Architekturen von Softwaresystemen sollen einfach erweiterbar und weitestgehend standardisiert sein, damit die Entwickler sich leicht über Architekturen austauschen können. Für den objektorientierten Entwurf haben sich zahlreiche wertvolle Architektur- und Entwurfsmuster herausgebildet. Diese Muster basieren auf objektorientier­­ten Prinzipien. Im Buch werden zuerst die wichtig­sten objektorientierten Prinzipien erklärt. Anschließend wird gezeigt, wie diese objektorientierten Prinzipien in den verschie­denen Architektur- und Entwurfs­mustern umgesetzt werden. Die Muster werden durch lauffähige Bei­spiele in Java illustriert. Für die neue Auflage wurden alle Muster komplett überarbeitet. Dabei wurden die relevanten Diagramme konsequent an UML 2 angepasst. Ebenso wurden die Programmbeispiele in eine einheitliche Form gebracht und sind nun mit der aktuellen Java-Version kompatibel. Der Musterkatalog wurde um das Entwurfsmuster "Memento" ergänzt. Insgesamt wurde der Musterkatalog neu gegliedert, sodass jetzt Muster der gleichen Kategorie zusammen in einem Kapitel zu finden sind. Das Buch richtet sich an Studierende der Informatik und der ingenieurwissenschaftlichen Disziplinen, sowie an berufliche Umsteiger*innen und Entwickler*innen in der Praxis.

Data-Driven Traffic Engineering: Understanding of Traffic and Applications Based on Three-Phase Traffic Theory shifts the current focus from using modeling and simulation data for traffic measurements to the use of actual data. The book uses real-world, empirically-derived data from a large fleet of connected vehicles, local observations and aerial observation to shed light on key traffic phenomena. Readers will learn how to develop an understanding of the empirical features of vehicular traffic networks and how to consider these features in emerging, intelligent transport systems. Topics cover congestion patterns, fuel consumption, the influence of weather, and much more. This book offers a unique, data-driven analysis of vehicular traffic in traffic networks, also considering how to apply data-driven insights to the intelligent transport systems of the future.