Modeling and evaluating Ingolstadt traffic scenario with SUMO

Abstract

Resumo: Vehicular Ad-hoc Networks (VANETs), também conhecida como comunicação Car2X, tem surgido nos últimos anos com uma das áreas mais promissoras para tecnologias automobilísticas. Elas melhoram a segurança nas ruas, podem resolver problemas de congestionamento de tráfego e são esperada como uma das chaves principais para permitir veículos com o mais alto grau de autonomia. Devido a isso, muitos estudos estão focando no desenvolvimento de novas aplicações, incluindo infotainment, gerenciamento de tráfego e segurança. Observando a área de segurança, o desenvolvimento de novas aplicações demanda um grande número de testes. Os testes devem cobrir e analisar todas as situações possíveis relacionadas a tráfego veicular, para garantir que essas aplicações não irão impactar na segurança dos sistemas de transportes nem colocar vidas humanas em risco. Por esse motivo, ferramentas de simulação são altamente demandas e importantes para desenvolver os testes. Simulações de VANETS necessitam de dois frameworks: modelo de tráfego veicular e protocolo de simulação de comunicação sem fio. Quanto mais realístico o cenário de tráfego for, mais confiáveis e úteis serão os resultados. Portanto, essa pesquisa apresenta um cenário de tráfego realístico para a cidade de Ingolstadt, aplicando as metodologias do Simulation o f Urban Mobility (SUMO). O mapa da cidade e todas as informações relacionadas, como posição dos pontos de ônibus, construções e estacionamentos foram importados do OpenStreetMap (OSM). As topologias das ruas foram fielmente ajustadas comparando as imagens de satélite do Google Maps. Esse ajuste corrigiu o número de faixas por ruas, adicionou faixas exclusivas para virar a esquerda, bem como faixas exclusivas para ônibus e táxis. O tráfego veicular foi modelado de acordo com o a c t iv it y g e n , que demanda detalhadas informações sócio-demográficas, e também foi considerado os trabalhadores e estacionamentos das grandes empresas da cidade. Além disso, para a demanda de tráfego foram inseridos todas as linhas de ônibus que atualmente trafegam por Ingolstadt. Um método para otimizar o fluxo de tráfego foi implementado, aplicando o Dynamic User Assignment (DUA) focando no Dynamic User Equilibrium (DUE), o qual foi atingido após 25 iterações. Como os parâmetros de simulação influenciam o cenário de tráfego do SUMO, esta tese implementou um algoritmo para calcular o melhor valor para device.rerouting.probability. Para definir o melhor valor para este parâmetro, um conjunto de dados fornecido pela cidade de Ingolstadt, contendo valores reais de tráfego para 24 pontos de medição de tráfego, foi implementado para comparar valores de simulação e valores reais. O resultado dessa comparação foi baseado no resultado fornecido pelos detectores colocados na simulação e no conjunto de dados. O conjunto de dados foi dividido em dois subconjuntos. Um subconjunto foi implementado para definir a melhor device. rerouting.probability, que considerou o número médio de veículos em trânsito nas 24 pontos de medição de tráfego durante outubro de 2019. O segundo subconjunto foi implementado para validar os resultados do cenário, considerando o valores de tráfego de novembro de 2019. O método de avaliação aplicado em ambas as etapas foi o Erro Médio Quadrático Normalizado (NRMSE). O menor NRMSE calculado nesta tese em relação à device.rerouting.probability é 0,438234. A validação também levou em consideração o valor de NRMSE individualmente para todas as 24 pontos de medição de tráfego e uma análise mais profunda para o melhor e o pior caso foi desenvolvida. Palavras-chave: VANETs, Car2X, cenário de tráfego realístico, SUMO, Ingolstadt

Abstract: Vehicular Ad-hoc Networks (VANETs), also known as Vehicle2X communication, have emerged as one of the most promising branches in automotive technologies in the last years. The development of new applications for VANETs demands a large number of tests, which have to analyze all the situations regarded to vehicle traffic, to ensure that the novel application will not impact transport system safety either risk human lives. Thus, to perform these tests simulation tools are used. VANETs' simulations require two frameworks: vehicle traffic model and wireless communication protocol. The more realistic the traffic scenario is, the more reliable and useful the results are. Therefore, this thesis presents a realistic traffic scenario for Ingolstadt city, applying the methodologies presented in the Simulation of Urban Mobility (SUMO). The city map and all related data, as bus stop positions, buildings, and parking lots were imported from OpenStreetMap (OSM). The road topology was adjusted according to images from the Google Maps satellite view. The vehicle traffic has been modeled based on detailed socio-demographic data, considering also the largest companies in the city with their workers and placing the parking lots. Furthermore, traffic demand inserted all the bus lines that are currently running in Ingolstadt. Thirteen traffic light systems were simulated in this thesis based on the real program deployed on real traffic lights in Ingolstadt. A method to optimize the traffic flow was implemented, applying the Dynamic User Assignment (DUA) focusing on the Dynamic User Equilibrium (DUE), which was reached after 25 iterations. As simulation parameters influence SUMO's traffic scenario, this thesis implemented an algorithm to compute the best value for device.rerouting.probability. To define the best value for this parameter, a data-set provided by the City of Ingolstadt, containing real traffic values for 24 intersections was implemented to compare simulation values and real values. The result of this comparison was based on the output delivered by detectors placed in the simulation and the data-set. The data-set has been divided into two subsets. One subset has been implemented to define the best device.rerouting.probability, which considered the average number of vehicles transiting over the 24 intersections during October of 2019. The second subset has been implemented to validate the scenario results, considering the traffic values from November of 2019. The evaluation method applied in both steps was the Normalized Root Mean Square Error (NRMSE). The lowest NRMSE computed in this thesis regarding the device.rerouting.probability is 0.438234. The validation also took into consideration the individually NRMSE value for all 24 intersections and a deeper analysis for the best and worst-case was done. Keywords: VANETs, Car2X, realistic traffic scenario, SUMO, Ingolstadt