[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.
[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
xi 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
vmax 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 ∈ IN
0} 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
vi 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
qDetektor, 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
vmax,
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
LStau, Durchschnitt(
q*), die erwartete, maximale Staulänge
LStau,max(
q*) sowie deren Standardabweichungen σ(
LStau,Durchschnitt(
q*)) und σ(
LStau,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.
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.
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.
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.