für eine nachhaltige Mobilität in der Region Ruhr“. 11. Wissenschaftsforum 2019. Universität Duisburg-Essen.Google Scholar
  19. Steinmüller, K. 1997. „Grundlagen und Methoden der Zukunftsforschung: Szenarien, Delphi, Technikvorausschau.“ SFZ-WerkstattBericht 21. Sekretariat für Zukunftsforschung gGmbH. Gelsenkirchen.Google Scholar
  20. Varho, V. und P. Tapio. 2013. “Combining the qualitative and quantitative with the Q2 scenario technique — The case of transport and climate”. Technological Forecasting and Social Change.  https://doi.org/10.1016/j.techfore.2012.09.004.
  21. Wegener, M. 2004. “Overview of land-use transport models”. In Transport Geography and Spatial Systems, herausgegeben von K. ;. Hensher D. A.; Button, 127–46. Handbook in Transport. Pergamon/Elsevier Science.Google Scholar
  22. ———. 2014. “Land-Use Transport Interaction Models”. In Handbook of Regional Science, herausgegeben von M. Fischer und P. Nijkamp, 741–58. Berlin, Heidelberg: Springer.Google Scholar
  23. Ziemke, D., A. Agarwal und I. Kaddoura. 2018. „Entwicklung eines regionalen, agentenbasierten Verkehrssimulationsmodells zur Analyse von Mobilitätszenarien für die Region Ruhr“. In 10. Wissenschaftsforum Mobilität : Mobility in Times of Change -- Past, Present, Future.Google Scholar
  24. Ziemke, D., I. Kaddoura und K. Nagel. 2019. “The MATSim Open Berlin Scenario: A multimodal agent-based transport simulation scenario based on synthetic demand modeling and open data”. Procedia computer science forthcoming.Google Scholar
  25. Ziemke, D., K. Nagel und C. Bhat. 2015. “Integrating CEMDAP and MATSim to increase the transferability of transport demand models”. Transportation research record 2493: 117–25.Google Scholar
  26. Ziemke, D., S. Metzler und K. Nagel. 2019. “Bicycle traffic and its interaction with motorized traffic in an agent-based transport simulation framework”. Future Generation Computer Systems 97: 30–40.Google Scholar
  27. Ziemke, D., K. Nagel und R. Moeckel. 2016. “Towards an Agent-based, Integrated Land-use Transport Modeling System”. Procedia computer science 83: 958–63.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020

Authors and Affiliations

  • Ihab Kaddoura
    • 1
    Email author
  • Janek Laudan
    • 1
  • Dominik Ziemke
    • 1
  • Kai Nagel
    • 1
  1. 1.Fachgebiet Verkehrssystemplanung und VerkehrstelematikTU BerlinBerlinDeutschland

Personalised recommendations