Automatic Usage Modeling for Automotive Applications

  • Many loads acting on a vehicle depend on the condition and quality of roads traveled as well as on the driving style of the motorist. Thus, during vehicle development, good knowledge on these further operations conditions is advantageous. For that purpose, usage models for different kinds of vehicles are considered. Based on these mathematical descriptions, representative routes for multiple user types can be simulated in a predefined geographical region. The obtained individual driving schedules consist of coordinates of starting and target points and can thus be routed on the true road network. Additionally, different factors, like the topography, can be evaluated along the track. Available statistics resulting from travel survey are integrated to guarantee reasonable trip length. Population figures are used to estimate the number of vehicles in contained administrative units. The creation of thousands of those geo-referenced trips then allows the determination of realistic measures of the durability loads. Private as well as commercial use of vehicles is modeled. For the former, commuters are modeled as the main user group conducting daily drives to work and additional leisure time a shopping trip during workweek. For the latter, taxis as example for users of passenger cars are considered. The model of light-duty commercial vehicles is split into two types of driving patterns, stars and tours, and in the common traffic classes of long-distance, local and city traffic. Algorithms to simulate reasonable target points based on geographical and statistical data are presented in detail. Examples for the evaluation of routes based on topographical factors and speed profiles comparing the influence of the driving style are included.
  • Viele der auf ein Fahrzeug wirkenden Beanspruchungen hängen von der Beschaffenheit und der Qualität der befahrenen Straßen, sowie vom Fahrverhalten des Fahrers ab. Genaue Kenntnisse der Betriebsbedingungen sind bereits während der Entwicklung eines Fahrzeugs von Vorteil. Zur Abschätzung dieser Bedingungen werden verschiedene Nutzungsmodelle betrachtet. Repräsentative Routen für verschiedene Nutzertypen können anhand ihrer mathematischen Beschreibung in einer vorher festgelegten geografischen Region simuliert werden. Die auf dieseWeise erzeugten individuellen Fahrpläne beinhalten die Koordinaten aller Start- und Zielpunkte. Somit kann ein konkreter Routenverlauf im Straßennetz bestimmt werden. Zusätzlich können verschiedene Charakteristiken, wie beispielsweise die Topografie, entlang der Strecke ausgewertet werden. In die Routenerzeugung können verfügbare Statistiken, etwa aus Verkehrsbefragungen, integriert werden und stellen die Berechnung sinnvoller Fahrtweiten sicher. Einwohnerzahlen werden verwendet, um die Anzahl von Fahrzeugen in den einzelnen administrativen Einheiten der betrachteten Region abzuschätzen. Die Erzeugung mehrerer Tausend dieser geo-referenzierten Routen ermöglicht die Ermittlung realistischer Schätzungen der Beanspruchungen. Es wird sowohl die private, als auch die kommerzielle Nutzung der Fahrzeuge modelliert. Für erstere stellen Pendler, welche tägliche Fahrten zur Arbeit, sowie Freizeit- und Einkaufsfahrten unternehmen, die wichtigste Gruppe dar. Taxis werden als kommerzielle PKWs näher betrachtet. Bei den leichten Nutzfahrzeugen wird anhand von gängigen Fahrtmustern eine Unterscheidung zwischen „Touren“ und „sternförmigen Fahrten“ getroffen. Außerdem wird die verbreitete Einteilung nach Verkehrsklassen in Fern-, Regional- und Stadtverkehr reflektiert. In der Arbeit werden Algorithmen zur Simulation sinnvoller Zielpunkte, basierend auf geographischen und statistischen Daten im Detail vorgestellt. Die Auswertung der topographischen Faktoren wird an einem Beispiel erläutert. Zusätzlich wird die Generierung von Geschwindigkeitsprofilen zur Untersuchung des Einflusses des Fahrverhaltens vorgestellt.

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Christine Biedinger
URN:urn:nbn:de:hbz:386-kluedo-57514
Advisor:Jürgen Franke
Document Type:Doctoral Thesis
Language of publication:English
Date of Publication (online):2019/10/08
Year of first Publication:2019
Publishing Institution:Technische Universität Kaiserslautern
Granting Institution:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2018/10/11
Date of the Publication (Server):2019/10/09
Tag:Geo-referenced data; Simulation; Statistics; Usage modeling
GND Keyword:Angewandte Mathematik; Wissenschaftliches Rechnen; Statistisches Modell; Simulation
Page Number:VIII, 127
Faculties / Organisational entities:Kaiserslautern - Fachbereich Mathematik
CCS-Classification (computer science):G. Mathematics of Computing
DDC-Cassification:5 Naturwissenschaften und Mathematik / 510 Mathematik
MSC-Classification (mathematics):62-XX STATISTICS / 62Pxx Applications [See also 90-XX, 91-XX, 92-XX] / 62P30 Applications in engineering and industry
Licence (German):Creative Commons 4.0 - Namensnennung, nicht kommerziell, keine Bearbeitung (CC BY-NC-ND 4.0)