Multi Criteria Decision Support (MDS)

Um die verfügbaren Dienste in den gegebenen Verkehrsszenarien zwischen den priorisierten Zielen auszubalancieren, nutzt PSIroads/MDS die multi-kriterielle Entscheidungstechnologie Qualicision. In Qualicision werden die Abhängigkeiten zwischen Diensten und Zielen nicht wie üblich bei Optimierungsproblemen in arithmetische Gleichungssysteme kodiert.
Oftmals handelt es sich nicht um isolierte Ereignisse, sondern um komplexe Verkehrssituationen.
Die Wahl der richtigen Maßnahmen zur Verkehrsbeeinflussung ist dann keine einfache Aufgabe und verlangt umfangreiche Erfahrungen und lokales Verkehrsmanagement-Know-how.

Maßnahmen-Typen

Umfahrung

Zufluss reduzieren

Abfluss erhöhen

Teilweise konfliktive Optimierungsziele

Reisezeiten minimieren

Emissionen reduzieren

Bevorzugt eigene Infrastruktur zur Problemlösung nutzen


PSIroads/MDS unterstützt den Verkehrsmanager, indem es ihm Gruppen von Diensten in Form von Umfahrungen oder Zu- und Abflussänderungen auf Straßenabschnitten vorschlägt, die die Verkehrssituation optimieren. Die vorgeschlagenen Dienste werden ausgewählt, weil sie unter den gegebenen Randbedingungen am besten geeignet sind, zwischen teils konfliktiven Verkehrsmanagementzielen zu vermitteln.

Normalerweise versuchen Straßenbetreiber Verkehrsprobleme mit Diensten auf ihren eigenen Straßen zu lösen. In speziellen oder besonders kritischen Situationen kann es aber sinnvoll und notwendig sein, von anderen Betreiber in der Region unterstützt zu werden. PSIroads/MDS ermöglicht das Hinterlegen von Kooperationsvereinbarungen zur Nutzung von Diensten Dritter und wendet diese situationsbezogen an. Verkehrsteilnehmer profitieren von einer Verbesserung der gesamten Verkehrssituation, unabhängig vom zuständigen Betreiber, während sich die Interaktionsprozesse zwischen den Leitwarten deutlich vereinfachen.

Hintergrund

Qualicision steht für qualifizierte Entscheidungsunterstützung in der Optimierung von Geschäftsprozessen. Bei Qualicision-optimierten Geschäftsprozessen werden die Wechselwirkungen in Form von Matrizen (Wirkungsmatrizen) anhand der Prozessdaten erfasst. Aus den Wirkungsmatrizen wird mittels einer mathematischen Konflikt- und Verträglichkeitsanalyse (KV-Analyse) errechnet, welche Entscheidungsalternativen auszuwählen sind, um die Prozessziele möglichst genau zu erreichen. Technisch betrachtet, macht die KV-Analyse die sogenannte kombinatorische Vielfalt der Steuerungsmöglichkeiten im Hinblick auf die Optimierung der KPIs beherrschbar. Im Zuge der Unterstützung der PSI-Konvergenzstrategie entwickelt PSI FLS gegenwärtig ein auf der PSI-GUI-Technologie basiertes Release. Sämtliche Elemente der Qualicision-Datenmodellierung sind damit darstellbar. Dazu gehören KPI-Zielfunktionen, Wirkungsmatrizen, KPI-Beziehungsmatrizen, die entsprechenden Editoren, die Datentabellen und weitere Visualisierungsfunktionalitäten. Eine Demoversion ist bereits jetzt verfügbar.

Strategie-Cockpit für weitere Einflußfaktore

Verkehrsmanagement-Maßnahmen werden nicht nur durch das Verkehrsaufkommen selbst bestimmt.

Um weitere Einflussfaktoren wie verschiedene Tagestypen, Tageszeiten oder Wetterbedingungen zu berücksichtigen, wurde in PSIroads/MDS ein Strategie-Cockpit eingeführt.

Auch die Reduzierung von Schadstoff-Emissionen durch den Verkehr entsprechend von strategischen, gesetzlichen oder internen Vorgaben kann auf diese Weise bei den Entscheidungen für anwendbare Maßnahmen berücksichtigt werden.

Sämtliche Faktoren beeinflussen entsprechend der festgelegten Priorität die Optimierung des regionalen und überregionalen Verkehrsflusses.

Überwachtes Selbstlernen

Im Sinne eines kontinuierlichen Verbesserungsprozesses wird die Entscheidungsfindung in PSIroads/MDS durch ein Selbstlern-Modul unterstützt.

Die Unterschiede zwischen den von PSIroads/MDS vorgeschlagenen und den von den Bedienern angewendeten Maßnahmen werden erfasst. 

Das Selbstlern-Modul verändert daraufhin die Prioritäten der unterschiedlichen Einflussfaktoren so, dass die von den Bedienern angewendeten Maßnahmen für zukünftige Entscheidungsvorschläge in vergleichbaren Situationen möglichst reproduziert werden.

Verkehrs-Ingenieure überprüfen die veränderten Prioritäten, bevor diese vom System angewendet werden (überwachtes Selbstlernen). 

Das Selbstlern-Modul ist nicht nur für die Optimierung des Systems selbst nützlich. Lücken im parametrierten Verkehrsmodell, Trainingsrückstände bei den Verkehrsmanagern oder sogar systematische Fehler im Verkehrsmanagement können im Rahmen des Qualitätssicherungsprozesses erkannt werden.