@phdthesis{Muehlbacher2013,
  author    = {M{\"u}hlbacher, Dominik},
  title     = {Die Pulksimulation als Methode zur Untersuchung verkehrspsychologischer Fragestellungen},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-90051},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Fahr- und Verkehrssimulation sind neben Studien mit realen Fahrzeugen die g{\"a}ngigen Methoden der empirischen Verkehrswissenschaft. W{\"a}hrend sich die Fahrsimulation mit dem Erleben und Verhalten von Fahrern besch{\"a}ftigt, untersucht die Verkehrssimulation das gesamte Verkehrssystem. Der Bereich zwischen diesen Polen „Fahrer" und „Verkehr", in dem Fahrer aufeinander treffen und miteinander interagieren, ist angesichts der Bedeutung sozialer Prozesse f{\"u}r das Erleben und Verhalten ein wichtiger Aspekt. Allerdings wurde dieser Bereich in der Verkehrswissenschaft bisher nur unzureichend abgebildet. Auch in der Fahr- und Verkehrssimulation wurde dieser Aspekt bislang weitgehend vernachl{\"a}ssigt. Um diese L{\"u}cke zu schließen, wurde mit der Pulksimulation eine neue Versuchsumgebung entwickelt. Sie besteht aus miteinander vernetzten Fahrsimulatoren und erm{\"o}glicht es, Interaktionsfragestellungen zu untersuchen. Jedoch bringt die Anwendung der Pulksimulation neue Anforderungen an den Untersucher mit sich, die bei der Fahr- bzw. Verkehrssimulation nicht notwendig sind und f{\"u}r die Pulksimulation neu entwickelt werden m{\"u}ssen. Das Ziel der vorliegenden Arbeit ist, diese Methode zur Untersuchung verkehrspsychologischer Fragestellungen weiterzuentwickeln, zu pr{\"u}fen und zu etablieren. In ersten Untersuchungsans{\"a}tzen werden in acht Teilstudien die grundlegenden methodischen Besonderheiten der Pulksimulation am Beispiel des Folgefahrens und des Kreuzens betrachtet. Hierbei wird auch stets der Vergleich zu den bisher genutzten Versuchsumgebungen Einzelfahrsimulation und Verkehrssimulation gezogen. Folgende Fragstellungen wurden im Rahmen dessen beantwortet: (1) Wie unterscheidet sich eine Pulkfahrt von einer Einzelfahrt? (2) Welchen Einfluss haben nachfolgende Fahrzeuge im Pulk? (3) Welche Effekte haben Positionierungen im Pulk? (4) Wie unterscheiden sich reale Fahrer und Modelle im Pulk? (5) Wie wirkt sich die Einf{\"u}hrung einer Nebenaufgabe auf den Pulk aus? (6) Wie wirken sich verschiedene Abstandsinstruktionen aus? (7) Mit welchen Parametern kann der Pulk beschrieben werden? (8) Wie kann das Verhalten des Pulks an Kreuzungen untersucht werden? Schließlich werden zwei Anwendungsbeispiele der Pulksimulation zu aktuell relevanten Themen aufgezeigt. In der ersten Untersuchung wird ein Gefahrenwarner evaluiert, der vor Bremsungen vorausfahrender Fahrzeuge warnt. W{\"a}hrend Fahrer direkt hinter dem bremsenden Fahrzeug vom System nicht profitieren, steigt der Nutzen des Systems mit zunehmender Positionierung im Pulk an. In einer zweiten Studie wird ein Ampelphasenassistent untersucht. Dieser informiert den Fahrer w{\"a}hrend der Ann{\"a}herung an eine Ampel {\"u}ber die optimale Geschwindigkeit, mit der diese Ampel ohne Halt bei Gr{\"u}n durchfahren werden kann. Um die Auswirkungen des Systems auf den nicht-assistierten Umgebungsverkehr bestimmen zu k{\"o}nnen, werden verschiedene Ausstattungsraten innerhalb des Pulks eingef{\"u}hrt. Mit diesem Untersuchungsansatz k{\"o}nnen gleichzeitig Effekte des Systems auf die assistierten Fahrer (z. B. Befolgungsverhalten), die nicht-assistierten Fahrer (z. B. {\"A}rger) sowie das Verkehrssystem (z. B. Verkehrsfluss) bestimmt werden. Der Ampelphasenassistent resultiert in einem {\"o}konomischeren Fahrverhalten der assistierten Fahrer, erh{\"o}ht aber gleichzeitig in gemischten Ausstattungsraten den {\"A}rger der nicht-assistierten Fahrer im Verkehrssystem. Erst bei Vollausstattung entwickelt sich dieser negative Effekt zur{\"u}ck. Die in den Anwendungsbeispielen berichteten Ph{\"a}nomene sind durch Untersuchungen in einer Einzelfahrsimulation oder Verkehrssimulation nicht beobachtbar. Insbesondere f{\"u}r die Untersuchung von Fragen, in denen soziale Interaktionen mit anderen Fahrern eine Rolle spielen, zeichnet sich die Pulksimulation in besonderer Weise aus. Hierf{\"u}r liefert die Anwendung in der Pulksimulation zus{\"a}tzliche Informationen und zeigt somit, dass die Pulksimulation das Methodeninventar in der Verkehrswissenschaft effektiv erg{\"a}nzt. Sie stellt zum einen eine Erweiterung der Fahrsimulation um den Faktor „Verkehr" und zum anderen eine Erweiterung der Verkehrssimulation um den Faktor „Mensch" dar und wird so zu einem zentralen Bindeglied beider Versuchsumgebungen. Dar{\"u}ber hinaus erlaubt die Pulksimulation die Modellierung von Interaktionsverhalten im Straßenverkehr, was bisher nicht bzw. nur unter gr{\"o}ßtem Aufwand realisierbar war. Hierdurch k{\"o}nnen die Modelle der Fahr- und Verkehrssimulation weiterentwickelt werden. Mit den in dieser Arbeit neu entworfenen Parametern werden Kenngr{\"o}ßen zur Verf{\"u}gung gestellt, die Variationen bez{\"u}glich Quer- und L{\"a}ngsf{\"u}hrung auch auf Ebene des Pulks abbilden k{\"o}nnen. Weitere neu entwickelte Parameter sind in der Lage, Interaktionen {\"u}ber den Zeitverlauf zu beschreiben. Diese Parameter sind notwendig f{\"u}r den Einsatz der Pulksimulation in zuk{\"u}nftigen Untersuchungen. Zusammenfassend wurde in der vorliegenden Arbeit die Methodik der Pulksimulation f{\"u}r den gesamten Anwendungsprozess von der Fragestellung bis hin zur Interpretation der Ergebnisse weiterentwickelt. Der Mehrwert dieser Methode wurde an aktuellen und bisher nicht untersuchbaren Fragestellungen belegt und somit die Validit{\"a}t der Pulksimulation gest{\"a}rkt. Die vorgestellten Untersuchungen zeigen das große Potenzial der Pulksimulation zur Bearbeitung von Fragen, die auf der Interaktion verschiedener Verkehrsteilnehmer basieren. Hierdurch wird erstmals die M{\"o}glichkeit geschaffen, soziale Interaktionen {\"u}ber den Zeitverlauf in die Fahrermodelle der Verkehrssimulation zu integrieren. Damit ist der Br{\"u}ckenschlag von der Fahr- zur Verkehrssimulation gelungen.},
  subject      = {Verkehrspsychologie},
  language  = {de}
}
@phdthesis{Schmitz2013,
  author    = {Schmitz, Marcus},
  title     = {Simulationsgest{\"u}tzte Kompetenzfeststellung von Triebfahrzeugf{\"u}hrern - Entwicklung und Anwendung eines Verhaltensmarkersystems},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-82272},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Diese Arbeit beschreibt die Entwicklung und Anwendung einer simulationsgest{\"u}tzten Methode zur Kompetenzfeststellung von Triebfahrzeugf{\"u}hrern (Tf) der Deutschen Bahn AG unter Anwendung eines Verhaltensmarkersystems. Diese Methode wurde als ein erweitertes Konzept zur Bewertung eines Tf im Rahmen einer j{\"a}hrlich stattfindenden {\"U}berwachungsfahrt entwickelt. Diese {\"U}berwachungsfahrt besteht aus einer etwa 45-min{\"u}tigen Pr{\"u}fungsfahrt, mit deren Hilfe die Handlungssicherheit eines Tf erh{\"o}ht sowie dessen Leistung und Leistungsf{\"a}higkeit beschrieben und bewertet wird. Die {\"U}berwachungsfahrt wird von geschulten Instruktoren durchgef{\"u}hrt. W{\"a}hrend der Simulatorfahrt werden unregelm{\"a}ßige Ereignisse eingespielt, die der Tf unter Anwendung der vorgeschriebenen Sollverhaltensweisen bew{\"a}ltigen muss. Ziel ist es, keinen sicherheitsrelevanten Mangel zu verursachen. Grundlage des eingef{\"u}hrten Verhaltensmarkersystems ist ein Datenkonzept, das auf den in den Regelwerken beschriebenen Fahrtereignissen und den entsprechenden Sollverhaltensweisen beruht. Die {\"U}berwachungsfahrt wird aus diesen Einzelereignissen zusammengestellt und somit entspricht auch das w{\"a}hrend der {\"U}berwachung zu zeigende Verhalten dem in den Regelwerken beschriebenen Sollverhalten. Um Abweichungen vom vorgeschriebenen Verhalten besser erkennen und bewerten zu k{\"o}nnen, werden sog. Verhaltensmarker eingef{\"u}hrt. Hierbei handelt es sich um objektive und nachpr{\"u}fbare Indikatoren, die etwas {\"u}ber den Grad der Erf{\"u}llung des Sollverhaltens Auskunft geben. Zentral f{\"u}r die Bewertung sind somit die Erfassung m{\"o}glicher Sollverhaltensabweichungen und die Frage nach der Festlegung der Schwere dieser Abweichung im Sinne eines Fehlers. Um Art und St{\"a}rke der Abweichungen vom Sollverhalten wurden objektive Fahrdaten aus dem Simulator herangezogen. Zus{\"a}tzlich wurde ein standardisiertes Beobachtungsverfahren f{\"u}r die Instruktoren entwickelt. In einem zweiten Schritt wurden die {\"u}ber beide Verfahren erfassten Abweichungen vom Sollverhalten auf der Basis von Expertenurteilen entsprechend der potentiellen Auswirkungen gewichtet. Diese Gewichtung reicht in drei Stufen von leichten Fehlern bis hin zu sicherheitsrelevanten M{\"a}ngeln. F{\"u}r alle in den {\"U}berwachungsfahrten vorkommenden Sollverhaltensweisen wurden m{\"o}gliche Abweichungen erhoben und in einer Fehlertabelle den Fehlerkategorien „gering", „mittelschwer" und „sicherheitsrelevant" zugeordnet. Die so gewichtete Fehlerbetrachtung f{\"u}hrt zu einer Gesamtbewertung des Tf und zu einer detaillierten Analyse seiner St{\"a}rken und Schw{\"a}chen. Insgesamt wurden 1033 {\"U}berwachungsfahrten von den Instruktoren auf einem projektspezifischen Bogen protokolliert. {\"U}ber die an den Simulatoren vorhandenen Datenschnittstellen wurden 1314 {\"U}berwachungsfahrten aufgezeichnet. Diese Datenquellen wurden integriert und ausgewertet. Als {\"u}bergeordnetes Ergebnis l{\"a}sst sich festhalten, dass die Anwendung der in dieser Arbeit entwickelten Methode nachweislich die Qualit{\"a}t und Genauigkeit der Bewertung verbessern konnte. Die Verhaltensmarker erm{\"o}glichen eine differenziertere Bewertung des Leistungsstands eines Tf. So ist es nicht nur m{\"o}glich, sicherheitskritisches Verhalten („roter Bereich") und ein optimales, fehlerfreies Verhalten („gr{\"u}ner Bereich") festzustellen, sondern auch Aussagen {\"u}ber den „gelben Bereich" dazwischen zu treffen (z.B. M{\"a}ngel, die in anderen Situationen sicherheitskritisch sein k{\"o}nnen).},
  subject      = {Lokomotivf{\"u}hrer},
  language  = {de}
}