EP1326222B1 - Method for self consistent estimation of predictive travel times for use with mobile or stationary detectors for measuring run travel times - Google Patents

Abstract

The method involves using mobile or stationary detectors for measuring experienced travel times, defining a function describing the experienced travel times as a function of time of day, determining a time point whereby the function of the time point equals the measured travel time at a given time and at least approximately self consistently determining the predictive travel time at the given time by numerically solving an equation.

Description

1. 1. Floating Car Data:
   • Die Reisezeit auf einem durch zwei Wegepunkte definierten Streckenstück lässt sich etwa messen durch Übertragung der Zeitpunkte, zu denen ein Floating Car jene Wegepunkte erreicht.
2. 2. Fahrzeugidentifikation, z. B. durch Kameras:
   • Die Reisezeit auf einem durch zwei Messpunkte definierten Streckenstück kann gemessen werden, wenn die verwendete Sensorik in der Lage ist, Fahrzeuge nach Durchfahren des Streckenstücks wiederzuerkennen. Dies kann etwa durch Bildverarbeitungsmethoden (z. B. Wiedererkennen von Nummernschilden) oder durch Korrelation von Fahrzeuggruppen realisiert werden.
3. 3. Zellortung von Mobiltelefonen:
   • Durch statistische Analyse der Bewegung einer grossen Anzahl von mobilen Telefonen durch die Zellen eines Funknetzes und Betimmung der zugehörigen Geschwindigkeiten kann der Anteil der Geräte isoliert werden, der wahrscheinlich in Fahrzeugen transportiert wird, und können die entsprechenden Reisezeiten den Kanten eines Verkehrsnetzes zugeordnet werden.
4. 4. Luftbeobachtungen:
   • Durch zyklische Auswertung von Satelliten- oder Luftbildern in einem Spektralbereich, der die Erkennung und Wiedererkennung im Folgezyklus von Einzelfahrzeugen oder zumindest Fahrzeuggruppen erlaubt, lassen sich Reisezeiten auf Streckenabschnitten messen, die durch die Reisegeschwindigkeit und den Erfassungszyklus definiert sind.

One of the utmost importance for supporting traffic telematic services, especially dynamic navigation services, is travel time on the directional edges of a road network. Initial attempts to measure this size were based on measurements of vehicle speed by stationary sensors and various methods of estimating travel time on a defined route from measurements of speed at particular points. Due to the associated difficulties and quality problems, various efforts have been made to directly measure travel times without detours via estimation methods. At least the following procedures have been used or tested:

1. 1. Floating Car Data:
   • The travel time on a route piece defined by two waypoints can be measured by transferring the times at which a floating car reaches those waypoints.
2. 2. Vehicle identification, z. By cameras:
   • The journey time on a section defined by two measuring points can be measured if the sensor system used is capable of recognizing vehicles after passing through the section. This can be achieved, for example, by means of image processing methods (eg recognition of number plates) or by correlation of vehicle groups.
3. 3. Cell Location of Mobile Phones:
   • By statistically analyzing the movement of a large number of mobile telephones through the cells of a radio network and adjusting their associated speeds, the proportion of equipment that is likely to be transported in vehicles can be isolated, and the corresponding travel times can be assigned to the edges of a traffic network.
4. 4. Air observations:
   • By cyclical evaluation of satellite or aerial images in a spectral range, which allows the recognition and recognition in the subsequent cycle of individual vehicles or at least vehicle groups, travel times can be measured on sections of the route, which are defined by the cruising speed and the acquisition cycle.

All these techniques have as measurement result the "experienced travel time", ie the travel time that actually required one or more vehicles to drive through a certain stretch of road. Of interest for a telematic service, however, is the "predictive travel time", ie the travel time, the vehicles, which are currently at the beginning of a section of the route, are expected to need to pass through this section.

The problem now is that the experienced travel time, especially in the most interesting situations, namely precisely when traffic congestion builds up or degrades, of the predictive travel time strongly (by a factor of 2 or more, depending on the traffic situation and the length of the considered route section) can differ. Thus, all above-mentioned methods for measuring travel time are useless unless a correction is made taking into account the difference between experienced and predictive travel time.

1. 1. Selektion oder Konstruktion einer Funktion TT(s), welche die erfahrene Reisezeit als Funktion der Tageszeit beschreibt.
   Selektion: Sofern eine historische Datenbasis vorhanden ist, kann daraus eine Funktion TT(s) unter Verwendung von Merkmalen wie dem Wochentag, dem bekannten Verlauf der erfahrenen Reisezeit seit Tagesbeginn, dem Verkehrsfluss an Messorten auf dem oder in der Nähe des betrachteten Streckenabschnitts selektiert werden. Zum Aufbau der Datenbasis und zur Selektion kann dabei z. B. ein in der DE 197 53 034 A1 beschriebenes Verfahren verwendet werden.
   Konstruktion: Ersatzweise, d. h. bei Abwesenheit einer historischen Datenbasis, kann eine Funktion TT(s) konstruiert werden. Im einfachsten Fall ist diese Funktion abschnittsweise konstant oder linear (Fig. 1), wobei das untere (obere) Niveau der Reisezeit TT'^< (TT^> ) mit der freien Geschwindigkeit (der Restgeschwindigkeit im Stau) v_f (v_s ) und der Länge des betrachteten Streckenabschnitts L zusammenhängt über $$T{T}^{<}=\frac{L}{v_f}\left(T{T}^{<}=\frac{L}{v_s}\right)\mathrm{.}$$
   
   ( ). Die dimensionslose Steilheit der Flanken ergibt sich durch $$\sigma =\pm \frac{1}{L}\left(T{T}^{>}-T{T}^{<}\right)V_s\mathrm{.}$$
   
   , wobei V_s die Geschwindigkeit einer Staufront ist, aus der sich ableiten lässt, wie schnell ausgehend vom unteren Reisezeitniveau auf einem Link TT ^< das obere Niveau TT^> erreicht wird oder umgekehrt.
   Gemischte Verfahren: In vielen Fällen, in denen eine selektierte Funktion TT(s) von aktuellen Messwerten abweicht oder Gründe bekannt sind, die zu Abweichungen führen werden, kann eine selektierte Funktion verändert werden. Auch dazu sind geeignete Verfahren bekannt (z.B. aus der DE 199 35 769 A1 ).
2. 2. Nachdem ein Messwert ETT(t) für die erfahrene Reisezeit zur Zeit t, ermittelt z. B. durch eines der oben beschriebenen Verfahren, und eine Funktion TT(s) vorliegen, ist nun ein Zeitpunkt s_o zu finden derart, dass TT(s_o) = ETT(t) ist.
   Selbst für ausreichend geglättete Funktionen TT(s) wird es i. A. mehrere Lösungen für s_o geben. Typischerweise wird es zwei Lösungen geben, eine für die ansteigende und eine für die abfallende Flanke der Reisezeit (Fig. 2). Falls die linksseitige Ableitung der vorzugsweise geglätteten Funktion ETT, ermittelt aus den vorangegangenen Werten mit ETT(t) als letztem, positiv ist, so ist die Lösung auf der ansteigenden Flanke der Funktion TT(s) zu wählen, ansonsten die Lösung auf der abfallenden Flanke.
3. 3. Im dritten Schritt schließlich ist die prädiktive Reisezeit zur Zeit t, PTT(t), zumindest näherungsweise selbstkonsistent zu ermitteln (Fig. 3). Dabei erfüllt die exakte selbstkonsistente Lösung die Gleichung PTT(t) = TT(s_o + PTT(t)), die allerdings ein numerisches Lösungsverfahren erfordert. Eine einfache Näherung, die in der Praxis bereits eine deutliche Verbesserung gegenüber den vorbekannten Verfahren darstellt, ist aber bereits gegeben durch die Gleichung PTT(t) = TT(s_o + TT(s_o)), welche eine direkte Berechnung erlaubt. Weitere Näherungsverfahren für Lösungen von Fixpunktgleichungen sind aus der Mathematik bekannt.

The invention therefore had the object of finding a method for the self-consistent estimation of predictive travel times, in which this correction is taken into account.
The procedure consists of the following steps:

1. 1. Selection or construction of a function TT (s), which describes the experienced travel time as a function of the time of day.
   Selection: If a historical database is available, a function TT (s) can be selected using features such as the day of the week, the known history of the experienced travel time since the beginning of the day, the traffic flow at locations on or in the vicinity of the section considered. To build the database and selection can be z. B. in the DE 197 53 034 A1 described method can be used.
   Construction: Alternatively, ie in the absence of a historical database, a function TT (s) can be constructed. In the simplest case, this function is in sections constant or linear ( Fig. 1 ), wherein the lower (upper) level of the travel time TT '^< ( TT ^> ) is related to the free speed (the remaining speed in congestion) v _f ( v _s ) and the length of the track L under consideration $$T{T}^{<}=\frac{L}{v_f}\left(T{T}^{<}=\frac{L}{v_s}\right)\mathrm{,}$$
   
   (). The dimensionless steepness of the flanks is given by $$\sigma =\pm \frac{1}{L}\left(T{T}^{>}-T{T}^{<}\right)V_s\mathrm{,}$$
   
   , where V _{s is} the speed of a traffic jam front, from which it can be deduced, how fast starting from the lower travel time level on a link TT ^< the upper level TT ^{> is} reached or vice versa.
   Mixed methods: In many cases where a selected function TT (s) deviates from current measured values or reasons are known that will lead to deviations, a selected function can be changed. Also suitable methods are known (eg from the DE 199 35 769 A1 ).
2. 2. After a measured value ETT (t) for the experienced travel time at time t, determined z. B. by one of the methods described above, and a function TT (s) are present, is now a time s _o to find such that TT (s _o ) = ETT (t) .
   Even for sufficiently smoothed functions TT (s), it will i. A. give several solutions for s _o . Typically, there will be two solutions, one for the rising and one for the falling edge ( Fig. 2 ). If the left-hand derivative of the preferably smoothed function ETT, determined from the previous values with ETT (t) last, is positive, the solution on the rising edge of the function TT (s) should be selected, otherwise the solution on the falling edge ,
3. 3. Finally, in the third step, the predictive travel time at time t, PTT (t), has to be determined at least approximately self-consistently ( Fig. 3 ). The exact self-consistent solution satisfies the equation PTT (t) = TT (s _o + PTT (t)), which, however, requires a numerical solution method. However, a simple approximation, which in practice already represents a clear improvement over the previously known methods, is already given by the equation PTT (t) = TT (s _o + TT (s _o )) , which allows a direct calculation. Further approximation methods for solutions of fixed-point equations are known from mathematics.

The thus determined predictive travel time PTT (t) can now be included in traffic telematic services instead of the measured value ETT (t).

Claims (4)

1. Method for consistent estimation of predictive travel times for use with mobile or fixed detectors for measuring acquired travel times, characterized by the following method steps:

   - definition of a function TT(s) which describes the acquired travel time as a function of the time of day,

   - determination of a time s_o in such a way that the following applies $$\mathrm{TT}\left({\mathrm{s}}_{\mathrm{o}}\right)=\mathrm{ETT}\left(\mathrm{t}\right),$$

   

   
   where ETT(t) is the measured value which is determined for the travel time at the time t,

   - at least approximately consistent determination of the predictive travel time PTT(t) at the time t, wherein the precise consistent solution satisfies the equation PTT(t) = TT(s_o + PTT(t)) which requires a numerical solution method.
2. Method according to Claim 1, characterized in that

   - the function TT(s) is selected using features such as the day of the week, the known profile of the acquired travel time since the start of the day, the traffic flow at measurement locations on or in the vicinity of the route section under consideration from an existing historical database,

   - if the left-side derivation of the preferably smoothed function ETT, determined from the preceding values with ETT(t) as the last value, is positive, the solution on the rising edge of the function TT(s) is to be selected, and otherwise the solution on the falling edge is to be selected.
3. Method according to Claim 1, characterized in that

   - the function TT(s) is constructed, wherein said function is, in the simplest case, constant or linear in certain sections, wherein the lower (upper) level of the travel time TT ^< (TT ^> ) with the free velocity ν_f(ν_s) and the length of the route section L under consideration are associated by means of $${\mathit{TT}}^{<}=\frac{L}{v_f}\left({\mathit{TT}}^{>}=\frac{L}{v_s}\right),$$

   

   where the dimensionless steepness of the edges is given by $$\sigma =\pm \frac{1}{L}({\mathit{TT}}^{>}-{\mathit{TT}}^{<})V_S,$$

   

   
   and where V_s is the velocity of the front of a traffic jam, from which it is possible to derive how quickly the upper level TT ^> is reached from the lower travel time level at a link TT ^<, or conversely,

   - if the left-side derivation of the preferably smoothed function ETT, determined from the preceding values with ETT(t) as the last value, is positive, the solution on the rising edge of the function TT(s) is to be selected, and otherwise the solution on the falling edge is to be selected.
4. Method according to one of the preceding claims, characterized in that a simple approximation is given by the equation $$\mathit{PTT}\left(\mathit{t}\right)\mathit{=}\mathit{TT}\left({\mathit{s}}_{\mathit{o}}\mathit{+}\mathit{TT}\left({\mathit{s}}_{\mathit{o}}\right)\right)$$

   

   
   which permits a direct calculation.

Images