Verfahren und Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen

Beschreibung

[0001] Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen.

[0002] Das wesentliche Problem der Verkehrslageerfassung im Straßenverkehr besteht heutzutage im Allgemeinen darin, auf Basis einer vergleichsweise dünnen Datengrundlage sinnvolle bzw. korrekte Aussagen über den aktuellen Verkehrszustand im jeweils betrachteten Verkehrsnetz zu treffen. Als Grund für die dünne Datenbasis ist dabei in erster Linie zu nennen, dass der größte Teil der derzeit verwendeten Messeinrichtungen (Induktionsschleifen, ...) jeweils nur lokale Informationen liefert, sodass für die Straßenabschnitte zwischen zwei solchen Detektoren keine direkten Verkehrsdaten gemessen werden können. Neuere Arten von Detektoren wie Videokameras oder FCD-Systeme, die grundsätzlich zu einer flächigen Erfassung des Verkehrs in der Lage sind, haben jeweils andere Nachteile.

[0003] Insgesamt müssen daher im Hinblick auf eine flächendeckende Verkehrslageerfassung durch geschickte Aufbereitung der jeweiligen Verkehrsdaten über die erfassten Messwerte hinaus Zusatzinformationen gewonnen werden, wozu im Allgemeinen mehr oder weniger komplexe Verkehrsmodelle (Warteschlangenmodelle, Zellularautomaten, ...) oder empirische Zusammenhänge zwischen den Daten verschiedener Detektoren (Stichwort: Datenfusion) verwendet werden können.

[0004] Im Rahmen der Verkehrslageerfassung gibt es verschiedene Möglichkeiten der Messung von Verkehrsdaten. Speziell im Hinblick auf die Ermittlung von Rückstaulängen an Lichtsignalanlagen sind aber - wie oben erwähnt - in aller Regel zusätzliche Überlegungen notwendig, da Staulängen im allgemeinen nur mit großem technischen bzw. finanziellen Aufwand direkt gemessen werden können.

[0005] Die einfachste Methode der Verkehrslageerfassung ist die manuelle Verkehrszählung, bei der vor Ort durch entsprechende Personen Verkehrsbeobachtungen durchgeführt werden. Diese Form der Verkehrslageerfassung kann allerdings sinnvollerweise zeitlich nur in eng umgrenzten Maßen stattfinden und liefert mitunter auch nur sehr grobe Daten. Folglich können solche Daten kaum zur Gewinnung von flächendeckenden und zeitnahen Verkehrsinformationen genutzt werden. Vielmehr dienen sie als rein historische Informationen, die hauptsächlich zu Offline-Planungszwecken und als Erfahrungswerte verwendet werden.

[0006] Eine einfache Weiterentwicklung ist die Beobachtung des Straßenverkehrs an ausgewählten Straßenabschnitten und Knotenpunkten mit Hilfe von Videokameras, deren Bilder zeitaktuell auf verschiedenen Monitoren einer Verkehrsleitzentrale angezeigt werden. Dadurch kann ein relativ großes Gebiet von einer einzelnen Person gleichzeitig beobachtet werden. Nichtsdestotrotz bleibt das Problem, dass ein solches System nicht vollständig automatisiert ablaufen kann, sodass ferner die Qualität wesentlich von der Aufmerksamkeit und der Erfahrung der jeweiligen Person abhängt, die in der Verkehrsleitzentrale die Kamerabilder auswerten muss.

[0007] Entsprechend wurden bislang zahlreiche Methoden entwickelt, um vollständig automatisch Verkehrsinformationen, d.h. konkret Rückstaulängen an Lichtsignalanlagen, zu erfassen und zu verarbeiten. Im Rahmen der Verkehrslageerfassung mit klassischen Schleifendetektoren (Induktionsschleifen) werden in der Regel Verkehrsstärken, Belegungszeiten des jeweiligen Detektors und Zeitlücken zwischen den Fahrzeugen gemessen (Je nach Konstruktion sind ferner lokale Geschwindigkeiten der Fahrzeuge messbar.). Über die Belegungszeiten bei einem Schleifendetektor im Bereich vor einer Lichtsignalanlage kann dabei entschieden werden, ob ein entsprechender Ampelrückstau auf die Strecke zwischen Lichtsignalanlage und Detektor beschränkt ist oder mindestens bis an den Detektor hinanreicht. Eine genauere Angabe der Rückstaulänge ist mit dieser Methode jedoch nicht möglich.

[0008] Ferner ist zu bemerken, dass die Gültigkeit der Messwerte von Schleifendetektoren insbesondere in urbanen Verkehrsnetzen in der Regel lokal stark begrenzt ist. Mit anderen Worten ist es nicht unwahrscheinlich, dass ein Detektor, der vielleicht nur 100 Meter von einem anderen entfernt installiert ist, völlig andere Daten misst. Folglich müssten für eine unmittelbare, flächendeckende Verkehrslageerfassung mit Induktionsschleifen (dasselbe gilt auch für Detektoren mit ähnlichen Charakteristika, z.B. Infrarot- oder Radarsensoren) entsprechende Detektoren in relativ nahen Abständen zueinander installiert werden, was etwa für das Verkehrsnetz einer ganzen Stadt schon aus wirtschaftlicher Sicht nicht realistisch ist.

[0009] Wie oben bereits erwähnt, benutzen daher die klügeren Verfahren zur Verkehrslageerfassung entweder geeignete Verkehrsmodelle oder verknüpfen auf geschickte Weise die Messwerte mehrerer Detektoren, um daraus weitere Informationen zu gewinnen. So ist ein Verfahren mit einem einfachen Bilanzierungsansatz bekannt, bei dem die Rückstaulänge über den Vergleich der Anzahl zu- und abfließender Fahrzeuge geschätzt wird, wobei der Zufluss in jedem Fall mittels eines Detektors kontrolliert wird. In einer ersten Version des Verfahrens wird ein einfaches Verkehrsmodell verwendet, indem für die abfließenden Fahrzeuge ein gleichmäßiges Anfahren der gestauten Fahrzeuge mit konstantem, zeitlichem Abstand angenommen wird. In einer zweiten Variante wird auch der Abfluss mit Hilfe eines Schleifendetektors kontrolliert.

[0010] In beiden Fällen können allerdings Staus, die über den Detektor vor der Lichtsignalanlage hinausreichen, bezüglich ihrer Länge nicht quantifiziert werden. Ferner stellt das Verfahren gewisse Anforderungen an die räumliche Lage der Induktionsschleifen, die in der Realität nicht überall gegeben ist. Findet die Bilanzierung schließlich in der bevorzugten Variante mit Hilfe des Vergleichs der Daten zweier Detektoren statt, führt dies zusätzlich dazu, dass das Verfahren sehr sensibel auf fehlerhafte Daten oder den Ausfall eines der Detektoren reagiert.

[0011] Weiter ist ein modellbasiertes Verfahren zur Verkehrslageerfassung an Lichtsignalanlagen bekannt, das als Eingangsgröße auf jeder Netzkante (lediglich) die Zähl- und Geschwindigkeitsdaten eines einzelnen Schleifendetektors benötigt, für den bezüglich seiner relativen Position zur Lichtsignalanlage allerdings zusätzliche Bedingungen gelten. Da die tatsächlichen Entfernungen zwischen Lichtsignalanlage und Detektor bei den zahlreichen, bereits vorhandenen Zählschleifen in vielen Fällen nicht den geforderten 100 bis 150 Metern entsprechen dürften, wäre für eine flächendeckende Anwendung des Verfahrens insgesamt die Installation vieler zusätzlicher Detektoren erforderlich, was schon aus Kostengründen nicht realistisch scheint.

[0012] Um das Problem der lokalen Detektion (etwa bei Induktionsschleifen), bei der nur an einzelnen, auf wenige Meter begrenzten Straßenquerschnitten Daten gemessen werden können, zu umgehen, werden seit einiger Zeit - wie schon oben erwähnt - digitale Kameras zur Verkehrsbeobachtung eingesetzt, da mit ihrer Hilfe jeweils eine ganze Fläche des Verkehrsnetzes (nämlich das gesamte Sichtfeld der Kamera), z.B. eine Kreuzung, gleichzeitig erfasst werden kann. Mit dem Ziel der Automatisierung der Analyse der Kamerabilder wird dabei eine digitale Bildverarbeitung nachgeschaltet, die Fahrzeuge (oder allgemeiner bewegte Objekte) erkennt und daraus Verkehrsdaten wie etwa Rückstaulängen an Lichtsignalanlagen generiert.

[0013] Schwierig ist in diesem Zusammenhang aber nach wie vor die korrekte Erkennung von Fahrzeugen aufgrund diverser Effekte wie Schattenwurf, Verdeckung oder Dunkelheit bei den aufgezeichneten Kamerabildern. Tatsächlich ist es wegen derselben Phänomene selbst für einen Menschen mitunter nicht einfach, Fahrzeuge auf den Bildern richtig zu unterscheiden. Ferner gilt, dass Staus ohne weiteres natürlich nur innerhalb des Sichtfelds der Kamera detektiert werden können, sodass es auch hier (etwa bei einer an einer Kreuzung installierten Kamera) eine konzeptionelle Obergrenze für die detektierbare Länge des Ampelrückstaus gibt.

[0014] Ein in dieser Hinsicht unproblematisches Hilfsmittel bietet die ebenfalls noch vergleichsweise junge FCD-Technologie, bei der (je nach Konstruktion des Systems auch völlig anonym) die Positionen (ggf. auch weitere aktuelle Fahrzeugdaten wie Geschwindigkeit, Blinkeraktivität, Scheibenwischereinstellung, ...) einzelner so genannter Floating Cars zu gewissen Zeitpunkten an eine Zentrale gesendet werden, wo sie zusammen mit den Daten anderer Floating Cars ausgewertet werden können. Da ferner Floating Cars grundsätzlich überall im Straßennetz unterwegs sein können, sind FCD-Systeme stärker noch als die Verkehrsbeobachtung mit Videokameras und anders als die klassischen Verkehrsdetektoren bereits vom Konzept her zu einer flächendeckenden Verkehrslageerfassung in der Lage.

[0015] Hierin zeigt sich allerdings gleichzeitig auch die wesentliche Schwäche aller bisherigen FCD-Anwendungen: Grundsätzlich sind im Rahmen der aktuell betriebenen FCD-Systeme die verwendeten FCD-Flottengrößen in Relation zur Größe des betrachteten Verkehrsnetzes sehr klein, sodass alle reinen FCD-Verfahren derzeit mit einer extrem dünnen Datengrundlage auskommen müssen. Folglich haben Floating Car Daten in vielen Anwendungen rein unterstützenden Charakter und dienen lediglich zur Kontrolle von auf anderem Weg gewonnenen Verkehrsdaten.

[0016] Um im Fall fehlender oder zu weniger aktueller Floating Car Daten dennoch eine Verkehrslage bestimmen zu können, ist es selbstverständlich möglich, sämtliche Messwerte kontinuierlich in einer Datenbank abzulegen, sodass zu jedem zukünftigen Zeitpunkt bei fehlenden oder zu wenigen Daten historische Informationen in geeigneter Weise zur jeweils aktuellen Datenbasis hinzugefügt werden können. Dabei geht zwar je nach Anteil an ergänzten historischen Messwerten ein Teil der Aktualität des jeweils auf Basis der erweiterten Datengrundlage ermittelten Verkehrszustandes verloren. Da der Straßenverkehr im Allgemeinen aber vielfach periodisch wiederkehrende Muster zeigt (z.B. typische Hauptverkehrszeiten, ...), kann durch geschickte Auswahl der zusätzlichen historischen Daten (z.B. unter Berücksichtigung von Wochentag und Uhrzeit) eine allzu grobe Verfälschung der Ergebnisse im Wesentlichen vermieden werden.

[0017] Im Hinblick auf die konkreten Verfahren zur Verkehrslageerfassung mittels FCD (insbesondere in urbanen Verkehrsnetzen) werden in den meisten aktuellen Anwendungen Floating Cars verwendet, die neben Zeitstempel und aktueller Position (ggf. auch aktueller Geschwindigkeit, ...) bei jeder FCD-Meldung an die Zentrale jeweils eine eindeutige Fahrzeug-Identifikationsnummer mitschicken. Auf diese Weise kann über geeignete Map-Matching- und Routing-Algorithmen für jedes Fahrzeug die gefahrene Route (Trajektorie) im Straßennetz weitestgehend rekonstruiert werden. Ferner ergibt sich jeweils für die Strecke zwischen je zwei aufeinanderfolgenden FCD-Meldungen aus der Differenz der zugehörigen Zeitstempel eine Reisezeit, die als wesentliche Verkehrsinformation betrachtet werden kann. Mit Hilfe des leicht zu ermittelnden Wissens über die Länge jeder dieser Strecken (Teil-Trajektorien), die durchaus mehrere Netzkanten umfassen kann, ist es überdies möglich, unmittelbar eine durchschnittliche Reisegeschwindigkeit für den jeweils befahrenen Straßenzug zu berechnen.

[0018] Unglücklicherweise sind die so gewonnenen Verkehrsdaten allerdings bedingt durch die komplexe Dynamik des Verkehrsflusses insbesondere in urbanen Verkehrsnetzen stark verrauscht, was die weitergehende Auswertung vielfach erschwert. Dies liegt daran, dass die Reisezeiten stark von der jeweiligen Lichtsignalanlage-Phase variieren, die das jeweilige FCD-Fahrzeug vorfindet (z.B. grüne Welle oder im Gegensatz hierzu viele Rot-Phasen).

[0019] Ferner sind die Reisezeiten, die in der beschriebenen Situation im Allgemeinen nicht zwingend bezogen auf die einzelnen Netzkanten der unterliegenden digitalen Karte vorliegen, nur schwer im Rahmen des Verkehrsmanagements, d.h. speziell im Hinblick auf die Steuerung von Lichtsignalanlagen, interpretierbar.

[0020] Aus EP 1 480 184 A2 ist ein Verfahren zur Bestimmung von Rückstaulängen an Verkehrssignalanlagen mittels einer Datenverarbeitungseinrichtung und einem vor der Lichtsignalanlage angeordneten Detektor bekannt, wobei Vergleichsfundamentaldiagramme mittels Simulation erzeugt werden und mit einem mittels Detektor ermittelten Fundamentaldiagramm auf Ähnlichkeit verglichen werden.

[0021] Aus der DE 600 12 535 T2 ist ein Verfahren zur Darstellung von Parametern einer Verkehrsüberlastung, z.B. von Staulängen, relativ zu einem, durch eine mit der Bezugsumgebung der Verkehrsüberlastung im Zusammenhang stehenden Position definierten, Abbildungsfokus bekannt, bei dem Positionsdaten von Meldefahrzeugen als Detektordaten genutzt werden.

[0022] Aus der DE 100 18 562 C1 ist ein Verfahren zur Gewinnung von Verkehrsdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten und diese verbindenden Streckenkanten durch sich im Verkehr mitbewegenden Meldefahrzeuge bekannt, wobei Datengewinnungsvorgänge wenigstens für sukzessiv befahrende Netzknoten jeweils nicht vor dem Verlassen einer in den jeweiligen Netzknoten einmündenden Streckenkante ausgelöst werden und im jeweiligen Datengewinnungsvorgang als Verkehrsdaten eine Zeitstempelinformation gewonnen wird, die einen auf den betreffenden Netzknoten bezogenen Meldezeitpunkt angibt, der nicht früher als der Zeitpunkt des Verlassens der betreffenden Streckenkante und nicht später als der Zeitpunkt liegt, zu dem das Meldefahrzeug einen Abschnitt einer danach befahrenen Streckenkante vor einem nächsten berücksichtigten Netzknoten erreicht.

[0023] Aus der DE 100 22 812 A1 ist ein Verfahren zur Bestimmung der Verkehrslage auf der Basis von Verkehrsdaten bekannt, die durch sich im Verkehr mitbewegende Meldefahrzeuge gewonnen werden, für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten und diese verbindenden Streckenkanten, wobei für die Reisezeit auf den Streckenkanten indikative Verkehrsdaten durch sich im Verkehr mitbewegende Meldefahrzeuge gewonnen werden, wobei anhand der gewonnenen Verkehrsdaten die Reisezeiten für die Streckenkanten ermittelt werden und anhand der ermittelten streckenkantenspezifischen Reisezeiten ein oder mehrere Verkehrslageparameter bestimmt werden.

[0024] Dabei stellt die benötigte Form der Meldezeitpunkte (Meldung jeweils an den Netzknoten) erhöhte Anforderungen an die Ausstattung der verwendeten Floating Cars gegenüber der derzeit häufig benutzten Methode, dass Floating Cars schlicht in regelmäßigen Zeitabständen (typischerweise 30 Sekunden bis 5 Minuten) ihre jeweils aktuellen Positionsdaten übermitteln.

[0025] Grundsätzlich wäre es für die Auswertung von Floating Car Daten natürlich bereits sehr nützlich, wenn die erfassten Fahrzeugdaten mit möglichst kurzen Zeitabständen zwischen den einzelnen FCD-Meldungen verfügbar wären. Der wesentliche Engpass aller FCD-Systeme ist allerdings die Kommunikation zwischen den Fahrzeugen und der Zentrale. Da die Verbindung derzeit in der Regel über kostenpflichtige Mobilfunknetze (GSM, UMTS) hergestellt wird, ist eine kontinuierliche Datenübertragung schon aus wirtschaftlicher Sicht nicht möglich.

[0026] Aus der DE 10 2004 039 854 A1 ist ein Verfahren zum Ermitteln von Verkehrsinformationen in einem Straßennetz mit mindestens einer Straßenkreuzung bekannt, an welcher der Verkehrsfluss mittels einer Lichtsignalanlage geregelt wird, die ein Steuergerät zum Anschalten von Lichtzeichen darstellenden Signalgebern aufweist, wobei mit dem Verkehrsfluss korrelierende Verkehrsdaten erfasst und daraus Verkehrsinformationen, insbesondere eine Verkehrsnachfrage für mindestens einen Teil des Straßennetzes ermittelt werden, wobei von sich der Straßenkreuzung nähernden Fahrzeugen einer Stichprobenflotte fahrzeugspezifische Verkehrsdaten durch lokal um die Straßenkreuzung begrenzte, drahtlose Übertragung vom Fahrzeug zum Steuergerät der Lichtsignalanlage erfasst werden.

[0027] Aus der DE 101 10 326 A1 ist ein Verfahren zur Ermittlung einer aktuellen Verkehrslage für Verkehrslagerekonstruktionen und/oder Verkehrsprognosen in einem Verkehrsnetz bekannt, wobei die aktuelle Verkehrslage für einen vorgegebenen Bereich auf Basis einer Ortung von Mobiltelefonen ermittelt wird, wobei die Ortung der Mobiltelefone zu verschiedenen aufeinanderfolgenden Zeitpunkten durchgeführt und aus den ermittelten Orten der Mobiltelefone eine räumliche Verteilung der Mobiltelefone zu den verschiedenen aufeinanderfolgenden Zeitpunkten ermittelt und gespeichert wird.

[0028] Aus der DE 101 10 327 A1 ist ein Verfahren zur Ermittlung der aktuellen Verkehrslage für Verkehrslagerekonstruktionen und/oder Verkehrsprognosen in einem Verkehrsnetz bekannt, wobei die aktuelle Verkehrslage für einen vorgegebenen Bereich auf Basis einer Ortung vom Mobiltelefon ermittelt wird, wobei jedes Mobiltelefon über eine zugeordnete Identifikationsnummer eindeutig identifizierbar ist, wobei die Ortung der identifizierten Mobiltelefone zu verschiedenen aufeinanderfolgenden Zeitpunkten durchgeführt und aus den ermittelten Orten der identifizierten Mobiltelefone zu den verschiedenen aufeinanderfolgenden Zeitpunkten ermittelt und gespeichert wird.

[0029] Durch eine Analyse der Verteilung der Mobiltelefone und im Falle, dass eine Identifizierung der einzelnen Mobiltelefone, d.h. eine Verfolgung über die Zeit möglich ist, durch die Auswertung der Bewegungsmuster jedes einzelnen Mobiltelefons kann dabei entschieden werden, ob ein erfasstes Mobiltelefon etwa in einem PKW mitbewegt wird, einem Radfahrer gehört oder einem Fußgänger zuzuordnen ist. Geht man beispielsweise davon aus, dass langfristig vermutlich nahezu jeder Autofahrer ein Mobiltelefon mit sich führen wird, kann folglich praktisch jedes Fahrzeug im Straßenverkehr bezüglich seiner Position erfasst werden. Anschließend können etwa alle so ermittelten PKW-Positionen mittels eines Map-Matchings graphisch als Punkte in einer digitalen Karte dargestellt werden. Aufgrund einer höheren Verkehrsdichte lassen sich dann etwa Staus leicht an den Häufungen solcher Punkte erkennen. Die Auswertung der Graphiken erfolgt dabei entweder manuell oder mittels einer automatischen Bildverarbeitung durch den Vergleich mit zuvor gespeicherten Verkehrsmustern, für die die gewünschten Verkehrslagekenngrößen wie Rückstaulängen bereits ermittelt wurden. Allerdings lebt das Verfahren wesentlich davon, dass ein möglichst großer Teil der Verkehrsteilnehmer erfasst werden kann, sodass unabhängig von dem immensen Datenvolumen, das bei einer weiträumigen Anwendung des Verfahrens anfallen würde, eine möglicherweise wünschenswerte Übertragung der beschriebenen graphischen Methode auf ein klassisches FCD-System, bei dem die Ortungsgenauigkeit typischerweise deutlich höher ist, derzeit nicht möglich scheint.

[0030] Aus dem Fachartikel "Nagel, K., Schreckenberg, M.: A cellular automaton model for freeway traffic, I. Phys. France 2 (1992), Seiten 2221-2229" ist ein Verkehrsmodell bekannt, das in Fachkreisen als Nagel-Schreckenberg-Modell bekannt ist, für das beispielsweise Dichteprofile berechnet werden können. Dichtprofil ist dabei ein Verlauf der lokalen Verkehrsdichte auf dem betrachteten Straßensegment.

[0031] Der Erfindung liegt das technische Problem zugrunde, ein Verfahren und eine Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen zu schaffen, die mit geringem messtechnischen Aufwand Rückstaulängen über einen weiten Bereich ermitteln können.

[0032] Die Lösung des technischen Problems ergibt sich durch die Gegenstände mit den Merkmalen der Patentansprüche 1 und 9. Weitere vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.

[0033] Das Verfahren und die Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen mittels einer Datenverarbeitungseinrichtung sind dadurch gekennzeichnet, dass in der Datenverarbeitungseinrichtung ein Verkehrsmodell für Straßensegmente mit Lichtsignalanlagen implementiert ist, wobei das Verkehrsmodell mindestens Dichteprofile in Abhängigkeit eines Parameters liefert, wobei über eine Schnittstelle der Datenverarbeitungseinrichtung Positionsdaten von Meldefahrzeugen im jeweiligen Straßensegment zugeführt werden und ein Schätzungsverfahren zur Ermittlung des Dichteprofils durchführbar ist, das mit den ermittelten Positionsdaten die größte Übereinstimmung aufweist, wobei eine Rückstaulänge an den Lichtsignalanlagen mittels des Verkehrsmodells unter Berücksichtigung des Parameters des ausgewählten Dichteprofils ermittelt wird. Die Positionsdaten können dabei hochgenaue GPS-Daten sein, aber auch beispielsweise Positionsdaten, die mittels eines Mobilfunktelefons ermittelt wurden. Dabei ist eine Identifizierung der Meldefahrzeuge und/oder Mobilfunktelefone nicht zwingend. Weiter benötigt das Verfahren nur wenige Positionsdaten, um bereits brauchbare Ergebnisse zu liefern. Die Positionsdaten werden vorzugsweise mit einem Zeitstempel versehen, bevor diese an die Vorrichtung übermittelt werden. Dabei sei angemerkt, dass unter Verkehrsmodell allgemein auch eine geeignete, parameterabhängige, mathematische Funktion verstanden wird.

[0034] Mögliche Anwendungen der so ermittelten Rückstaulängendaten sind z.B. die Qualitätssicherung im Verkehrsmanagement etwa im Rahmen einer Kontrolle der Auswirkungen von Änderungen bei den Schaltplänen der Lichtsignalsteuerung oder die verkehrslageabhängige Navigation in urbanen Straßennetzen. Bei einer ausreichenden Versorgung mit Floating-Car-Daten ist ferner auch ein Online-Verkehrsmanagement im Sinne einer zeitaktuellen, verkehrslageabhängigen Verkehrsbeeinflussung (Lichtsignalsteuerung, dynamisches Routing, ...) denkbar.

[0035] Überdies ist das erfindungsgemäße Verfahren natürlich auch für alle anderen Formen von Verkehrs- oder Transportnetzen mit ähnlichen Rahmenbedingungen (Kanten mit periodisch geregeltem Abfluss) geeignet, um Stauungen der jeweiligen Verkehrsobjekte am Kantenende bezüglich ihrer Länge zu erfassen.

[0036] Überdies beinhaltet das Verfahren implizit einen gewissen Mechanismus zur Selbstkorrektur, sodass sogar die im Vergleich zu anderen Ansätzen der modellgestützten Verkehrslageerfassung wenigen benötigten Parameter vielfach nur grob geschätzt werden müssen. Wie bei der Datenbasis stellt das erfindungsgemäße Verfahren also vergleichsweise geringe Anforderungen an die erforderlichen Modellparameter, was zum einen den Kalibrierungsaufwand minimiert und zum anderen das Verfahren in gewisser Weise zusätzlich robuster macht.

[0037] In einer bevorzugten Ausführungsform werden dem Verkehrsmodell die Parameter Segmentlänge (Straßenlänge) und Steuerparameter der Lichtsignalanlage zugeführt, also beispielsweise die Dauer der Rot- und Grünphasen.

[0038] Weiter vorzugsweise werden dem Verkehrsmodell zusätzlich eine maximale Geschwindigkeit der Kraftfahrzeuge und/oder ein Korrekturterm als Parameter zugeführt. Bei der maximalen Geschwindigkeit kann es sich um die gesetzliche Höchstgeschwindigkeit handeln oder aber um die empirisch ermittelte tatsächlich gefahrene Höchstgeschwindigkeit handeln, wobei letzterer der Vorzug zu geben ist.

[0039] In einer weiteren bevorzugten Ausführungsform sind die Dichteprofile vom Parameter Zufluss bzw. Zufluss-Wahrscheinlichkeit/Verkehrsnachfrage abhängig.

[0040] In einer weiteren bevorzugten Ausführungsform ist das Verkehrsmodell als Nagel-Schreckenberg-Modell ausgebildet. Der Vorteil dieses Modells ist, dass dieses nicht zu kompliziert ist und dennoch hinreichend genaue Dichteprofile liefert. Des Weiteren liefert das Modell nicht nur mittlere oder maximale Werte für die jeweils gewünschten Verkehrsparameter, sondern sogar vollständige, approximative Wahrscheinlichkeitsverteilungen für die entsprechenden Kenngrößen, insbesondere die Rückstaulängen an LSAs.

[0041] In einer weiteren bevorzugten Ausführungsform ist das Schätzverfahren eine Maximum-Likelihood-Schätzung. Die Methode der Maximum-Likelihood-Schätzung hat den Vorteil, dass die Zuordnung der entsprechenden Referenz weniger von einem subjektiven Eindruck des Betrachters abhängt und mit Hilfe eines standardmäßigen, numerischen Optimierungsalgorithmus durchgeführt werden kann, der mitunter zusätzlich ein Qualitätsmaß für die Verlässlichkeit bzw. Eindeutigkeit der Zuordnung angeben kann. Ein weiterer Vorteil ist, dass sehr einfach weitere Daten (Stichwort Datenfusion) neben den Positionsdaten bei der Ermittlung des geeignetsten Dichteprofils berücksichtigt werden können, wodurch insbesondere bei nur geringer Datenbasis von Positionsdaten trotzdem eine sehr gute Schätzung erreicht werden kann (Einschränkung des Parameterraums durch die zusätzlichen Daten). Anstelle der Einschränkung des Parameterraumes können auch einzelne Parameter anhand von a priori Informationen gewichtet werden.

[0042] In einer weiteren bevorzugten Ausführungsform gehen neben den Positionsdaten weitere Daten der Meldefahrzeuge (z.B. Geschwindigkeit) und/oder von externen Sensoren (z.B. Induktionsschleifen) und/oder a priori Informationen (z.B. historische Verläufe der Dichteprofile in Abhängigkeit von Wochentag und Uhrzeit) in die Schätzung zur Ermittlung des Dichteprofils ein.

[0043] In einer weiteren bevorzugten Ausführungsform werden durch das Verkehrsmodell weitere Verkehrsparameter des Straßensegments ermittelt und/oder Parameter für eine adaptive Steuerung der Lichtsignalanlage generiert.

[0044] Das zuvor für die Ermittlung von Rückstaulängen an Lichtsignalanlagen beschriebene Verfahren ist allgemein verwendbar zur Ermittlung von Rückstaulängen an zeitweise blockierten Ausgängen von Kanten eines Transportnetzes. Dabei wird entsprechend ein Modell benutzt, um Dichteprofile in Abhängigkeit eines Parameters zu erhalten, wobei das Modell auch aus einfachen mathematischen Funktionen bestehen kann. Die sich auf dem Transportnetz bewegenden Objekte geben dann Positionsdaten ab, wobei dann wieder mittels eines Schätzverfahrens das zu den Positionsdaten am besten passende Dichteprofil ermittelt wird und der oder die zugehörigen Parameter in das Modell zurückgeführt werden und daraus eine Rückstaulänge berechnet wird. Eine mögliche Anwendung in der Logistik ist das Nachverfolgen von Paketen, Containern oder ähnlichen Objekten, die teilweise mit Mitteln zur Übermittlung von Positionsdaten ausgebildet sind. Das Transportnetz kann dabei beispielsweise als Fließband bzw. Transportband ausgebildet sein. Wird dann beispielsweise das Transportband an einer Stelle gestoppt, weil beispielsweise derzeit kein LKW oder ähnliches Transportmittel vorhanden ist, um die Objekte weiterzutransportieren, so kommt es zu einem Rückstau. Anhand der Berechnung des Rückstaus können dann Gegenmaßnahmen eingeleitet werden oder aber Transportzeiten besser vorhergesagt werden.

[0045] Die Erfindung wird nachfolgend anhand eines bevorzugten Ausführungsbeispiels näher erläutert. Die Fig. zeigen:

Fig. 1

ein schematisches Ablaufdiagramm eines Verfahrens zur Ermittlung einer Rückstaulänge an einer Lichtsignalanlage,

Fig. 2

Verkehrsdichteprofile für verschiedene Zufluss-Wahrscheinlichkeiten,

Fig. 3

eine Zuordnung eines Dichteprofils zu gemessenen Positionsdaten,

Fig. 4

ein Verlauf der Durchschnittsgeschwindigkeit über der Tageszeit,

Fig. 5

einen Wochengang der maximalen Staulänge,

Fig. 6

einen geglätteten Tagesgang der Staulänge,

Fig. 7

ein FCD-Dichteprofil,

Fig. 8

einen Tagesgang der Staulänge und

Fig. 9

einen geglätteten Tagesgang der Staulänge.

[0046] Die originäre Eingangsgröße des erfindungsgemäßen Verfahrens bilden die Positionsdaten x_i einer Stichprobe von relevanten Verkehrsobjekten (Floating Cars bzw. Melderfahrzeuge), die als Ergebnis eines Map-Matchings netzkantenbezogen als Entfernungen zu einem beliebigen, aber festen Referenzpunkt des jeweiligen Straßenabschnitts vorliegen. Als Referenzpunkt können in vorteilhafter Weise etwa der Segmentanfang oder die Haltelinie der Lichtsignalanlage am Segmentende gewählt werden. Je nach Datenlage (Anzahl an aktuell erfassten FCD-Positionen) kann ferner die Datenbasis in beliebigem Umfang mit historischen Daten aus einer Datenbank ergänzt werden. Insbesondere können in einer vorteilhaften Ausführung des erfindungsgemäßen Verfahrens unter der Annahme periodisch wiederkehrender Verkehrsmuster bei einer zu geringen FCD-Abdeckung gespeicherte Positionsdaten desselben Wochentags und/oder derselben Tageszeit nach Netzkanten differenziert zu den Eingangsgrößen des Verfahrens hinzugefügt werden. Wie bereits zuvor erwähnt ist es dabei völlig unerheblich, auf welchem Weg die benötigten Positionsdaten erfasst werden/wurden. Beispielsweise ist mit geeigneter Vorabprozessierung, d.h. Unterscheidung nach Typen (Fußgänger, Radfahrer, Fahrzeuge, ...) auch die Positionsbestimmung der relevanten Verkehrsobjekte mittels Mobilfunktelefonen möglich.

[0047] Grundlegend für das erfindungsgemäße Verfahren ist nun die Tatsache, dass es innerhalb eines (urbanen) Straßennetzes typischerweise genau an den Lichtsignalanlagen zu Häufungen von Fahrzeugen und zu Wartezeiten kommt. Geht man nun von einer (annähernd) homogenen Verteilung der verfügbaren Floating Cars auf die Menge aller am Verkehr beteiligten Fahrzeuge aus, so kann man annehmen, dass die Floating Cars räumlich im Wesentlichen gemäß den jeweils aktuellen Profilen lokaler Verkehrsdichten im Verkehrsnetz verstreut sind. Mit anderen Worten halten sich in Abschnitten mit einer hohen lokalen Verkehrsdichte (z.B. vor Lichtsignalanlagen) also relativ mehr Floating Cars auf als etwa in Bereichen mit freiem Verkehrsfluss und entsprechend niedrigerer lokaler Verkehrsdichte.

[0048] Auf Basis eines Verkehrsmodells, das eines der wesentlichen Bestandteile der Verfahrensebene der erfindungsgemäßen Methode darstellt, können dann entsprechende Profile lokaler Verkehrsdichten analytisch oder durch Simulation abgeleitet werden. In einer vorteilhaften Ausführung, die das Verfahren einer effizienteren numerischen Umsetzbarkeit zuführt, findet die Bestimmung der benötigten Dichteprofile K(q) im Rahmen einer mathematischen Analyse statt. Dabei werden die Dichteprofile in Abhängigkeit von einer gewissen Zufluss-Wahrscheinlichkeit q bestimmt, die in wesentlichen Zügen der Verkehrsnachfrage entspricht. Eine Auswahl solcher Profile für verschiedene q zeigt Fig. 2, wobei sehr gut die signifikant höhere lokale Verkehrsdichte im Bereich der Lichtsignalanlage (rechter Rand des Graphen) und die insgesamt mit wachsender Verkehrsnachfrage/Zufluss-Wahrscheinlichkeit q steigende Verkehrsdichte zu erkennen sind.

[0049] Die erforderlichen Parameter des Nagel-Schreckenberg-Modells, die je nach Netzkante variieren (können), sind schließlich die jeweilige Länge L des relevanten Straßenabschnitts (typischerweise Segmentanfang bis Haltelinie), die (zulässige) Höchstgeschwindigkeit v_max sowie die Ampelphasendauern g für die (effektive) Grün- und r für die (effektive) Rotphase. Gelbphasen werden in der konkreten Ausführung des erfindungsgemäßen Verfahrens vernachlässigt, können aber bedarfsweise berücksichtigt werden.

[0050] Unter der für viele aktuell laufende FCD-Systeme zutreffenden Bedingung, dass nun die verfügbaren Floating Cars unabhängig von der umgebenden Verkehrssituation und ohne Netzbezug in der Meldestrategie, d.h. beispielsweise in regelmäßigen Zeitabständen ihre jeweils aktuelle Position übermitteln bzw. im Rahmen einer geeigneten Systemarchitektur zunächst intern speichern und später als Paket senden, sind dann aber nicht nur die Fahrzeuge selbst, sondern auch die gemeldeten FCD-Positionen gemäß dem jeweils aktuellen Dichteprofil des zugehörigen Straßenabschnitts verteilt. Falls es also mit anderen Worten im verwendeten Datenerfassungsprozess keine speziellen ereignis- oder netzbezogenen Meldezeitpunkte (bzw. Zeitpunkte für die vorübergehende fahrzeuginterne Speicherung) der aktuellen FCD-Positionen gibt, treten FCD-Meldungen auf dem jeweils betrachteten Straßensegment im Bereich des Ampelrückstaus (quantitativ dem zugehörigen Dichteprofil entsprechend) mit größerer Wahrscheinlichkeit auf als etwa auf dem Teil mit freiem Verkehr.

[0051] Unterstellt man nun für den (grundsätzlich beliebig wählbaren) Zeitraum, währenddessen die jeweils als Datengrundlage verwendeten FCD-Positionen registriert wurden, eine stationäre Verkehrssituation, d.h. nimmt man an, dass alle FCD-Positionen gemäß demselben Dichteprofil K(q*) mit einem eindeutig zugeordneten, aber unbekannten q* ∈ [0,1] verteilt sind, so ist im Hinblick auf eine statistische Schätzung von q* zu fragen, für welches Dichteprofil bzw für welche Verkehrslage die Kombination aller Positionsdaten die maximale Wahrscheinlichkeit hat.

[0052] Dies ist der wesentliche Bestandteil des Verfahrensbausteins "Fusion" in Fig. 1. Mit Hilfe einer statistischen Standardmethode, der so genannten Maximum-Likelihood-Schätzung wird dabei dasjenige q* im so genannten Parameterraum Θ := [0,1] bestimmt, dessen eindeutig zugeordnetes Dichteprofil K(q*) von allen durch Θ parametrisierten Dichteprofilen K(q) mit q ∈ Θ in gewisser Weise am besten zu den beobachteten FCD-Positionen passt. Fig. 3 zeigt zur Veranschaulichung exemplarisch die Zuordnung eines Dichteprofils K(q*) zu einigen real gemessenen Positionsdaten, die in Form eines Häufigkeitsprofils (Die einzelnen Säulen geben jeweils an, wie oft innerhalb des Beobachtungszeitraums an der entsprechenden Position (metergenau) des Straßenabschnitts ein Floating Car registriert wurde.) dargestellt sind.

[0053] Im Rahmen der Maximum-Likelihood-Schätzung kann es dabei aus technischen Gründen von Vorteil sein, den zunächst überabzählbaren Parameterraum Θ zunächst einzuschränken und so die Menge an möglichen Verkehrszuständen, genauer an Referenz-Dichteprofilen K(q) im Vorfeld zu verkleinern oder allgemeiner im Vorfeld der Schätzung des Parameters q* eine a priori Gewichtung der zulässigen Parameter vorzunehmen. Denkbar ist beispielsweise, anstelle des gesamten, reellen Intervalls [0,1] nur die ganzzahligen Vielfachen einer gewissen Schrittweite h zu betrachten, sodass der eingeschränkte (nun endliche) Parameterraum durch Θ̃ := {q ∈ Θ | q = k · h, k ∈ IN₀} beschrieben werden kann.

[0054] Gleichzeitig bietet diese Möglichkeit, den für die Maximum-Likelihood-Schätzung grundlegenden Parameterraum im Vorfeld praktisch beliebig manipulieren zu können, in nahezu natürlicher Weise eine Schnittstelle, um zusätzliche Verkehrsinformationen in das Verfahren zu integrieren. Sind beispielsweise aktuelle Geschwindigkeitsdaten v_i der relevanten Floating Cars verfügbar und sind diese im Durchschnitt vergleichsweise niedrig, so deutet dies unter Umständen auf eine eher hohe Verkehrsnachfrage hin (vgl. Fig. 4: In der Geschwindigkeitsganglinie sind deutlich die Einbrüche zu den Hauptverkehrszeiten morgens und am späten Nachmittag erkennbar.), so dass es sinnvoll ist, in diesen Fall kleine Werte für q* direkt auszuschließen oder zumindest mit kleinerem Gewicht vorzusehen. Liefert umgekehrt etwa ein Schleifendetektor an der Zufahrt des betrachteten Straßenabschnitts sehr niedrige Verkehrsstärken q_Detektor, so kann im Allgemeinen von einer geringen Verkehrsnachfrage und entsprechend einem grundsätzlich eher kleinen q* ausgegangen werden.

[0055] Ist aufgrund anderer Verkehrsdaten überdies bereits eine eindeutige Verkehrslage mit dem korrespondierenden q* bekannt, so kann der Parameterraum Θ in höchst flexibler Weise formal sogar auf einen einzigen Wert, nämlich q* reduziert werden. Mit anderen Worten wäre also im Rahmen des erfindungsgemäßen Verfahrens das Ergebnis der beschriebenen Maximum-Likelihood-Schätzung bereits vor ihrem Einsatz eindeutig festgelegt.

[0056] Ein weiterer, wichtiger Vorteil der im erfindungsgemäßen Verfahren verwendeten, statistischen Methode besteht ferner als spezielle Form der Selbstkorrektur darin, dass unabhängig von der tatsächlichen, quantitativen Richtigkeit der Referenz-Dichteprofile K(q) stets dasjenige zur Beschreibung der Verkehrslage ausgewählt wird, das in bestimmter Weise am besten zu den beobachteten FCD-Positionen passt. Insbesondere ist dies der Fall, wenn die Modellparameter (speziell v_max, g und r) nicht genau den realen Gegebenheiten entsprechen. Wegen der grundsätzlich qualitativen Ähnlichkeit der Dichteprofile K(q) für verschiedene Konstellationen der Modellparameter kann dadurch aber in gewissem Maße selbst bei fehlerhafter Kalibrierung des Modells eine annähernd korrekte Verkehrslage (Selbstkorrektur), d.h. insbesondere die richtige Rückstaulänge an Lichtsignalanlagen ermittelt werden. Lediglich die entsprechende Schätzung für q*, die in gewisser Weise eine Art Korrekturterm darstellt, dürfte in diesem Fall im Allgemeinen nicht mehr mit der tatsächlichen Verkehrsnachfrage übereinstimmen, wenngleich q* als Eingangsgröße der abschließenden Ergebnisgenerierung im unteren Verfahrensblock "Modell" (siehe Fig. 1) nach wie vor von entscheidender und nutzbringender Bedeutung ist.

[0057] Die Berechung der gewünschten Verkehrslagekenngrößen erfolgt nämlich in völliger Konsistenz mit dem Rest des erfindungsgemäßen Verfahrens durch eine Rückführung des geschätzten q* in das verwendete Verkehrsmodell, wobei aus der ursprünglichen, analytischen Ermittlung der mehrfach genannten Referenz-Dichteprofile K(q) unmittelbar konkrete Formeln etwa für die erwartete, mittlere Rückstaulänge L_{Stau, Durchschnitt}(q*), die erwartete, maximale Staulänge L_Stau,max(q*) sowie deren Standardabweichungen σ(L_{Stau,Durchschnitt}(q*)) und σ(L_Stau,max(q*)) abgeleitet werden können. Überdies können natürlich der Schätzwert q* und das zugehörige Dichteprofil K(q*) ausgegeben werden.

[0058] Eine abschließende Besonderheit, die das erfindungsgemäße Verfahren - wie weiter oben bereits erwähnt - gegenüber anderen Ansätzen zur Verkehrslageerfassung zusätzlich auszeichnet, ist schließlich die Tatsache, dass neben all diesen konkreten Werten sogar eine vollständige, im Rahmen der Modellanalyse hergeleitete Wahrscheinlichkeitsverteilung π(q*) für die Anzahl an Fahrzeugen im jeweiligen Straßenabschnitt am Ende einer Rotphase angegeben werden kann, die in besonderer Weise zugleich unter anderem eine Verteilung für die mittlere und maximale Rückstaulänge darstellt. Folglich können neben den genannten Verkehrskenngrößen sämtliche Werte (z.B. Varianz, höhere Momente, Quantile) bestimmt werden, die als Verteilungseigenschaften in π(q*) enthalten sind.

[0059] Um schließlich die Funktionsweise des erfindungsgemäßen Verfahrens zu überprüfen und die Vorteilhaftigkeit zu belegen, wurde im Weiteren eine Auswertung auf Basis realer Verkehrsdaten (Positions- und Geschwindigkeitsdaten) vorgenommen. Durch Zusammenfassung aller FCD-Positionen eines Monats ergab sich dabei nach Wochentagen differenziert bei einer Datendichte wie in Fig. 3 die in Fig. 5 dargestellte Wochenganglinie für die maximale Rückstaulänge an der Lichtsignalanlage des betrachteten Straßensegments. Man erkennt einen typischerweise zu erwartenden Verlauf mit den durchschnittlich kürzesten Rückstaus am Wochenende, speziell am Sonntag.

[0060] Im Hinblick auf die Detektion tageszeitlicher Schwankungen bei der Rückstaulänge wurde zusätzlich ein weiterer Datensatz mit realen Positions- und Geschwindigkeitsdaten von Floating Cars über fünf Wochen für einen anderen Straßenabschnitt ausgewertet. Dabei wurden die Daten stundenweise nach Uhrzeit gruppiert und anschließend über alle Werktage (Montag bis Freitag) hinweg zusammengefasst. Im Ergebnis ergaben sich folglich 24 Einzeldatensätze (einer für jede Stunde des Tages), die stundenweise jeweils die Positionsdaten aller Werktage des Erfassungszeitraums enthielten und anschließend einzeln ausgewertet wurden. Die resultierende Tagesganglinie eines typischen Werktags für die Rückstaulänge an der betrachteten Lichtsignalanlage ist in einer minimal geglätteten Form in Fig. 6 dargestellt. Man erkennt deutlich die beiden Hauptverkehrszeiten morgens und am Nachmittag bei zugleich sehr kurzen Staulängen insbesondere nachts.

[0061] Bemerkenswert dabei ist, dass durch die Differenzierung der FCD-Positionsdaten nach den Stunden des Tages die einzelnen stundenweisen Datensätze im Vergleich etwa zum vorherigen Beispiel (Datendichte: über 400 Datenpunkte) eine extrem dünne Datengrundlage bilden (vgl. Fig. 7: Die weniger als 30 Datenpunkte entsprechen gerade einmal durchschnittlich rund 5 registrierten Floating Cars auf dem betrachteten Straßenabschnitt pro Stunde.), mit der das erfindungsgemäße Verfahren dennoch scheinbar gut auskommt.

[0062] Tatsächlich gestaltet sich die Situation in anderen Fällen mitunter schwieriger (s. Fig. 8: Das erfindungsgemäße Verfahren kann bei der vorliegenden geringen Datenbasis scheinbar nur schwer Zeiten mit sehr hohem und sehr niedrigem Verkehrsaufkommen auseinanderhalten.), und es zeigt sich je nach konkreter Datenlage (Bei hohen Datendichten sollte dieses Phänomen in der Regel nicht auftreten.) ein wenig plausibler Tagesgang für die Rückstaulängen.

[0063] Über die weiter oben beschriebene Datenfusions-Schnittstelle konnten im konkreten Beispiel allerdings zusätzlich die verfügbaren FCD-Geschwindigkeitsdaten nutzbar gemacht werden, indem je nach Durchschnittsgeschwindigkeit der Parameterraum Θ der Maximum-Likelihood-Schätzung im Rahmen des erfindungsgemäßen Verfahrens auf kleine bzw. große Werte der Verkehrsnachfrage/Zufluss-Wahrscheinlichkeit q eingeschränkt wurde, wobei eine vollständige Übersättigung des betrachteten Straßenabschnitts grundsätzlich ausgeschlossen wurde. Die deutlich besseren und wiederum völlig plausiblen, minimal geglätteten Ergebnisse zeigt Fig. 9, wobei betont sei, dass dabei die gleiche Datenbasis wie bei Fig. 8 zugrunde liegt. Insgesamt konnte somit in vorteilhafter Weise belegt werden, dass mit dem erfindungsgemäßen Verfahren selbst bei einer vergleichsweise dünnen bzw. scheinbar unzureichenden Datenbasis noch gute Resultate erzielt werden können.

[0064] Abschließend sollen natürlich allgemeine Erweiterungsmöglichkeiten genannt werden, die mitunter noch weitere Anwendungsfelder umfassen:

• Bisher wurde im verwendeten Verkehrsmodell keine spezielle Unterscheidung nach Richtungsspuren vorgenommen. Insbesondere können dadurch zunächst keine Rückstaulängen etwa für die unterschiedlichen Fahrtrichtungen (rechts, links, geradeaus) an Kreuzungen unterschieden werden. Ist aus den verwendeten Floating Car Daten allerdings entweder aufgrund einer hochgenauen Ortung oder z.B. durch Kenntnis der Fahrtrouten eine Zuordnung der einzelnen Fahrzeuge zu jeweils einer Richtungsspur möglich, so kann in einfacher Weise durch Gruppierung des Datensatzes nach diesem Kriterium leicht eine richtungsspurbezogene Auswertung mit Hilfe des erfindungsgemäßen Verfahrens realisiert werden.
• Wie bereits mehrfach erwähnt ist für das erfindungsgemäße Verfahren grundsätzlich eine Kopplung mit einer Systemarchitektur wie beispielsweise in DE 10 2004 039 854 A1 beschrieben möglich. Dadurch können wie dort behauptet zum einen die Kosten zur Kommunikation zwischen Fahrzeugen und Zentrale bei gleichzeitig starker Erhöhung der Datendichte drastisch reduziert werden. Folglich können in diesem Kontext - wie überhaupt bei jeder Form der Verbesserung der Datengrundlage, z.B. mittels Mobilfunktelefon-Ortung wie in der DE 101 10 326 A1 und DE 101 10 327 A1 - mit dem erfindungsgemäßen Verfahren noch deutlich genauere und aktuellere Verkehrsinformationen erfasst werden, so dass unter Umständen insbesondere auch Online-Verkehrsmanagement-Anwendungen möglich werden.
• Wegen seiner hohen Flexibilität ist das erfindungsgemäße Verfahren sowohl mit klassischen FCD-Systemen (direkte Kommunikation zwischen Floating Cars und Zentrale) als auch mit nahezu jeder Form der neueren (teilweise dezentralen) Ansätze (Car-2-Infrastructure und Car-2-car) kompatibel. Folglich ist eine vielseitige und langfristige Einsetzbarkeit des erfindungsgemäßen Verfahrens grundsätzlich vorstellbar.
• In seiner beschriebenen Ausführung für den Straßenverkehr ist das erfindungsgemäße Verfahren ein eindimensionaler Ansatz in dem Sinne, dass die Verkehrsdichte entlang einer (eindimensionalen) Strecke (Straßenabschnitt) betrachtet wird. Formal ist mit den verwendeten mathematischen Methoden aber auch jede höher-dimensionale Variante durchführbar. Insbesondere könnte etwa auch der Verkehr auf einer zweidimensionalen Fläche mit den gleichen Methoden erfasst werden, wobei in diesem Fall die Referenz-Dichteprofile anschaulich zu Dichtegebirgen werden.
• Entsprechend ist die Anwendung des erfindungsgemäßen Verfahrens konzeptionell nicht auf Straßenverkehrsnetze beschränkt, sondern kann grundsätzlich auf beliebige Verkehrs- und Transportnetze wie z.B. den Fußgängerverkehr (zweidimensional) oder den Luftverkehr (dreidimensional) übertragen werden.
• Wie bei jedem Verfahren zur Verkehrslageerfassung können überdies die Ergebnisse kontinuierlich in einer Datenbank gespeichert und zu verschiedenen Zwecken weiterverwendet werden. Zu nennen sind hier beispielsweise strategische Verkehrsmanagement-Anwendungen (Planung, Qualitätssicherung, ...) oder Ansätze zur Verkehrsprognose auf Basis historischer und/oder aktueller Verkehrsdaten.

Ansprüche

1. Verfahren zur Ermittlung von Rückstaulängen an Lichtsignalanlagen mittels einer Datenverarbeitungseinrichtung, umfassend folgende Verfahrensschritte:

a) Aufstellen eines Verkehrsmodells für Straßensegmente mit Lichtsignalanlagen, wobei das Verkehrsmodell mindestens Dichteprofile in Abhängigkeit eines Parameters liefert, wobei die Dichteprofile lokale Verkehrsdichten über dem jeweiligen Straßensegment darstellen,

b) Erfassen von Positionsdaten von Meldefahrzeugen im jeweiligen Straßensegment,

c) Durchführen eines Schätzungsverfahrens zur Ermittlung des Dichteprofils, das mit den ermittelten Positionsdaten die größte Übereinstimmung aufweist und

d) Ermitteln einer Rückstaulänge an den Lichtsignalanlagen mittels des Verkehrsmodells unter Berücksichtigung des Parameters des ausgewählten Dichteprofils.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass dem Verkehrsmodell die Parameter Segmentlänge und Steuerparameter der Lichtsignalanlage beim Aufstellen des Verkehrsmodells zugeführt werden.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass dem Verkehrsmodell zusätzlich eine maximale Geschwindigkeit und/oder ein Korrekturterm als Parameter zugeführt werden.

4. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Dichteprofile vom Parameter Zufluss abhängig sind.

5. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das Verkehrsmodell als Nagel-Schreckenberg-Modell ausgebildet ist.

6. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das Schätzverfahren eine Maximum-Likelihood-Schätzung ist.

7. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass neben den Positionsdaten die Geschwindigkeit der Meldefahrzeuge und/oder Daten von externen Sensoren und/oder historische Verläufe der Dichteprofile in Abhängigkeit von Wochentag und Uhrzeit als a priori Informationen in die Schätzung zur Ermittlung des Dichteprofils eingehen.

8. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass durch das Verkehrsmodell eine erwartete, maximale Staulänge und/oder eine hergeleitete Wahrscheinlichkeitsverteilung für die Anzahl an Fahrzeugen im jeweiligen Straßensegment am Ende einer Rotphase ermittelt werden und/oder Parameter für eine adaptive Steuerung der Lichtsignalanlage generiert werden.

9. Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen, umfassend eine Datenverarbeitungseinrichtung, wobei in der Datenverarbeitungseinrichtung ein Verkehrsmodell für Straßensegmente mit Lichtsignalanlagen implementiert ist, dadurch gekennzeichnet, dass das Verkehrsmodell mindestens Dichteprofile in Abhängigkeit eines Parameters liefert, wobei die Dichteprofile lokale Verkehrsdichten über dem jeweiligen Straßensegment darstellen, wobei über eine Schnittstelle der Datenverarbeitungseinrichtung Positionsdaten von Meldefahrzeugen im jeweiligen Straßensegment zugeführt werden und ein Schätzungsverfahren zur Ermittlung des Dichteprofils durchgeführt wird das mit den ermittelten Positionsdaten die größte Übereinstimmung aufweist, wobei eine Rückstaulänge an den Lichtsignalanlagen mittels des Verkehrsmodells unter Berücksichtigung des Parameters des ausgewählten Dichteprofils ermittelt wird.

10. Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, dass dem Verkehrsmodell die Parameter Segmentlänge und Steuerparameter der Lichtsignalanlage zugeführt sind.

11. Vorrichtung nach Anspruch 10, dadurch gekennzeichnet, dass dem Verkehrsmodell zusätzlich eine maximale Geschwindigkeit und/oder ein Korrekturterm als Parameter zugeführt sind.

12. Vorrichtung nach einem der Ansprüche 9 bis 11, dadurch gekennzeichnet, dass die Dichteprofile vom Parameter Zufluss abhängig sind.

13. Vorrichtung nach einem der Ansprüche 9 bis 12, dadurch gekennzeichnet, dass das Verkehrsmodell als Nagel-Schreckenberg-Model ausgebildet ist.

14. Vorrichtung nach einem der Ansprüche 9 bis 13, dadurch gekennzeichnet, dass das Schätzverfahren eine Maximum-Likelihood-Schätzung ist.

15. Vorrichtung nach einem der Ansprüche 9 bis 14, dadurch gekennzeichnet, dass neben den Positionsdaten die Geschwindigkeit der Meldefahrzeuge und/oder Daten von externen Sensoren und/oder historische Verläufe der Dichteprofile in Abhängigkeit von Wochentag und Uhrzeit als a priori Informationen in die Schätzung zur Ermittlung des Dichteprofils eingehen.

16. Vorrichtung nach einem der Ansprüche 9 bis 15, dadurch gekennzeichnet, dass das Verkehrsmodell eine erwartete, maximale Staulänge und/oder eine hergeleitete Wahrscheinlichkeitsverteilung für die Anzahl an Fahrzeugen im jeweiligen Straßensegment am Ende einer Rotphase ermittelt und/oder die Datenverarbeitungseinrichtung Parameter für eine adaptive Steuerung der Lichtsignalanlage generiert.

Claims

1. Method for determining backlog lengths at traffic lights by means of a data processing device, comprising the steps of:

a) erection of a traffic model for road segments with light signal assemblies, wherein the traffic model supplies at least density profiles as a function of a parameter, wherein the density profiles depict local traffic densities over the road segment concerned,

b) detection of position data of reporting vehicles in the respective road segment,

c) performance of an estimation process to determine the density profile which has the greatest correlation with the position data determined, and

d) determination of a backlog length at the traffic lights by means of the traffic model taking into account the parameter of the selected density profile.

2. Method according to claim 1, characterised in that the segment length parameters and control parameters of the traffic lights are supplied to the traffic model on erection of the traffic model.

3. Method according to claim 2, characterised in that in addition a maximum speed and/or a correction term are supplied to the traffic model as parameters.

4. Method according to any one of the preceding claims, characterised in that the density profiles depend on the inflow parameter.

5. Method according to any one of the preceding claims, characterised in that the traffic model is formed as a Nagel-Schreckenberg model.

6. Method according to any one of the preceding claims, characterised in that the estimation process is a maximum likelihood estimation.

7. Method according to any one of the preceding claims, characterised in that as well as position data, the speed of the reporting vehicles and/or data from external sensors and/or historic courses of density profiles depending on day of week and time are included as a priori information in the estimation to determine the density profile.

8. Method according to any one of the preceding claims, characterised in that with the traffic model, an expected maximum tailback length and/or a derived probability distribution for the number of vehicles in the respective road segment at the end of a red phase are determined and/or parameters are generated for adaptive control of the traffic lights.

9. Device for determining tailback lengths at traffic lights, comprising a data processing device, wherein a traffic model for road segments with traffic lights is implemented in the data processing device, characterised in that the traffic model supplies at least density profiles as a function of a parameter, wherein the density profiles depict local traffic densities over the road segment concerned, wherein position data from reporting vehicles in the respective road segment are supplied to the data processing device via an interface, and an estimation process is performed to determine the density profile which has the greatest correlation with the position data determined, wherein a tailback length at the traffic lights is determined by means of the traffic model taking into account the parameter of the density profile selected.

10. Device according to claim 9, characterised in that the segment length parameters and control parameters for the light signal assembly are supplied to the traffic model.

11. Device according to claim 10, characterised in that in addition a maximum speed and/or a correction term are supplied to the traffic model as parameters.

12. Device according to any one of claims 9 to 11, characterised in that the density profiles depend on the inflow parameter.

13. Device according to any one of claims 9 to 12, characterised in that the traffic model is formed as a Nagel-Schreckenberg model.

14. Device according to any one of claims 9 to 13, characterised in that the estimation process is a maximum likelihood estimation.

15. Device according to any one of claims 9 to 14, characterised in that as well as position data, the speed of the reporting vehicles and/or data from external sensors and/or historic courses of density profiles depending on day of week and time are included as a priori information in the estimation to determine the density profile.

16. Device according to any one of claims 9 to 15, characterised in that the traffic model determines an expected maximum tailback length and/or a derived probability distribution for the number of vehicles in the respective road segment at the end of a red phase and/or the data processing device generates parameters for adaptive control of the traffic lights.

Revendications

1. Procédé servant à déterminer des longueurs de retenue à hauteur d'installations de signal lumineux au moyen d'un système de traitement de données, comportant les étapes de procédé suivantes consistant à :

a) établir un modèle de trafic pour des tronçons de route avec des installations de signal lumineux, sachant que le modèle de trafic fournit au moins des profils de densité en fonction d'un paramètre, sachant que les profils de densité représentent des densités de trafic locales sur le tronçon de route concerné ;

b) déterminer des données de position de véhicules de rapport sur le tronçon de route concerné ;

c) mettre en oeuvre un procédé d'estimation servant à déterminer le profil de densité, qui présente une très grande concordance avec les données de position déterminées et;

d) déterminer une longueur de retenue à hauteur des installations de signal lumineux au moyen du modèle de trafic en tenant compte du paramètre de profil de densité sélectionné.

2. Procédé selon la revendication 1, caractérisé en ce que les paramètres que sont la longueur de tronçon et le paramètre de commande de l'installation de signal lumineux sont amenés au modèle de trafic lors de l'établissement dudit modèle de trafic.

3. Procédé selon la revendication 2, caractérisé en ce qu'en outre une vitesse maximale et/ou un terme de correction sont amenés en tant que paramètres au modèle de trafic.

4. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que les profils de densité dépendent du paramètre de l'affluence.

5. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que le modèle de trafic est réalisé comme un modèle proposé par Nagel et Schreckenberg.

6. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que le procédé d'estimation est une estimation du maximum de vraisemblance.

7. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce qu'outre les données de position, la vitesse des véhicules de rapport et/ou des données de capteurs externes et/ou des évolutions historiques des profils de densité en fonction du jour de la semaine et de l'horaire sont prises en compte en tant qu'informations a priori dans l'estimation servant à déterminer le profil de densité.

8. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que le modèle de trafic permet de déterminer une longueur de retenue maximale attendue et/ou une répartition vraisemblable en résultant pour le nombre de véhicules sur le tronçon de route respectif à la fin de la période rouge et/ou de générer des paramètres pour une commande à ajustage automatique de l'installation de signal lumineux.

9. Dispositif servant à déterminer des longueurs de retenue à hauteur d'installations de signal lumineux, comportant un système de traitement de données, sachant que dans ce dernier, un modèle de trafic est implémenté pour des tronçons de route avec des installations de signal lumineux, caractérisé en ce que le modèle de trafic fournit au moins des profils de densité en fonction d'un paramètre, sachant que les profils de densité représentent des densités de trafic locales sur le tronçon de route concerné, sachant que des données de position de véhicules de rapport sont amenées par l'intermédiaire d'une interface du système de traitement de données dans le tronçon de route concerné et qu'un procédé d'estimation est réalisé pour déterminer le profil de densité qui présente la plus grande concordance avec les données de position déterminées, sachant qu'une longueur de retenue est déterminée à hauteur des installations de signal lumineux au moyen du modèle de trafic en tenant compte du paramètre du profil de densité sélectionné.

10. Dispositif selon la revendication 9, caractérisé en ce que les paramètres que sont la longueur de tronçon et le paramètre de commande de l'installation de signal lumineux sont amenés au modèle de trafic.

11. Dispositif selon la revendication 10, caractérisé en ce qu'en outre une vitesse maximale et/ou un terme de correction sont amenés en tant que paramètres au modèle de trafic.

12. Dispositif selon l'une quelconque des revendications 9 à 11, caractérisé en ce que les profils de densité dépendent du paramètre de l'affluence.

13. Dispositif selon l'une quelconque des revendications 9 à 12, caractérisé en ce que le modèle de trafic est réalisé comme un modèle proposé par Nagel et Schreckenberg.

14. Dispositif selon l'une quelconque des revendications 9 à 13, caractérisé en ce que le procédé d'estimation est une estimation du maximum de vraisemblance.

15. Dispositif selon l'une quelconque des revendications 9 à 14, caractérisé en ce qu'outre les données de position, la vitesse des véhicules de rapport et/ou des données de capteurs externes et/ou des évolutions historiques des profils de densité en fonction du jour de la semaine et de l'horaire sont prises en compte comme informations a priori dans l'estimation servant à déterminer le profil de densité.

16. Dispositif selon l'une quelconque des revendications 9 à 15, caractérisé en ce que le modèle de trafic détermine une longueur de retenue maximale attendue et/ou une répartition de vraisemblance en résultant pour le nombre de véhicules sur le tronçon de route concerné à la fin de la période rouge, et/ou en ce que le système de traitement de données génère des paramètres pour une commande à ajustage automatique de l'installation de signal lumineux.

Zeichnung