EP2047448B1 - Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen - Google Patents
Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen Download PDFInfo
- Publication number
- EP2047448B1 EP2047448B1 EP07785629.2A EP07785629A EP2047448B1 EP 2047448 B1 EP2047448 B1 EP 2047448B1 EP 07785629 A EP07785629 A EP 07785629A EP 2047448 B1 EP2047448 B1 EP 2047448B1
- Authority
- EP
- European Patent Office
- Prior art keywords
- traffic
- bottlenecks
- early
- time domain
- early warnings
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 34
- 230000011664 signaling Effects 0.000 title 1
- 230000007704 transition Effects 0.000 claims description 12
- 238000013213 extrapolation Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000013442 quality metrics Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 8
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Definitions
- Traffic information services disseminated through media as diverse as broadcast, mobile, or the Internet are nowadays focused on describing the current traffic situation.
- the information is not available while driving and therefore can not be used for navigation purposes.
- the prognosis is calculated with a deterministic simulation method and comes to a clear result for the traffic situation in 30 or 60 minutes, which due to the stochastic nature of traffic collapses often incorrect.
- EP-A-1657 693 describe systems and methods for generating predictive models based on statistical machine learning techniques that can be used to predict traffic flow and congestion based on abstraction of a traffic system in a set of random variables. These methods include variables that determine the length of time and the location where a traffic congestion occurs, and the time it takes for a congestion to resolve.
- the monitoring data used include traffic flows and other context data such as time of day, day, week, holidays, school seasons, times of important events such as sporting events, holidays, weather conditions and construction sites.
- DE 19954971 A 1 refers to a system for influencing the traffic flow of vehicles. Another part relates to the traffic situation detection means for detecting and outputting traffic-indicator-indicative data computer-aided traffic control center for receiving and evaluating the traffic-situation-indicative data for the purpose of obtaining issued traffic flow influencing data as well as a respective vehicle-side system part which receives and utilizes the traffic flow influencing data.
- the traffic control center is set up to determine traffic flow interference influencing traffic flow disturbance amplitude data, which includes acceleration, speed and / or distance-related data for individual vehicles.
- the respective vehicle-side system part comprises longitudinal movement control means, to which the received traffic flow influencing data are fed and which make the vehicle longitudinal movement influencing control interventions. This approach can be used for. B. to optimize the traffic performance of a road network.
- the US 202/120389 A1 discloses a method for predicting traffic conditions, implementing a prediction and assuming traffic disturbance situation in an area where test vehicles are not currently traveling, by sending flow data concerning the time, position, and traveled areas, which are then sent to a central device become.
- the central device accumulates the flow data in a database of traffic conditions and acceptance means, and also determines the traffic prediction of congestion in the observed areas of the flow vehicles, and can thus predict towards the flow vehicles and also determine information regarding the rearward traffic conditions. Thus, future events and events of the past can be detected.
- the object is to provide a method and a device that find a form of traffic forecast, which the above-mentioned.
- the invention is intended to be spread over existing coded traffic message channels to be available while in motion.
- the Fig. 1 shows an example of a bottleneck.
- the number of tracks is reduced from 3 to 2.
- bottlenecks may be tributaries at the junctions themselves or at highway junctions, construction sites, lane constrictions, etc. Since the knowledge available in a central office about the presence and type of bottlenecks in a national road network is unlikely to be complete and current at any time, a pragmatic approach is to consider each network edge as a potential bottleneck.
- Equation a and b are fit parameters of the Weibull distribution.
- Equation a and b are fit parameters of the Weibull distribution.
- the respective measuring cross sections measure the traffic flow that flows through the bottlenecks, and which leads with increasing probability to traffic collapse.
- fit parameters (a and b in the example above) are determined for all bottlenecks in the considered road network.
- the FIG. 2 shows an example of the result.
- the function Q_arr is given by the measured values for the traffic flow of the respective measuring cross section.
- the collapse probability at the bottleneck A as a function of the traffic flow q can be determined, for example, with the Kaplan-Meier estimator for the survival probability.
- the past values determined in this way can be adapted to the Weibull distribution, eg by a least-square-fit method.
- adjustable quality compromises can be specifically aligned with the requirements of particular applications such as traffic information services.
- quality metrics are defined below, where the width of an event set X with
- a compact description of the information quality is the mean feature or share value of all quality indicators in the population. These values can be estimated from a sample of data using statistical methods.
- TPR
- Pre-warning time ( VWZ ): The period between the notification of the risk of a traffic collapse and the notification of the traffic collapse.
- the adjustable parameters of the early warning system include the prediction period ( ⁇ T ) and the warning threshold ( P bd ) , ie the threshold for the probability of a collapse, which controls the sign-on and log-off of the early warning.
- the TPR varies between the value one (zero) for the smallest (largest) value of the warning threshold, since a small (large) warning threshold means that virtually every (no) fault is warned.
- the key figure FPR assumes a value that is specific for the smallest value of the warning threshold is for a contemplated bottleneck and can sometimes be significantly less than one; when the warning threshold is opened, the code FPR shows a falling tendency.
- the value assumed by the FPR for the lowest value of the warning threshold is, by definition, the probability that there will be no traffic breakdown at the bottleneck in the critical area of transport demand.
- FIG. 4 shows the working characteristic, in which the key figure FPR (costs) is displayed on the x-axis and the key figure TPR (benefits) on the y-axis.
- This working characteristic is called Receiver Operating Characteristics (ROC).
- ROC Receiver Operating Characteristics
- An operating point that corresponds to a conservative setting of the early warning system with a high warning threshold means a small proportion of false-positive classified traffic situations (congestion reported, but no congestion occurs) but at the same time also a low TPR, i. a small proportion of traffic breakdowns that are warned.
- the proposed method solves the problem formulated at the outset.
- each early warning naturally carries a weighting factor (the probability of collapse) that the routing algorithm can use along with the forecasting horizon to construct the dynamic cost function.
Description
- Verkehrsinformationsdienste, die über so unterschiedliche Medien wie den Rundfunk, Mobilfunk oder das Internet verbreitet werden, konzentrieren sich heutzutage auf die Beschreibung der aktuellen Verkehrs situation.
- Im Allgemeinen ist jedoch die zukünftige Information, dh. die während der Fahrt noch zu erwartende Verkehrslage, für einzelne Verkehrsteilnehmer wichtiger, insbesondere bei der dynamischen Navigation. Es gibt daher bereits einen ersten Versuch, Verkehrsprognosen mit einem Horizont von 30 oder 60 Minuten online verfügbar zu machen (www.autobahn.nrw.de). Dieser Ansatz hat jedoch wesentliche Nachteile.
- Einerseits steht die Information nicht während der Fahrt zur Verfügung und kann daher für Navigationszwecke nicht genutzt werden.
- Andererseits ist die Prognose mit einem deterministischen Simulationsverfahren berechnet und kommt zu einem eindeutigen Ergebnis für die Verkehrslage in 30 oder 60 Minuten, welches wegen der stochastischen Natur von Verkehrszusammenbrüchen häufig nicht korrekt ist.
- Ein Forschungsergebnis aus jüngster Zeit erhärtet diesen letzten Aspekt( [1] Brilon, W.; Zurlinden, H.: Kapazität von Straßen als Zufallsgröße. Straßenverkehrstechnik 4/2004, S. 164-172). Die Kapazität einer Straße, insbesondere einer Engstelle, ist keine feste Größe, bei deren Überschreitung der Verkehr unweigerlich zum Erliegen kommt, sondern eine Zufallsgröße, dh. mit ansteigender Verkehrsmenge steigt zwar die Wahrscheinlichkeit für einen Verkehrszusammenbruch, die kritische Menge jedoch, und damit der Zeitpunkt, zu dem ein Ereignis eintritt, bleibt solange unbestimmt wie kein Ereignis eintritt. Daher ist eine Prognose der Entstehung von Verkehrsstaus prinzipiell unsicher (ob) und unscharf (wann). Intuitiv ist dies verständlich, da ein Zusammenbruch von nicht vorhersehbaren Ereignissen wie abruptem Bremsen oder Lkw-Überholmanövern ausgelöst werden kann.
- In der
EP-A-1657 693 werden Systeme und Verfahren zur Erzeugung von vorausschauenden Modellen beschrieben, die auf statistischen Maschinen-Lernverfahren basieren, mit Hilfe derer Voraussage für Verkehrsfluss und Stauungen, basierend auf einer Abstraktion eines Verkehrssystems in einem Satz von Zufallsvariablen getroffen werden können. Diese Verfahren umfassen Variablen, die die Zeitdauer und den Ort, an dem ein Verkehrsstau entsteht, bestimmen, und die Zeit, bis ein Stau aufgelöst wird. Die verwendeten Überwachungsdaten umfassen Verkehrsflüsse und anderen Kontextdaten, wie zum Beispiel Uhrzeit, Tag, Woche, Ferien, Schulzeiten, Zeitpunkte von wichtigen Ereignisse, wie Sportereignissen, Feiertage, Wettersituation und Baustellen. -
DE 19954971 A 1 bezieht sich auf ein System zur Beeinflussung des Verkehrsflusses von Fahrzeugen. Ein weiterer Teil bezieht sich auf das Verkehrslageerfassungsmittel zum Erfassen und Abgeben von verkehrslageindikativen Daten, eine rechnergestützte Verkehrszentrale zum Empfangen und Auswerten der verkehrslageindikativen Daten zwecks Gewinnung abgegebener Verkehrsflußbeeinflussungsdaten sowie einen jeweiligen fahrzeugseitigen Systemteil, das die Verkehrsflußbeeinflussungsdaten empfängt und verwertet. - Erfindungsgemäß ist die Verkehrszentrale zur Ermittlung von verkehrsflußstörungsamplitudenmindernden Verkehrsflußbeeinflussungsdaten eingerichtet, die beschleunigungs-, geschwindigkeits- und/oder abstandsbezogene Daten für individuelle Fahrzeuge umfassen. Der jeweilige fahrzeugseitige Systemteil umfasst Längsbewegungssteuermittel, denen die empfangenen Verkehrsflussbeeinflussungsdaten zugefuhrt werden und die in Abhängigkeit davon die Fahrzeuglängsbewegung beeinflussende Steuerungseingriffe vornehmen. Dieser Ansatz kann verwendet werden z. B. zur Optimierung der Verkehrsleistung eines Straßenverkehrsnetzes.
- Die
US 202/120389 A1 offenbart ein Verfahren zur Vorhersage von Verkehrszuständen, zur Implementierung einer Voraussage und Annahme von Verkehrsstörungssituation in einem Bereich, in dem Probefahrzeuge momentan nicht reisen, indem die Programme Flussdaten senden, die die Zeit, Position und bereiste Bereiche betreffen, die dann an eine zentrale Vorrichtung gesendet werden. Die zentrale Vorrichtung akkumuliert die Flussdaten in einer Datenbank mit Verkehrszuständen und Annahmemittel, und bestimmt ebenfalls die Verkehrsvoraussage hinsichtlich von Staus in den beobachten Bereichen der Flussfahrzeuge, und kann somit in Richtung vor den Flussfahrzeuge eine Voraussage treffen und auch Informationen hinsichtlich der rückwärtig gerichteten Verkehrszustände bestimmen. Somit können zukünftige Ereignisse und Ereignisse der Vergangenheit erfasst werden. - Somit stellt sich die Aufgabe, ein Verfahren und eine Vorrichtung bereitzustellen, die eine Form der Verkehrsprognose finden, welche die og. Nachteile überwinden und eine Reihe von Vorteilen in sich vereinigen. Die Erfindung soll über existierende Kanäle für codierte Verkehrsmeldungen verbreitbar sein, um auch während der Fahrt zur Verfügung zu stehen.
- Ferner soll sie zur Verwendung in der dynamischen Navigation geeignet sein.
- Auch soll sie objektive Qualitätsaussagen treffen, die der Überprüfung auf der Straße standhalten. Ferner soll die stochastische Natur von Verkehrszusammenbrüchen berücksichtigt werden.
- Weiter ist für die Anwendung von Bedeutung, wie sich die stochastische Natur von Verkehrszusammenbrüchen konkret auf Qualitätsmerkmale auswirkt und welche Qualitätsaussagen realistischerweise getroffen werden können. Diese Fragestellung ist für Vorhersagen über die Entstehung von Verkehrszusammenbrüchen auf Autobahnen bislang nicht beantwortet.
- Gelöst wird die Aufgabe durch eine Erfindung mit den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Ausführungsformen werden in den Unteransprüchen beschrieben.
- Zum besseren Verständnis der Erfindung wird auf die Figuren verwiesen, wobei
-
Fig. 1 ein Beispiel für eine Engstelle auf einer Netzkante darstellt; -
Fig. 2 die Susammenbruchswahrscheinlichkeit als Funktion der Verkehrsstärke zeigt; -
Fig. 3 zeigt die Abhängigkeit des Verfahrensparameters Warnschwelle von dem Verfahrensparameter Vorhersagezeitraum.; -
Fig. 4 Die Arbeitscharakteristik, bei der auf der x-Achse die Kennzahl FPR (Kosten) und auf der y-Achse die Kennzahl TPR (Nutzen) dargestellt sind. - Zur Lösung des vorstehenden Problems ist es erforderlich, die Stauentstehung an Engstellen zu verstehen. Die
Fig. 1 zeigt ein Beispiel für eine Engstelle. Auf einer Netzkante (zwischen zwei Anschlussstellen) reduziert sich die Anzahl der Spuren von 3 auf 2. - Andere Beispiele für Engstellen können Zuflüsse an den Anschlussstellen selbst oder an Autobahnkreuzen, Baustellen, Spurverengungen etc. sein. Da das in einer Zentrale vorhandene Wissen über Vorhandensein und Art von Engstellen in einem landesweiten Straßennetz mit hoher Wahrscheinlichkeit zu keinem Zeitpunkt vollständig und aktuell ist, besteht ein pragmatischer Ansatz darin, jede Netzkante als potenzielle Engstelle aufzufassen.
- Für alle angenommenen Engstellen kann nun z.B. mit Hilfe der nach empirischen Untersuchungen [1] als geeignet befundenen Funktion (Weibull-Verteilung)
die Wahrscheinlichkeit für Verkehrszusammenbrüche Pbd in Abhängigkeit von der gemessenen, auf die Engstelle zuströmenden Verkehrsmenge gebracht werden. Es versteht sich, dass diese Funktion auch eine andere Form aufweisen kann und nur als Beispiel dient. Grundlage dazu sind aufgezeichnete Messungen der Verkehrsmenge durch Detektoren, z.B. Induktionsschleifen oder Überkopfdetektoren, und Beobachtungen von Verkehrsstaus, die sich tatsächlich ereignet haben. Hierbei bezeichnet A den Flaschenhals, der durch Wegfall einer Spur entsteht, B einen weiteren Flaschenhals, der durch den Zufluss an der stromabwärtigen Anschlussstelle gegeben ist. DieFig. 1 zeigt die entsprechenden Engstellen. - Bei der og. Gleichung sind a und b Fit-Parameter der Weibull-Verteilung. Für den Engpass A gilt q-Q_arr(A), und für den Engpass B gilt q=Q_arr(B), jeweils solange die Engpässe inaktiv sind, dh. solange sich noch keine Verkehrsstörung ausgebildet hat. Hierbei messen die jeweiligen Messquerschnitte den Verkehrsfluss, der durch die Engpässe hindurchströmt, und der bei Zunahme mit immer höherer Wahrscheinlichkeit zum Verkehrszusammenbruch führt.
- Bei dieser Prozedur werden Fit-Parameter (im obigen Beispiel a und b) für alle Engstellen im betrachteten Straßennetz bestimmt. Die
Figur 2 zeigt ein Beispiel für das Ergebnis. Die Funktion Q_arr ist durch die Messwerte für den Verkehrsfluss des jeweiligen Messquerschnitts gegeben. Die Parameter a und b können durch gängige mathematische Fit-Verfahren bestimmt werden. Es ist aus der Vergangenheit bekannt, bei welchen Verkehrsflüssen (q(t)=Q_arr(A,t)) sich Verkehrszusammenbrüche ereignet haben. Die Zusammenbruchswahrscheinlichkeit am Engpass A als Funktion des Verkehrsflusses q kann beispielsweise mit dem Kaplan-Meier Estimator für die "Survival Probability" ermittelt werden.. Die so bestimmten Vergangenheitswerte können an die Weibullverteilung angepasst werden, z.B. durch ein least-square-fit-Verfahren. - Bis zu diesem Punkt laufen alle Verfahrensschritte in der bevorzugten Ausführungsform offline ab und bereiten die Generierung von Prognosemeldungen in Echtzeit lediglich vor.
- Um nach den vorbereitenden Schritten in Echtzeit vor Verkehrszusammenbrüchen zu warnen, die sich noch nicht ereignet haben, ist zunächst die Kenntnis der aktuellen Nachfrage erforderlich. Diese kann als aus Detektormessungen bekannt vorausgesetzt werden. Sie wird als nächstes für einen anwendungsabhängigen Prognosehorizont prognostiziert. Für kurze Prognosehorizonte von wenigen Minuten sind dazu lineare oder quadratische Extrapolationen geeignet, für längere (30 oder 60 Minuten, wie oben) wird man stärker auf erlernte Nachfrageganglinien zurückgreifen. Alternativen sind jedoch auch für diesen Ansatz denkbar. Für den Übergang von kurzfristiger Extrapolation zur Nutzung der Ganglinie sind verschiedene Techniken möglich, die im Folgenden aufgeführt werden:
- Zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, wird interpoliert.
- Zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, werden Werte aus der Extrapolation und der Ganglinie gewichtet gemittelt.
- Zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, bestimmen extrapolierte Werte das absolute Niveau und die Ganglinie die Kurvenform.
- Mit Hilfe der prognostizierten Nachfrage lässt sich aus der für jede relevante Engstelle vorliegenden Fit-Funktion (
Fig. 2 ) die Zusammenbruchswahrscheinlichkeit ablesen. Überschreitet die über den durch den Prognosehorizont begrenzten Zeitraum kumulierte Zusammenbruchswahrscheinlichkeit einen Grenzwert (z.B. 80%, die "Warnschwelle"), so ist die Ausgabe einer Frühwarnung vor einer Verkehrsstörung angebracht. - Da aufgrund der stochastischen Natur von Verkehrszusammenbrüchen keine absolute Qualität (vor jedem Zusammenbruch wird sicher und frühzeitig gewarnt) erreichbar ist, ist die Untersuchung der Qualitätsaspekte wichtig. Ansonsten besteht die Gefahr, dass gar keine oder unrealistische Qualitätsaussagen oder gar -Zusagen getroffen werden, unter denen letztlich die Akzeptanz der Information leidet.
- Bei vollständiger Kenntnis der Abhängigkeit, die als Funktion einstellbarer Parameter eines Frühwarnsystems zwischen i.d.R. konkurrierenden Qualitätsmerkmalen besteht, können tatsächlich einstellbare Qualitetskompromisse gezielt mit den Anforderungen bestimmter Anwendungen wie Verkehrsinformationsdiensten abgeglichen werden.
- Zur Bildung statistischer Einheiten, auf die sich Qualitätsmerkmale beziehen, werden räumlich und zeitlich eng korrelierte Frühwarnungen (Typ g) und Störungsmeldungen (Typ z) typübergreifend zu Ereignissen (e=g∪z) vereinigt und die folgenden Ereignismengen gebildet:
- Ereignis e ∈
- Bedingung
- Z
- Störungsmeldungen sind Bestandteil von e.
- G
- Frühwarnungen sind Bestandteil von e.
- Z ∩ G
- Störungsmeldungen und Frühwarnungen sind Bestandteil von e.
- !Z ∩ G
- Ausschließlich Frühwarnungen sind Bestandteil von e.
- Z ∩ !G
- Ausschließlich Störungsmeldungen sind Bestandteil von e.
- Die nachfolgende Konfusionsmatrix verdeutlicht die Bedeutung dieser Ereignismengen.
Frühwarnung: Besteht die Gefahr (G) eines Zusammenbruchs ? Z Ja Nein Störungsmeldung: Hat sich tatsächlich ein Ja Frühwarnung Z ∩ G unterlassene Frühwarnung Z ∩ !G Zusammenbruch (Z) ereignet ? Nein Blindalarm !Z ∩ G G - Für eine Gesamtheit statistischer Einheiten sind nachfolgend Qualitätskennzahlen definiert, wobei die Mächtigkeit einer Ereignismenge X mit |X| bezeichnet ist. Eine kompakte Beschreibung der Informationsqualität ist der mittlere Merkmals- bzw. Anteilswert aller Qualitätskennzahlen in der Grundgesamtheit. Diese Werte können anhand einer Datenstichprobe mit statistischen Methoden geschätzt werden.
- True Positive Rate: TPR = | Z ∩ G | / | Z |, d.h. der Anteil Störungsereignisse, die durch ein Frühwarnereignis abgedeckt sind (Frühwarnrate).
- False negative Rate: FNR = | Z ∩ !G | / | Z |, d.h. der Anteil Störungsereignisse, die nicht durch ein Frühwarnereignis abgedeckt sind.
- Es gilt die Beziehung FNR = 1 - TPR.
- Positive Predictive Value: PPV = | Z ∩ G | / | G |, d.h. der Anteil Frühwarnereignisse, die sich auf Störungsereignisse beziehen (relevante Frühwarnereignisse).
- False Positive Rate: FPR = | !Z ∩ G | / | G |, d.h. der Anteil Frühwarnereignisse, die sich nicht auf Störungsereignisse beziehen (Blindalarmrate).
- Es gilt die Beziehung FPR = 1 - PPV.
- Vorwarnzeit (VWZ): Der Zeitraum, der zwischen der Anmeldung der Gefahr eines Verkehrszusammenbruchs und der Anmeldung des Verkehrszusammenbruchs vergeht.
- Zu den einstellbaren Parametern des Frühwarnsystems zählen der Vorhersagezeitraum (ΔT) und die Warnschwelle (Pbd ), d.h. der Schwellwert für die Eintrittswahrscheinlichkeit eines Zusammenbruchs, der die An- und Abmeldung der Frühwarnung steuert.
-
- Pbd = Warnschwelle der Frühwarnung [%],
- ΔT = gewünschter Vorhersagezeitraum (z.B. 15 Minuten) [min],
- At = Referenzvorhersagezeitraum (z.B. 5 Minuten) [min].
-
Fig. 3 Die Warnschwelle x einer Frühwarnung mit einem Vorhersagezeitraum von = 5 Minuten entspricht der Warnschwelle y einer Frühwarnung mit einem Vorhersagezeitraum von = 15 Minuten. - Zur Ermittlung der Arbeitscharakteristik des Frühwarnsystems werden alle Einstellungen für die Parameter Vorhersagezeitraum und Warnschwelle durchgespielt, die resultierenden Gesamtheiten von Frühwarn- und Störungsereignissen ermittelt, die Qualitätskennzahlen vermessen und in ein Qualitätsdiagramm eingetragen.
- Dabei variiert die Kennzahl TPR zwischen dem Wert eins (null) für den kleinsten (größten) Wert der Warnschwelle, da eine kleine (große) Warnschwelle bedeutet, dass praktisch vor jeder (keiner) Störung gewarnt wird. Die Kennzahl FPR nimmt für den kleinsten Wert der Warnschwelle einen Wert an, der spezifisch für eine betrachtete Engstelle ist und teilweise deutlich kleiner als eins ausfallen kann; beim Aufdrehen der Warnschwelle zeigt die Kennzahl FPR eine fallende Tendenz.
- Der Wert, den die Kennzahl FPR für den kleinsten Wert der Warnschwelle annimmt, ist definitionsgemäß die Wahrscheinlichkeit dafür, dass sich an der Engstelle im kritischen Bereich der Verkehrsnachfrage überhaupt kein Verkehrszusammenbruch ereignet.
- Die
Figur 4 zeigt die Arbeitscharakteristik, bei der auf der x-Achse die Kennzahl FPR (Kosten) und auf der y-Achse die Kennzahl TPR (Nutzen) dargestellt sind. Diese Arbeitscharakteristik wird als Receiver Operating Characteristics (ROC) bezeichnet. Jeder (Arbeits-) Punkt auf dem Graph der ROC markiert den maximalen Nutzen des Informationsprodukts Frühwarnung unter der Randbedingung, dass die Kosten einen vorgegebenen Wert nicht überschreiten. - Ein Arbeitspunkt, der einer konservativen Einstellung des Frühwarnsystems mit einer hohen Warnschwelle entspricht (Kreis), bedeutet einen geringen Anteil an falsch-positiv klassifizierten Verkehrssituationen (Staugefahr gemeldet, aber es ereignet sich kein Stau) gleichzeitig aber auch eine geringe TPR, d.h. einen geringen Anteil Verkehrszusammenbrüche, vor denen gewarnt wird.
- Die gegensätzliche Einstellung des Systems wird durch eine niedrig gewählte Warnschwelle erreicht (Rechteck) und führt dazu, dass praktisch vor jedem Zusammenbruch gewarnt wird aber auch häufig Blindalarme auftreten.
- Das vorgeschlagene Verfahren löst das eingangs formulierte Problem.
- Frühwarnungen der hier beschriebenen Art lassen sich durch gängige Medien wie z.B. den TMC-Kanal verbreiten. Für Frühwarnungen können existierende Codes, wie etwa "stationary traffic expected" oder "queueing traffic expected" verwendet werden.
- Sie sind zur Verwendung in der dynamischen Navigation geeignet, denn jede Frühwarnung trägt auf natürliche Weise einen Gewichtsfaktor mit sich (die Zusammenbruchswahrscheinlichkeit), den der Routingalgorithmus zusammen mit dem Prognosehorizont zur Konstruktion der dynamischen Kostenfunktion verwender kann.
- Sie sind auf die lokalen Gegebenheiten im gesamten Netz angepasst und haben daher bei regelmäßiger Kalibrierung optimale Früh- und Blindwarnraten sowie Vorwarnzeiten.
- Sie berücksichtigen die zufällige Natur von Verkehrszusammenbrüchen und gaukeln dem Nutzer nicht vor, die Stauentstehung können auf die Minuten genau vorhergesagt werden.
- Ihre Informationsqualität ist anhand messbarer Qualitätskriterien objektiv bewertbar und kann anhand der Arbeitscharakteristik gezielt speziellen Qualitätsanforderungen einer Anwendung angepasst werden.
- Es versteht sich, dass die bevorzugten Ausführungsbeispiele keine Einschränkung des Anmeldegegenstandes darstellen sollen. Vielmehr dienen Sie zum Verständnis. Folglich dienen die Ansprüche zur Bestimmung des Schutzumfanges.
-
- [1] Brilon, W.; Zurlinden, H. : Kapazität von Straßen als Zufallsgröße. Straßenverkehrstechnik 4/2004, S. 164-172
Claims (33)
- Verfahren zur Generierung von Frühwarnungen vor Verkehrszusamffienbrüchen umfassend die folgenden Schritte:- dynamisches Schätzen der Kapazität von Engstellen im Straßennetz,- Ermitteln der aktuellen Nachfrage an Engstellen,- Ermitteln der voraussichtlichen Nachfrage an Engstellen für einen wählbaren Prognosehorizont, auf der Basis der aktuellen Nachfrage an Engstellen,- Auslösen von Frühwarnungen, sobald die sich aus voraussichtlicher Nachfrage und dynamischer Kapazität ergebende Zusammenbruchswahrscheinlichkeit einen Grenzwert, die Warnschwelle, übersteigt.
- Das Verfahren nach dem vorhergehenden Anspruch, weiterhin umfassend:Schätzen der Kapazität von Engstellen im Straßennetz unter Berücksichtigung, dass die Kapazität von Engstellen eine Weibull-verteilte Zufallsgröße ist.
- Das Verfahren nach dem vorhergehenden Anspruch, weiterhin umfassend, dass die Gleichung
(die Weibull-Verteilung) die Wahrscheinlichkeit für Verkehrszusammenbrüche Pbd in Abhängigkeit von der gemessenen, auf die Engstelle zuströmenden Verkehrsmenge berechnet, wobei die Parameter a und b durch gängige mathematische Fit-Verfahren aus Beobachtungen oder Messungen bestimmt werden, die zum Inhalt haben, bei welchen Verkehrsflüssen (q(t)=Q_arr(A,t)) sich Verkehrszusammenbrüche ereignet haben. - Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend: Ermitteln der aktuellen Nachfrage an Engstellen mittels aktueller und/oder historischer Daten für die Verkehrsmenge.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend: Ermitteln der voraussichtlichen Nachfrage für einen wählbaren Prognosehorizont mittels Extrapolation, insbesondere mittels ganglinienbasierter Extrapolation.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend, dass zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, interpoliert wird.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend, dass zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, Werte aus der Extrapolation und der Ganglinie gewichtet gemittelt werden.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend, dass zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, extrapolierte Werte das absolute Niveau und die Ganglinie die Kurvenform bestimmen.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, weiterhin umfassend, dass jede Netzkante in einem Straßennetz als potenzielle Endstelle aufzufassen ist.
- Das Verfahren nach einem oder mehreren der vorhergehenden Anspruche, weiterhin umfassend, dass die Frühwarnungen über gängige Medien wie den TMC-Kanal verbreitet werden.
- Das Verfahren nach einem oder mehreren der vorhergehenden Ansprüche, wobei zur Bildung der statistischen Einheiten ein Verfahren nach einem oder mehreren der folgenden Verfahrensansprüche 12-17 verwendet wird.
- Verfahren nach Anspruch 1, auf die sich Qualitätsmerkmale beziehen, um Verkehrssituationen zu bestimmen, dadurch gekennzeichnet, dass räumlich und zeitlich eng korrelierte Frühwarnungen (Typ g) und Störungsmeldungen (Typ z) typübergreifend zu Ereignissen (e=g∪z) vereinigt werden, wobei die Frühwarnung definiert ob die Gefahr eines Zusammenbruch des Verkehrt besteht und die Störungsmeldung definiert, ob sich tatsächlich ein Zusammenbruch ereignet hat .
- Das Verfahren nach dem vorhergehenden Anspruch, wobei eine oder mehrere der folgenden Ereignismengen gebildet werden, um Qualitätskennzahlen zu bilden, wobei gilt:Z: Störungsmeldungen sind Bestandteil von e,G: Frühwarnungen sind Bestandteil von e,Z n G: Störungsmeldungen und Frühwarnungen sind Bestandteil von e,!Z ∩ G: Ausschließlich Frühwarnungen sind Bestandteil von e,Z ∩ !G: ausschließlich Störungsmeldungen sind Bestandteil von e, und wobei als z-bezogene Qualitätskennzahlen dieTrue Positive Rate TPR = I Z ∩ G | / | 2 | und die False Negative Rate: FNR = | Z ∩ !G I / | Z | herangezogen werden, wobei immer die Beziehung FNR = 1 - TPRerfüllt ist,und wobeials G-bezogene Qualitätskennzahlen der Positive Predictive Value: PPV = | Z n G | / | G | und dieFalse Positive Rate: FPR = | ;Z ∩ G | / | G 1 herangezogen werden, wobei immer die Beziehung FPR = 1 - PPV gilt.
- Das Verfahren nach einem oder mehreren der vorhergehenden zwei Ansprüche, weiterhin umfassend, dass die Warnschwelle Pbd gemäß der Beziehungmit Pbd = Warnschwelle der Frühwarnung [%],ΔT = gewünschter Vorhersagezeitraum (z.B. 15 Minuten) [min],Δt = Referenzvorhersagezeitraum [min]bei Variation des Vorhersagezeitraums nachgeführt wird.
- Das Verfahren nach einem oder mehreren der vorhergehenden drei Ansprüche, weiterhin umfassend dass zur Ermittlung der Arbeitscharakteristik des Frühwarnsystems alle Einstellungen für die Parameter Vorhersagezeitraum und Warnschwelle durchgespielt werden, die resultierenden Gesamtheiten von Frühwarn- und Störungsereignissen ermittelt, die Qualitätskennzahlen vermessen und in ein Qualitätsdiagramm eingetragen wird.
- Das Verfahren nach dem vorhergehenden Anspruch, weiterhin umfassend, dass die Informationsqualität der Frühwarnung gezielt durch Rückgriff auf die Arbeitscharakteristik des Frühwarnsystems eingestellt wird.
- Vorrichtung zur rechnergestützten Generierung von Frühwarnungen vor Verkehrszusammenbrüchen umfassend Mittel- zum dynamisches Schätzen der Kapazität von Engstellen im Straßennetz,- zum Ermitteln der aktuellen Nachfrage an Engstellen,- zum Ermitteln der voraussichtlichen Nachfrage für einen wählbaren Prognosehorizont, auf der Basis der aktuellen Nachfrage an Engstellen,- zum Auslösen von Frühwarnungen, sobald die sich aus voraussichtlicher Nachfrage und dynamischer Kapazität ergebende Zusammenbruchswahrscheinlichkeit einen Grenzwert, die Warnschwelle, Übersteigt.
- Die Vorrichtung nach dem vorhergehenden Anspruch, weiterhin umfassend Mittel
zum Schätzen der Kapazität von Engstellen im Straßennetz unter Berücksichtigung, dass die Kapazität von Engstellen eine Weibull-verteilte Zufallsgröße ist. - Die Vorrichtung nach dem vorhergehenden Anspruch, weiterhin umfassend, dass Mittel unter Berücksichtigung der Gleichung
(der Weibull-Verteilung) die Wahrscheinlichkeit für Verkehrszusammenbrüche Pbd in Abhängigkeit von der gemessenen, auf die Engstelle zuströmenden Verkehrsmenge berechnen, wobei die Parameter a und b durch gängige mathematische Fit-Verfahren aus Beobachtungen oder Messungen bestimmt werden, die zum Inhalt haben, bei welchen Verkehrsflüssen (q(t)=Q_arr(A,t)) sich Verkehrszusammenbrüche ereignet haben. - Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend Mittel
zum Ermitteln der aktuellen Nachfrage an Engstellen mittels aktueller und/oder historischer Daten für die Verkehrsmenge. - Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend Mittel zum
Ermitteln der voraussichtlichen Nachfrage für einen wählbaren Prognosehorizont mittels Extrapolation, insbesondere mittels ganglinienbasierter Extrapolation. - Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend Mittel, bei denen zwischen dem Zeitbereich, für den Messwerte extrapolier wird, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, interpoliert wird.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend, Mittel die so ausgelegt sind, dass zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, Werte aus der Extrapolation und der Ganglinie gewichtet gemittelt werden.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend, Mittel, die so ausgelegt sind, dass zwischen dem Zeitbereich, für den Messwerte extrapoliert werden, und dem Zeitbereich, für den die Ganglinie zum Tragen kommt, extrapolierte Werte das absolute Niveau und die Ganglinie die Kurvenform bestimmen.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend Mittel, die jede Netzkante in einem Straßennetz als potenzielle Engstelle aufzufassen.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, weiterhin umfassend Mittel, die Frühwarnungen über gängige Medien wie den TMC-Kanal verbreitet und/oder empfangen.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, umfassend eine Vorrichtung nach einem oder mehreren der folgenden Vorrichtungsansprüche.
- Die Vorrichtung nach Anspruch 17 zur rechnergestützten Berechnung von Qualitätsmerkmalen von Verkehrszuständen, zur Bildung statistischer Einheiten, auf die sich Qualitätsmerkmale beziehen, wobei Mittel vorhanden sind, die räumlich und zeitlich eng korrelierte Frühwarnungen (Typ g) und Störungsmeldungen (Typ z) typübergreifend zu Ereignissen (e=g∪z) vereinigen, wobei die Frühwarnung definiert, ob die Gefahr eines Zusammenbruchs des Verkehrt besteht, und die Störungsmeldung definiert, ob sich tatsächlich ein Zusammenbruch ereignet hat.
- Die Vorrichtung nach dem vorhergehenden Anspruch, wobei Mittel vorhanden sind, um eine oder mehrere der folgenden Ereignismengen zu bilden, um Qualitätskennzahlen zu bilden, wobei gilt:Z: Störungsmeldungen sind Bestandteil von e,G: Frühwarnungen sind Bestandteil von e,Z ∩ G: Störungsmeldungen und Frühwarnungen sind Bestandteil von e,!Z ∩ G: Ausschließlich Frühwarnungen sind Bestandteil von e,Z ∩ !G: ausschließlich Störungsmeldungen sind Bestandteil von e, und wobei alsZ-bezogene Qualitätskennzahlen dieTrue Positive Rate TPR = | Z ∩ G | / I Z | ist unddieFalse negative Rate: FNR = | Z ∩ !G | / | Z | herangezogen werden, wobei immer die Beziehung FNR = 1 - TPRerfüllt istund wobeials G-bezogene Qualitätskennzahlen der Positive Predictive Value: PPV = | Z ∩ G | / | G | und dieFalse Positive Rate: FPR = | !Z ∩ G | / | G | herangezogen werden, wobei immer die Beziehung FPR = 1 - PPV gilt.
- Die Vorrichtung nach einem oder mehreren der vorhergehenden zwei Vorrichtungsansprüche, weiterhin umfassend Mittel zum Nachführen der Warnschwelle bei Variation des Vorhersagezeitraums gemäß der Beziehungmit Pbd = Warnschwelle der Frühwarnung [%],ΔT = gewünschter Vorhersagezeitraum (z.B. 15 Minuten) [min],Δt= Referenzvorhersagezeitraum [min].
- Die Vorrichtung nach einem oder mehreren der vorhergehenden drei Ansprüche, weiterhin umfassend Mittel zur Ermittlung der Arbeitscharakteristik des Frühwarnsystems, wobei alle Einstellungen für die Parameter Vorhersagezeitraum und Warnschwelle durchgespielt werden, die resultierenden Gesamtheiten von Frühwarn- und Störungsereignissen ermittelt, die Qualitätskennzahlen vermessen und in ein Qualitätsdiagramm eingetragen werden.
- Die Vorrichtung nach dem vorhergehenden Ansprüche, weiterhin umfassend dass die Informationsqualität der Frühwarnung gezielt durch Rückgriff auf die Arbeitscharakteristik des Frühwarnsystems eingestellt wird.
- Vorrichtung nach einem oder mehreren der vorhergehenden Vorrichtungsansprüche, dadurch gekennzeichnet, dass eine Netzwerkverbindung zu externen Sensoren besteht, von denen aktuelle Verkehrsdaten erlangt werden.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200610033532 DE102006033532A1 (de) | 2006-07-20 | 2006-07-20 | Verfahren und Vorrichtung zur Generierung von Frühwarnungen vor Verkehrszusammenbrüchen an Engstellen |
PCT/DE2007/001255 WO2008009271A1 (de) | 2006-07-20 | 2007-07-13 | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen |
Publications (2)
Publication Number | Publication Date |
---|---|
EP2047448A1 EP2047448A1 (de) | 2009-04-15 |
EP2047448B1 true EP2047448B1 (de) | 2014-09-10 |
Family
ID=38616029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP07785629.2A Active EP2047448B1 (de) | 2006-07-20 | 2007-07-13 | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP2047448B1 (de) |
DE (1) | DE102006033532A1 (de) |
WO (1) | WO2008009271A1 (de) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009116105A2 (en) * | 2008-03-21 | 2009-09-24 | Gianfranco Antonini | A traffic assignment method for multimodal transportation networks |
CN115471215B (zh) * | 2022-10-31 | 2023-03-28 | 江西省地质局地理信息工程大队 | 一种业务流程处理方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE9501919L (sv) * | 1995-05-19 | 1996-07-01 | Dimbis Ab | Detektering och prediktion av trafikstörningar |
SE510430C2 (sv) * | 1998-01-30 | 1999-05-25 | Dinbis Ab | Metod och anordning för nätverksstyrning av trafik |
SE512895C2 (sv) * | 1998-08-07 | 2000-05-29 | Dinbis Ab | Metod och anordning för ruttstyrning av trafik |
DE19954971B4 (de) * | 1999-11-16 | 2004-08-12 | Daimlerchrysler Ag | System zur Beeinflussung des Verkehrsflusses von Fahrzeugen |
JP3849435B2 (ja) * | 2001-02-23 | 2006-11-22 | 株式会社日立製作所 | プローブ情報を利用した交通状況推定方法及び交通状況推定・提供システム |
US7698055B2 (en) * | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
-
2006
- 2006-07-20 DE DE200610033532 patent/DE102006033532A1/de not_active Withdrawn
-
2007
- 2007-07-13 WO PCT/DE2007/001255 patent/WO2008009271A1/de active Application Filing
- 2007-07-13 EP EP07785629.2A patent/EP2047448B1/de active Active
Also Published As
Publication number | Publication date |
---|---|
WO2008009271A1 (de) | 2008-01-24 |
DE102006033532A1 (de) | 2008-01-24 |
EP2047448A1 (de) | 2009-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1695317B1 (de) | Verkehrszustandserkennung mit einem schwellenwertverfahren | |
EP3042368B1 (de) | Verfahren, auswertesystem und fahrzeug zum prognostizieren von mindestens einem stauparameter | |
DE102007037920B4 (de) | Verkehrszustands-Vorhersagevorrichtung | |
EP0879460A1 (de) | Verfahren und einrichtung zur erfassung von daten über die verkehrslage | |
EP0884708B1 (de) | Verfahren und Vorrichtung zur Verkehrszustandsprognose | |
DE102012201472A1 (de) | Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen | |
DE69631629T2 (de) | Erfassung und Vorhersage von Verkehrsbehinderungen | |
DE102008003039A1 (de) | Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug | |
DE102005009604B4 (de) | Verfahren und Vorrichtung zum Erzeugen eines Bewertungswertes für Verkehrsdaten | |
EP2047448B1 (de) | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen | |
DE102005055244A1 (de) | Verfahren zur verkehrsdatenbasierten Unfallerkennung | |
EP1057156B1 (de) | Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung | |
DE19935769C2 (de) | Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade | |
EP2887332B1 (de) | Verfahren und System zum Ermitteln einer Verkehrssituation auf einer Straßenstrecke | |
DE10326973A1 (de) | Verfahren zur automatisierten Bestimmung eines Qualitätsmaßes für Verkehrsmeldungen | |
EP1528524B1 (de) | Verfahren zur gangliniengestützen Verkehrsprognose | |
DE102004049936B4 (de) | Verfahren und Vorrichtung zur Wertung der Qualität von Verkehrsinformationen | |
EP1695320B1 (de) | Verfahren zur bereitstellung von verkehrzustandsdaten | |
EP3298600B1 (de) | Erkennen von fahrspurenden auf strassen | |
DE10246185A1 (de) | Verfahren zur Güteprüfung von Verkehrsstörungsmeldeverfahren | |
DE102010041583A1 (de) | Verfahren zur Ermittlung eines Qualitätsdatenwerts von Verkehrsstörungsmeldeverfahren | |
DE102013202255B4 (de) | Verfahren und Vorrichtung zur Bestimmung von Verkehrsstärken | |
DE19905284A1 (de) | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung | |
DE102009055337A1 (de) | Verkehrslagebestimmung | |
DE102008024781A1 (de) | Technik zur Reisezeitprognose |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
17P | Request for examination filed |
Effective date: 20090220 |
|
AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC MT NL PL PT RO SE SI SK TR |
|
AX | Request for extension of the european patent |
Extension state: AL BA HR MK RS |
|
17Q | First examination report despatched |
Effective date: 20110331 |
|
DAX | Request for extension of the european patent (deleted) | ||
GRAP | Despatch of communication of intention to grant a patent |
Free format text: ORIGINAL CODE: EPIDOSNIGR1 |
|
INTG | Intention to grant announced |
Effective date: 20140324 |
|
GRAS | Grant fee paid |
Free format text: ORIGINAL CODE: EPIDOSNIGR3 |
|
GRAA | (expected) grant |
Free format text: ORIGINAL CODE: 0009210 |
|
AK | Designated contracting states |
Kind code of ref document: B1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC MT NL PL PT RO SE SI SK TR |
|
REG | Reference to a national code |
Ref country code: GB Ref legal event code: FG4D Free format text: NOT ENGLISH |
|
REG | Reference to a national code |
Ref country code: CH Ref legal event code: EP |
|
REG | Reference to a national code |
Ref country code: IE Ref legal event code: FG4D Free format text: LANGUAGE OF EP DOCUMENT: GERMAN |
|
REG | Reference to a national code |
Ref country code: AT Ref legal event code: REF Ref document number: 687032 Country of ref document: AT Kind code of ref document: T Effective date: 20141015 |
|
REG | Reference to a national code |
Ref country code: DE Ref legal event code: R096 Ref document number: 502007013445 Country of ref document: DE Effective date: 20141023 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: LT Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: GR Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20141211 Ref country code: FI Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: SE Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: ES Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: NL Ref legal event code: VDEP Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: LT Ref legal event code: MG4D |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: LV Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: CY Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: NL Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: SK Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: CZ Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: RO Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: EE Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 Ref country code: PT Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20150112 Ref country code: IS Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20150110 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: PL Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: DE Ref legal event code: R097 Ref document number: 502007013445 Country of ref document: DE |
|
PLBE | No opposition filed within time limit |
Free format text: ORIGINAL CODE: 0009261 |
|
STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: DK Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
26N | No opposition filed |
Effective date: 20150611 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: IT Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: SI Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: MC Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: CH Ref legal event code: PL |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: LU Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20150713 |
|
REG | Reference to a national code |
Ref country code: IE Ref legal event code: MM4A |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: LI Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20150731 Ref country code: CH Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20150731 |
|
REG | Reference to a national code |
Ref country code: FR Ref legal event code: PLFP Year of fee payment: 10 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: IE Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20150713 |
|
REG | Reference to a national code |
Ref country code: AT Ref legal event code: MM01 Ref document number: 687032 Country of ref document: AT Kind code of ref document: T Effective date: 20150713 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: AT Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20150713 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: MT Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: HU Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT; INVALID AB INITIO Effective date: 20070713 Ref country code: BG Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: FR Ref legal event code: PLFP Year of fee payment: 11 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: BE Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20150731 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: TR Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20140910 |
|
REG | Reference to a national code |
Ref country code: FR Ref legal event code: PLFP Year of fee payment: 12 |
|
PGFP | Annual fee paid to national office [announced via postgrant information from national office to epo] |
Ref country code: GB Payment date: 20230724 Year of fee payment: 17 |
|
PGFP | Annual fee paid to national office [announced via postgrant information from national office to epo] |
Ref country code: FR Payment date: 20230724 Year of fee payment: 17 Ref country code: DE Payment date: 20230720 Year of fee payment: 17 |