Microscopic 2D-modeling of driver behavior based on trajectory data from real traffic, driving simulation and traffic simulation

Berghaus, Jan Moritz; Oeser, Markus; Herty, Michael; García Hernandez, Alvaro

doi:44990

Microscopic 2D-modeling of driver behavior based on trajectory data from real traffic, driving simulation and traffic simulation = Mikroskopische zweidimensionale Modellierung des Fahrverhaltens anhand von Trajektoriendaten aus realem Verkehr, Fahrsimulation und Verkehrssimulation

Berghaus, Jan Moritz^RWTH*

2025 & 2026

Verantwortlichkeitsangabevorgelegt von Moritz Berghaus

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026

Genehmigende Fakultät
Fak03

Hauptberichter/Gutachter
Oeser, Markus (Thesis advisor)^RWTH* ; Herty, Michael (Thesis advisor)^RWTH* ; García Hernandez, Alvaro (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-09-26

Online
DOI: 10.18154/RWTH-2026-00151
URL: https://publications.rwth-aachen.de/record/1024561/files/1024561.pdf

Einrichtungen

Lehrstuhl und Institut für Straßenwesen (313410)

Projekte

Thematische Einordnung (Klassifikation)
DDC: 624

Kurzfassung
Mikroskopische Verkehrsflussmodelle sind ein zentrales Werkzeug, um zu verstehen, wie das Verhalten der Fahrer*innen die Sicherheit und Effizienz des Straßenverkehrs beeinflusst, und wie die Straßeninfrastruktur so gestaltet werden kann, dass sie sicheres und effizientes Fahrverhalten fördert. Mikroskopische Verkehrsflussmodelle beschreiben die Trajektorie eines Fahrzeugs in zwei Dimensionen - Längs- und Querrichtung - in Abhängigkeit vom umgebenden Verkehr und dem Straßenverlauf. Um die Komplexität der Modellierung zu reduzieren, konzentrieren sich verschiedene Modelltypen auf unterschiedliche Einflussgrößen. Bei Fahrzeugfolgemodellen liegt der Fokus auf dem Einfluss des vorausfahrenden Fahrzeugs auf das Fahrverhalten ohne Berücksichtigung des Straßenverlaufs und der Fahrzeuge auf benachbarten Fahrstreifen. Geschwindigkeitsvorhersagemodelle beschreiben die Wahl der Geschwindigkeit in Abhängigkeit vom Straßenverlauf ohne den Einfluss des umgebenden Verkehrs. Fahrstreifenwechselmodelle beschreiben das Fahrverhalten vor und während eines Fahrstreifenwechsels unter Berücksichtigung der Fahrzeuge auf dem aktuellen und dem benachbarten Fahrstreifen. Zur Kalibrierung und Validierung von mikroskopischen Verkehrsflussmodellen können Trajektoriendaten aus verschiedenen Quellen genutzt werden. Trajektoriendaten aus dem realen Verkehr bilden das Fahrverhalten am realistischsten ab, sie ermöglichen jedoch keine Untersuchung des Fahrverhaltens unter kontrollierten Bedingungen. Hierfür sind Trajektoriendaten aus dem Fahrsimulator geeignet, wo solche kontrollierten Bedingungen hergestellt werden können. Um die Eigenschaften von Verkehrsflussmodellen zu untersuchen, können Trajektoriendaten aus Verkehrssimulationen genutzt werden. In dieser Dissertation wurde untersucht, wie Trajektoriendaten aus realem Verkehr, Fahrsimulation und Verkehrssimulation zu einer genaueren Modellierung des Fahrverhaltens in zwei Dimensionen beitragen können. Diese übergeordnete Forschungsfrage wurde in fünf Teilfragen untergliedert, in denen die spezifischen Herausforderungen der einzelnen Modelltypen und Datenquellen genauer betrachtet wurden. Für Fahrzeugfolgemodelle wurde eine Kalibrierungs- und Validierungsmethode entwickelt, mit der im Fahrsimulator sowohl individuelle Unterschiede zwischen Fahrer*innen als auch ihr Verhalten in extremen Verkehrssituationen untersucht werden konnten. Mit Hilfe eines Geschwindigkeitsvorhersagemodelles wurde eine Maßnahme zur Geschwindigkeitsreduktion in Autobahnausfahrten anhand von Trajektoriendaten aus realem Verkehr evaluiert. Zur Beschreibung des Fahrverhaltens in Autobahnauffahrten wurde ein Fahrstreifenwechselmodell entwickelt und anhand von Trajektoriendaten aus realem Verkehr und Verkehrssimulationen validiert. Für Trajektoriendaten aus realem Verkehr wurden außerdem Methoden zur Datenbearbeitung und Bewertung der Datenqualität entwickelt, die eine Nutzung der Daten sowohl für Echtzeit-Anwendungen als auch für die Modellkalibrierung und -validierung ermöglichen. Die in dieser Dissertation entwickelten Modelle und Methoden können beispielsweise in Verkehrssimulationen zur Vorhersage der Verkehrslage, zur Bewertung geplanter Infrastruktur- oder Verkehrssteuerungsmaßnahmen oder zur Abschätzung der Auswirkungen des automatisierten Fahrens auf den Verkehrsfluss und die Verkehrssicherheit angewendet werden. Sie leisten somit einen wichtigen Beitrag zur Entwicklung sicherer, effizienter und zukunftsfähiger Straßen.

Microscopic traffic flow models are an essential tool for understanding how driver behavior influences the safety and efficiency of road traffic, and how road infrastructure can be designed to support safe and efficient driving behavior. Microscopic traffic flow models describe a vehicle's trajectory in two dimensions - longitudinal and lateral - depending on surrounding traffic and road layout. To reduce modeling complexity, different model types focus on specific influencing factors. Car-following models primarily consider the effect of the leading vehicle on driver behavior, without accounting for road layout or vehicles in adjacent lanes. Speed prediction models describe speed choice based on road geometry, without incorporating surrounding traffic. Lane change models capture driver behavior before and during lane changes, taking into account vehicles in the current and adjacent lanes, but not the road layout. To calibrate and validate microscopic traffic flow models, various sources of trajectory data can be used. Real-world trajectory data yield the most realistic representation of actual driving behavior, but they do not allow for the study of behavior under controlled conditions. Driving simulator data, on the other hand, make it possible to investigate such controlled conditions. Additionally, synthetic trajectory data from traffic simulations can be used to analyze model properties under idealized or specific conditions. This dissertation investigates how trajectory data from real-world driving, driving simulation, and traffic simulation can contribute to more accurate modeling of driver behavior in two dimensions. The overarching research question is divided into five sub-questions, each addressing specific challenges associated with individual model types and data sources. For car-following models, a calibration and validation method was developed that enables the investigation of individual differences between drivers as well as their behavior in extreme traffic situations using a driving simulator. A speed prediction model was applied to evaluate a speed reduction measure in freeway off-ramps based on real-world trajectory data. For the modeling of driver behavior in freeway on-ramps, a lane change model was developed and validated using both real-world and simulated trajectory data. Furthermore, data processing methods and quality assessment procedures were developed for real-world trajectory data, enabling their use in real-time applications as well as for model calibration and validation. The models and methods developed in this dissertation can be applied in traffic simulations to predict traffic conditions, evaluate planned infrastructure or traffic control measures, or assess the impact of automated driving on traffic flow and safety. They thus make a valuable contribution towards the development of safe, efficient, and future-ready road systems.

OpenAccess:
PDF
(additional files)