Merge branch 'thesis' of https://github.com/SigmaAlphaPi/sap_ba_thesis …

…into thesis

references.bib

@@ -154,6 +154,17 @@ @mastersthesis{dingding
 	journal={U.U.D.M. Project Report},
 	volume = {25}
 }
+@mastersthesis{inhomogen-agent,
+	author={Steffen Ritter},
+	title={{Autonome Multi-Agenten-Systeme in der Industrie}},
+	institution={Hochschule Offenburg},
+	school={Hochschule Offenburg},
+	year={2015},
+	type={Masterarbeit},
+	note={\url{https://opus.hs-offenburg.de/files/963/Master-Thesis.pdf};
+                  abgerufen am 09. April 2018.}
+}
+
 
 
 %== PDFs ==%

tex/000-multiagentensysteme.tex

@@ -1,10 +1,11 @@
 \section{Die Simulationsumgebung und \enquote{LightJason}}
 \label{sec:simulationsumgebung}
 
-Als Simulationsumgebung für die geplanten Tests der Modelle wurde eine modifizierte Version einer Java-Software benutzt, welche im September 2017 für einen Workshop\footnote{siehe \url{https://lightjason.github.io/news/2017-09-workshop/}} mit Doktoranden genutzt wurde.
+Als Simulationsumgebung für die geplanten Tests der Modelle wurde eine %modifizierte Version
+Software verwendet, die Elemente einer Java-Software nutzt, welche als \enquote{Traffic Simulation Game} im September 2017 für einen Workshop\footnote{siehe \url{https://lightjason.github.io/news/2017-09-workshop/}} mit Doktoranden entwickelt wurde.
 Die Steuerung des Agentenverhaltens wird dabei von LightJason, vorgestellt in \cite{lightjason}, übernommen.
 
-Es handelt sich um ein paralleles BDI-Multi-Agenten-Framework zum Erstellen von Multiagentensystemen mit Java. 
+Es handelt sich bei LightJason um ein BDI-Multi-Agenten-Framework zum Erstellen von Multiagentensystemen mit Java, welches nebenläufige Ausführung unterstützt. 
 Dabei wurde versucht einen Rahmen zu schaffen, der es ermöglicht, AI-Algorithmen zu einer bestehenden Softwarearchitektur hinzuzufügen. 
 Das Framework kombiniert klassische Methoden der Künstlichen Intelligenz mit Optimierungs- und Fuzzy-Logik-Konzepten.
 (nach \cite{lightjason-web})
@@ -41,7 +42,7 @@ \section{Die Simulationsumgebung und \enquote{LightJason}}
  \centering
  \includegraphics[width=0.9\textwidth]{intelligent-agent}
  \caption[ein Agent in seiner Umwelt]
- 		{ein Agent in seiner Umwelt, aus \cite{multiagent}}
+ 		{ein Agent in seiner Umwelt, aus \cite[Figure 2.1]{multiagent}}
  \label{figure:intelligent-agent}
 \end{figure}
 \noindent
@@ -79,7 +80,7 @@ \subsubsection{Intelligente Agenten}
 Da sich die die Umwelt des Agenten  mit großer Wahrscheinlichkeit ständig verändert, muss er in der Lage sein, diese Änderungen aufzunehmen und in angemessener Zeit darauf zu reagieren, um seine vorgegebenen Ziele zu erreichen.
 
 \paragraph*{Proaktivität:} 
-Das Verhalten der Agenten ist nicht auf pure Reaktion beschränkt, sondern soll auch eigenes zielführendes Verhalten zeigen. 
+Das Verhalten des Agenten ist nicht auf pure Reaktion beschränkt, sondern soll auch eigenes zielführendes Verhalten zeigen. 
 Er soll die Initiative übernehmen, um sein Ziel zu erreichen.
 
 \paragraph*{soziale Fähigkeit:} 

tex/00d-danksagung.tex

@@ -0,0 +1,20 @@
+\newpage
+\thispagestyle{empty}
+\begin{center}
+\LARGE\bfseries Danksagung\linebreak[4]
+\end{center}
+
+
+An dieser Stelle möchte ich mich bei all denjenigen bedanken, die mich während der Anfertigung dieser Bachelorarbeit unterstützt und motiviert haben. \\\
+
+Mein Dank gebührt Herrn Prof. Dr. Jörg Müller für die Bereitstellung des Themas und die Übernahme des Erstgutachtens.
+Herrn Dr. Umut Durak danke ich für das Übernehmen des Zweitgutachtens. \\\
+
+Weiterhin vielen herzlichen Dank an meinen Betreuer, Herrn Dipl.-Inf. Philipp Kraus, für die hilfreichen Anregungen und die konstruktive Kritik bei der Erstellung dieser Arbeit. \\\
+
+Besonderer Dank gilt meiner Frau, meinen beiden Töchtern, meinen Eltern und Großeltern für die Unterstützung während meiner Studienzeit.  \\\
+
+Danke auch an die Kommilitonen, die mich in dieser Zeit begleitet haben. \\\
+
+Sven Albert-Pedersen\\
+Clausthal-Zellerfeld am \today

tex/01-einleitung.tex

@@ -6,17 +6,19 @@ \section{Einleitung}
 An Land unterscheidet man wiederum in \mbox{straßen-/}wege- oder schienenbasierten Verkehr.
 
 Um Straßen so auszulegen, dass sie auch noch prognostizierten Verkehr bewältigen können, bedarf es geeigneter Modelle und Simulationsmethoden.
-Bereits in der ersten Hälfte des  vergangenen Jahrhunderts gab es Bestrebungen, Verkehrsmuster zu erklären und nachzubilden.
+Bereits in der ersten Hälfte des  vergangenen Jahrhunderts gab es Bestrebungen, Verkehrsmuster zu erkennen, erklären und nachzubilden.
 
 Am Anfang der 1990er Jahre gelang es Kai Nagel und Michael Schreckenberg mit einfachen mathematischen Regeln das Verhalten eines einzelnen Fahrzeug(führer)s so abzubilden, dass die Interaktion mehrerer dieser Fahrzeuge ein realistisches Verkehrsbild zeigte.
-Das damals erstellte Modell trägt inzwischen den Namen seiner Entdecker, das \enquote{Nagel-Schreckenberg-Modell}, und wurde u.a. dafür genutzt, das gesamte deutsche Autobahnnetz in Echtzeit zu simulieren.
+Das damals erstellte Modell trägt inzwischen den Namen seiner Entdecker, das \enquote{Nagel-Schreckenberg-Modell}. Im Jahre 1995 konnte damit z.B. das deutsche Autobahnnetz in Echtzeit simuliert werden und wird außerdem im Rahmen der Software TRANSIMS zur Simulation des Straßenverkehrs der Schweiz genutzt (siehe \cite[S. 33]{spahn-da}).
 
-Das Modell setzt allerdings Homogenität der Verkehrsteilnehmer voraus. 
+Das Modell arbeitet allerdings mit gleichartigen Verkehrsteilnehmern.
+%Das Modell setzt allerdings Homogenität der Verkehrsteilnehmer voraus. 
 Dies stellt sich natürlich in der Realität vollkommen anders dar.
 Vom \enquote{Schleicher auf der linken Spur} bis hin zum \enquote{Verkehrsrowdy} gibt es eine Vielzahl von Autofahrertypen und von der \enquote{Ente} bis zum Porsche die unterschiedlichsten Fahrzeuge.
-Das Konzept der Agentenprogrammierung erlaubt jetzt, anstatt homogenen Verkehrs eine große Vielfalt unterschiedlicher Verkehrssubjekte (und -objekte) darzustellen und diese miteinander agieren zu lassen.
 
-Mit dieser Arbeit soll gezeigt werden, ob sich das Multiagentenframework \enquote{LightJason} dazu eignet, Verkehrsverhalten nachzubilden.
+In Multiagentensystemen ist diese Gleichartigkeit nicht zwingend erforderlich \cite[S. 2]{inhomogen-agent}. Anstatt homogenen Verkehrs kann eine große Vielfalt unterschiedlicher Verkehrssubjekte (und -objekte) dargestellt werden und diese können miteinander agieren.
+
+Mit dieser Arbeit soll gezeigt werden, ob sich das Multiagentenframework \enquote{LightJason} mit \enquote{AgentSpeak(L++)} dazu eignet, das Grundkonzept des Nagel-Scheckenberg-Modells für die Steuerung von Agenten zu übernehmen und Verkehrsverhalten unter Beachtung realer Ge"-schwin"-dig"-keits-, Abstands- und Beschleunigungswerte nachzubilden.
 
 
 
@@ -25,7 +27,8 @@ \subsection{Gliederung der Arbeit}
 
 Diese Bachelorarbeit besteht aus insgesamt sechs Kapiteln.
 Das \cref{sec:sota} enthält einige Arbeiten, die Historie und Stand der Technik auf dem behandelten Gebiet wiederspiegeln.
-\cref{sec:simulationsumgebung} beschäftigt sich mit der Thematik Multiagentensysteme und stellt die Simulationsumgebung und das Agenten-Framework vor.
+\cref{sec:simulationsumgebung} beschäftigt sich mit der Thematik Multiagentensysteme und stellt %die Simulationsumgebung und 
+das Agenten-Framework vor.
 Dem Entwicklungsprozess, der das Verhalten des Nagel-Schreckenberg-Modells (NaSch-Modell) als Agentenversion als Ergebnis hat, sowie dessen Test widmet sich \cref{sec:realisierung}.
 Im darauf folgenden Kapitel werden Erweiterungsideen für eine Mehrspurversion gegeben.
-Im letzten Kapitel beinhaltet Fazit und Ausblick.
+Das letzte Kapitel beinhaltet Fazit und Ausblick.

tex/03-sota.tex

@@ -13,7 +13,7 @@ \section{State-of-the-Art}
  \centering
  \includegraphics[width=0.9\textwidth]{family-tree}
  \caption[Überblick über die Entwicklung der Verkehrsflussmodelle]
- 		{\enquote{Stammbaum} der Verkehrsflussmodelle, aus \cite{genealogy}}
+ 		{\enquote{Stammbaum} der Verkehrsflussmodelle, aus \cite[Fig. 2]{genealogy}}
  \label{figure:family-tree}
 \end{figure}
 
@@ -23,14 +23,14 @@ \section{State-of-the-Art}
  \centering
  \includegraphics[width=0.9\textwidth]{fundamental-relations}
  \caption[Fundamentalrelationen in verschiedenen Ebenen]
- 		{Fundamentalrelationen in verschiedenen Ebenen, aus \cite{genealogy}}
+ 		{Fundamentalrelationen in verschiedenen Ebenen, aus \cite[Fig. 3]{genealogy}}
  \label{figure:fundamental-relations}
 \end{figure}
 
 Verschiedene Ansätze, Verkehrsflüsse zu simulieren, die auch unterschiedliche Sichtweisen auf Verkehr und Verkehrsteilnehmer ermöglichen, %- mikro- makro- und mesoskopisch, 
 wurden und werden verfolgt, vgl. \cite{dingding}.
 \begin{itemize}
-	\item \textit{Mikroskopische Modelle} simulieren einzelne Fahrzeug-Fahrer-Einheiten, basierend auf dem Fahrerverhalten. Zwei Modellierungsansätze können hier unterschieden werden: das Fahrzeugfolgemodell (\enquote{car-following model}) und das Zellularautomatenmodell. Zu letzterem mehr in \cref{Zellularautomaten}.%\sa{hier direkt den Verweis auf das Kapitel rein}
+	\item \textit{Mikroskopische Modelle} simulieren einzelne Fahrzeug-Fahrer-Einheiten, basierend auf dem Fahrerverhalten. Zwei Modellierungsansätze können hier unterschieden werden: das Fahrzeugfolgemodell (\enquote{car-following model}) und das Zellularautomatenmodell. Zu letzterem mehr in \cref{sec:ca}.%\sa{hier direkt den Verweis auf das Kapitel rein}
 	\item \textit{Makroskopische Modelle}  konzentrieren sich auf Charakteristiken des Verkehrsflusses, wie mittlere Geschwindigkeit (\enquote{average velocity}), Verkehrsdichte, -fluss und Durchschnittsgeschwindigkeit des Verkehrsstromes (\enquote{mean speed of a traffic stream}).
 	\item \textit{Mesoskopische Modelle} kombinieren die beiden vorgenannten Modelle, simulieren die Fahrzeuge einzeln, nutzen aber die makroskopische Sicht, um deren Aktivitäten und Interaktionen zu beschreiben. Ein klassischer Vertreter ist das gaskinetische Modell.
 \end{itemize}
@@ -47,7 +47,7 @@ \subsection{Zellularautomaten}
 %\addcontentsline{toc}{subsection}{Zellularautomaten}
 \label{sec:ca}
 
-Zellularautomaten werden seit etwa 25--30 Jahren für die Verkehrssimulation verwendet.
+Zellularautomaten (oder zelluläre Automaten) werden seit etwa 25--30 Jahren für die Verkehrssimulation verwendet.
 
 \begin{quote}
 Ein zellulärer Automat ist eine regelmäßige Annordnung von Zellen. Jede Zelle kann eine endliche Zahl von Werten / Zuständen annehmen und hat eine  begrenzte Zahl von Nachbarzellen, die sie beeinflussen können. Das Muster des gesamten zellulären Automaten ändert sich in einzelnen Schritten, die durch eine Reihe von Übergangsregeln bestimmt werden, die für alle Zellen gelten. (aus \cite{cell-autom})
@@ -72,7 +72,7 @@ \subsection{Zellularautomaten}
 \subparagraph{Das Nagel-Schreckenberg-Modell:}%\sa{Überschrift auf nächste Seite umbrechen}
 \label{sec:na-sch}
 \hfill \\
-Nagel und Schreckenberg war es 1992 gelungen, auf Basis solcher Automaten mit einfachen Regeln das mikroskopische Verhalten jedes Fahr\-zeug\-füh\-rers so abzubilden, dass sich die makroskopische Sicht auf den Verkehrsfluss als für Autobahnverkehr realistisch darstellte. 
+Nagel und Schreckenberg war es 1992 gelungen, auf Basis solcher Automaten mit einfachen Regeln das mikroskopische Verhalten jedes Fahr\-zeug\-füh\-rers so abzubilden, dass sich die makroskopische Sicht auf den Verkehrsfluss als für den Autobahnverkehr realistisch darstellte. 
 Jedes Fahrzeug durchläuft in jedem Zeitschritt die folgenden Übergangsregeln, vgl. \cite{na-sch}. 
 
 \begin{enumerate}
@@ -126,7 +126,7 @@ \subsection{Zellularautomaten}
 \end{figure} 
 
 Zu Beginn eines Simulationslaufes wurden $N$ Fahrzeuge zufällig auf die $L$ Zellen verteilt.
-Dies führte dazu, dass über den Durchlauf hinweg eine konstante Fahrzeugdichte $\rho$ im System garantiert werden konnte:
+Dies führte dazu, dass über den Durchlauf hinweg im System eine konstante Fahrzeugdichte $\rho$ garantiert werden konnte:
 \begin{equation}
 \rho = \dfrac{N}{L} = \dfrac{\text{Anzahl der Fahrzeuge im System}}{\text{Anzahl der Zellen des Systems}}
 \nonumber
@@ -145,7 +145,7 @@ \subsection{Zellularautomaten}
 \begin{itemize}
 	\item \textit{Sicherheitsbedingung}: 
 	\\	
-	die Geschwindigkeit des Fahrzeugs auf der Spur auf die gewechselt werden soll, darf nicht größer als der Abstand des Fahrzeugs sein (keine Behinderung des Nachfolgeverkehrs), $v^{o,b} \leq \Delta x^{o,b}-1$;
+	die Geschwindigkeit des Fahrzeugs auf der Spur auf die gewechselt werden soll, darf nicht größer als der Abstand zu jenen Fahrzeug sein (keine Behinderung des Nachfolgeverkehrs), $v^{o,b} \leq \Delta x^{o,b}-1$;
 	\item \textit{Intention zum Spurwechsel}: 
 	\\
 	Fahrzeug kann nicht so schnell fahren, wie es möchte, $v_{max} > \Delta x-1$ \\
@@ -156,7 +156,7 @@ \subsection{Zellularautomaten}
 	(diese Regeln werden mit einer gewissen Wahrscheinlichkeit $p_{l2r}$ (\enquote{Zu"-rück"-wech"-sel"-wahr"-schein"-lich"-keit}) ausgeführt) \\
 	ausreichend großer Abstand zum hinteren Fahrzeug auf der rechten Spur, $v^{o,b}_{max} \leq \Delta x^{o,b}-1$ \\
 	UND \\
-	ausreichend Platz auf der rechten Spur, $v \leq \Delta x^{o}-1$
+	ausreichend Platz nach vorn auf der rechten Spur, $v \leq \Delta x^{o}-1$
 \end{itemize}
 
 %\sa{es wäre sinnvoll genau diese Definition als Grundlage für das erste Mehrspurszenario in der Simulation zu nutzen und sich in der Arbeit darauf zu beziehen}
@@ -169,7 +169,7 @@ \subsection{Zellularautomaten}
 Was dieser Modellierung fehlt, ist die Berücksichtigung irregulärer Verhaltensweisen der Fahrer - Unsicherheiten (z.B. Fehleinschätzungen oder Ängste), Ablenkungen (z.B. Gespräche mit anderen Fahrzeuginsassen, Telefonieren, Suche im Handschuhfach oder nach der fallen gelassenen Zigarette). 
 
 Zusätzlich ist die Bremswirkung, wie auch im ursprünglichen Nagel-Schreckenberg-Modell, \enquote{über\-di\-men\-sio\-niert}. 
-Vollbremsungen aus Höchstgeschwindigkeit sind innerhalb kürzester Distanz möglich \cite{acc-free}.
+Vollbremsungen aus Höchstgeschwindigkeit sind innerhalb kürzester Distanzen und Zeiträume möglich \cite{acc-free}.
 Daraus ergibt sich eine weitere fehlende Komponente der Realität.
 Denn auch Unfälle gehören zum Verkehrsgeschehen. \\
 Studien zufolge sind drei Viertel der Autofahrer abgelenkt, wenn sie am Steuer sitzen. 
@@ -226,7 +226,7 @@ \subsection{Das Social-Force-Vehicle-Modell}
 \begin{figure}[hptb]
  \centering
  \includegraphics[width=0.7\textwidth]{social-forces}
- \caption[\enquote{Social Forces} für Grid-Zellen]{Vorschlag der \enquote{Social Forces} für Grid-Zellen (Fahrzeug auf Normalspur), aus \cite{dat-ba}}
+ \caption[\enquote{Social Forces} für Grid-Zellen]{Vorschlag der \enquote{Social Forces} für Grid-Zellen (Fahrzeug auf Normalspur), aus \cite[Abb. 22]{dat-ba}}
  \label{figure:social-forces}
 \end{figure}
 \noindent