BE1019524A3 - Systeem en werkwijze voor reistijdmeting. - Google Patents

Abstract

De uitvinding betreft een systeem voor het accuraat opmeten, aggregeren, voorspellen en publiceren van verkeersinformatie, met het kenmerk dat het wegennetwerk van een digitale kaart wordt gesegmenteerd in wegsegmenten met een vaste lengte waarop probes van minstens 2 gps posities per voertuig worden gematcht. De uitvinding betreft verder een werkwijze hiervoor omvattende de volgende stappen: a) hersegmenteren van een digitale kaart naar wegsegmenten met een vaste lengte; b) matchen van GPS posities van probes op de wegsegmenten; c) afleiden van verkeersinformatie per segment.

Description

Systeem en werkwijze voor reistiidmeting

De uitvinding betreft een systeem voor het accuraat opmeten, aggregeren, voorspellen en publiceren van o.a. reistijden, snelheden en vertragingen van wegverkeer gebaseerd op Floating Car Data. De uitvinding betreft eveneens een werkwijze voor het uitvoeren van een dergelijke reistijdmeting en het afleiden van gerelateerde verkeersinformatie.

Floating Car Data (FCD) is een technologie die het verkeer (anoniem) monitort met behulp van GPS (Global Positioning System) of, minder nauwkeurig, via de mobiele telefoon (GSM). Een voertuig dat met FCD technologie is uitgerust, ook wel een probe genoemd, kan via GPS nauwkeurig in tijd en ruimte worden gevolgd. Met satellietpositiebepaling is het mogelijk een veelheid aan voertuiggegevens in te winnen. Naast de herkomst-bestemmingslocatie kunnen de afstand van een verplaatsing en de reistijdduur worden bepaald. Door de tijd-ruimte-gegevens te koppelen aan een digitale wegenkaart, kan de vertaalslag worden gemaakt naar de weggebonden verkeersinformatie.

Er zijn verschillende technische systemen op de markt die met behulp van het netwerk van mobiele telefoons of GPS de locaties van voertuigen bepalen, en dit gebruiken voor het verkrijgen van een beeld van de verkeerssituatie.

US 6,650,948 (Applied Generics) beschrijft een “vehicular trafïic monitoring System” bediend via mobiele telefonie, waarbij de geografische positionele data gemapped wordt op de discrete wegcomponenten die deel uitmaken van een wegen netwerk.

US 6,879,907 (TrafficSoft, vroeger Estimotion) beschrijft een verkeerssysteem gebaseerd op geörienteerde weg secties, waarbij een ruimtelijke representatie van een wegennetwerk eerst wordt getransformeerd in een netwerk van ruimtelijk interafhankelijke en intergerelateerde geörienteerde weg secties, waarmee dan de ingewonnen verkeersdata wordt geassocieerd.

De aanvrager werkte initieel ook op basis van bewegende GSM’s, maar dit is nu gestaakt. Enerzijds bleek dat de nauwkeurigheid niet voldeed (GSM cellen zijn onnauwkeurig, de dekking daalt bij trager verkeer, ...) en anderzijds was het aantal gps geconnecteerde voertuigen sterk toegenomen.

Bestaande systemen mappen typisch de ingewonnen gegevens op (een deel van) het wegennetwerk van een digitale kaart. Daarbij maakt men gebruik van de concepten van route planners en digitale wegenkaarten, zijnde de segmenten tussen twee nodes zoals die gedefinieerd en gebruikelijk zijn in geografische informatiesystemen. Een weg segment is een vector tussen twee punten waar het wegsegment verandert van attribuut of waar een intersectie ontstaat met andere wegsegmenten, zoals een zijstraat, een kruispunt, een afrit, enz.

Een nadeel van te mappen op ongelijke en langere segmenten is dat de individuele waarnemingen uitgesmeerd worden over de volledige lange segmenten.

Andere bestaande systemen gebruiken wegkantmetingen (bijv. tellussen en camera’s) die in de wegen zijn aangelegd om het aantal voertuigen te tellen dat ergens voorbijkomt. Deze meten lokale snelheden (puntsnelheden). Op basis daarvan wordt dan een voorspelling gedaan van de reistijd op een traject. Een nadeel hierbij is dat dit een voorspelling betreft. Via de huidige uitvinding is net omgekeerd de reistijd beschikbaar en kan op basis daarvan, indien nodig, het aantal voertuigen afgeleid worden.

Het is een doel van de uitvinding een antwoord te geven op de vraag waarom men nu weer stilstaat in een file. De reistijdeninformatie van het meetsysteem is hierbij tot op 50 meter nauwkeurig.

Het meetsysteem van de huidige uitvinding is gebaseerd op principes van “Traffic Flow Theory” maar omvat toch enkele belangrijke verschillen.

In de verkeersstroomtheorie wordt op een wiskundige manier verbanden gelegd tussen dichtheid van voertuigen op een wegvak, de snelheid van de voertuigen en het verkeersvolume. Cruciaal in deze theorie is dat er een relatie is tussen al deze paramters en dat op basis van het gekende verkeersvolume verder gewerkt wordt. Doordat altijd het verkeersvolume nodig is wordt voor het uitwerken en toepassen van de theorie in de praktijk altijd gewerkt met verkeersvolumes die met wegkantsystemen werken. Wegkantsystemen meten op een bepaalde plaats langs de kant van de weg het aantal voertuigen en de snelheid op een punt.

Het meetsysteem van de uitvinding baseert zich op het volgen van een groot staal van de bewegende voertuigen. Hierdoor wordt een statistisch sample van de totale verkeerspopulatie gemeten en niet het exacte aantal voertuigen. De uitvinding heeft de verkeersstroomtheorie verder uitgebreid om rekening te houden dat niet op basis van totale verkeersvolumes gewerkt wordt, maar wel op een statistisch deel van de verkeersstroom. Verder wordt geen informatie van op vaste locaties langs de weg gebruikt, maar wordt informatie van rijdende voertuigen gebruikt.

Files zijn big business. De huidige uitvinding meet de reistijden, en stelt die info ter beschikking aan navigatiemerken die de info live verwerken en doorsturen naar hun navigatiebakjes via mobiel internet. Om de info te kunnen ontvangen is een recent navigatiesysteem met een “live” abonnement nodig. In ruil krijgt de gebruiker erg nauwkeurige aankomsttijden, of in het beste geval een snellere route naar zijn bestemming, ook als die in het buitenland ligt. Een elektronische agenda kan zelfs exact tot op 10 minuten nauwkeurig aangeven wanneer men precies naar een afspraak moet vertrekken om minder file te hebben.

Via het meetsysteem van de uitvinding kan men op elk moment weten hoe snel er gemiddeld gereden wordt op de snelwegen en de onderliggende wegen. Om de 50 meter is er informatie beschikbaar, en de situatie kan letterlijk minuut per minuut gemonitord worden, want zo vaak sturen de monitorvoertuigen via mobiel internet hun gps-positie door. Het systeem is gebaseerd op Floating Car Data technologie. Via wiskundige algoritmes worden bestaande digitale kaarten (bijvoorbeeld van TeleAtlas en Navteq) verfijnd zodat de info er om de 50 meter kan geprojecteerd worden en gps-posities omgezet worden in reistijden. Geavanceerdere navigatiesystemen kunnen deze nauwkeurigheid aan.

Kleine segmenten leiden ertoe dat het verkeer stationair kan verondersteld worden binnen een segment. Dit houdt in dat voertuigen een constante snelheid aanhouden binnen een segment en dat er dus geen longitudinale uitmiddeling of vereenvoudiging gebeurt door met langere segmenten te werken.

Het doel van de uitvinding wordt bereikt door het systeem en de werkwijze van bijgevoegde conclusies.

Bestaande floating car meetsystemen werken niet met korte segmenten van vaste lengte. Verder wordt in andere meetsystemen de gepubliceerde waarde op een segment gebaseerd op de individuele waarnemingen op dit segment. Dit laat niet toe om de intrinsieke longitudinale en temporele dynamica van de verkeersstroom mee te nemen. In de huidige uitvinding wordt bij de publicatie van de verkeerstoestand op een segment niet enkel rekening gehouden met de recente individuele waarnemingen op dit segment, maar ook met alle waarnemingen op stroomopwaartse en stroomafwaartse segmenten. De koppeling tussen de segmenten wordt daarom meegenomen om de opbouw van file golven en de evolutie van de verkeersstroom door het verkeersnetwerk mee in rekening te brengen.

Verdere voordelen van het systeem van de uitvinding zijn:

Sommige systemen gebruiken de reistijden die door probes op een bepaald punt gemeten worden. Dit is geen gemiddelde reistijd, maar bevat enkel lokale snelheidsinfo. Het huidig systeem meet reistijden tussen verschillende gps punten en geen snelheid van de voertuigen zelf; hierdoor is een routeberekening nodig tussen de gemonitorde gps posities en krijgen we ook inzicht op detail tussen de wegen in wisselaars.

Probes die niet representatief zijn beïnvloeden typisch het gepubliceerde verkeersbeeld. Het huidig systeem omvat op maat gemaakte filters voor het wegfilteren van o.a. stilstaande voertuigen op pechtstrook, stopzones identificeren (Bv benzinestations), black vehicle list met foute, verdachte probes.

Digitale kaarten met verschillende lengtes leiden tot verschillende uitmiddelingen. Het huidig systeem kent dit probleem niet omdat de segmenten zoveel mogelijk een vaste lengte hebben .

Inpassingen in routenetwerk

Schaalbare berekening door lookup ipv berekeningen Systemen falen in herkomst van gegevens

Verschil in weggebruikers (bv taxi, vrachtwagens, snelle rijders, ...) versus verschil in verkeersregime (vrij verkeer, congestie, ...) : Dit nemen we meer door representativiteits eigenschappen aan de probes te hangen Blokkering van een weg en oneindige reistijd

Longitudinale impact voor het verkeersbeeld (door opeenvolgende segmenten stroomopwaarts en -afwaarts te relateren)

Eigenschappen van jam growth

Aantal probes meenemen (representativiteit) in file bepaling Historische relaties tussen verschillende secties (mechanisme filevorming) HB patronenen en track analyse Accuraatheid tot op minder dan lm.

De historische gegevens van de probes worden gecombineerd met actuele of journalistieke data van afwijkende situaties (incidenten, slecht weer etc.), eventueel in combinatie met systemen die langs de kant van de weg info opmeten (tellussen, telradars, camera’s, bluetooth registratie van voertuigen, nummerplaatherkenning,...).

De ingewonnen informatie kan gebruikt worden voor verkeersinformatie en dynamisch verkeersmanagement, in verkeersmodellen en voor beleidsdoeleinden.

De bron-informatie bestaat uit exacte gps-posities nodig om het meetsysteem te doen werken. De belangrijkste bron voor het aanleveren van gps-posities via mobiel internet zijn de professionele voertuigen zoals taxi's, koerierdiensten, vrachtwagens, enzovoort. Zij werken vaak met een dispatchsysteem met navigatie, en mobiel internet aan boord. Daarnaast seint elke gebruiker van Coyote-radarmelders (ongeveer 45.000 in België) ook z'n gps-positie door. Dat gebeurt volledig anoniem en de gegevens kunnen niet teruggebracht worden tot één chaufffeur die bij wijze van spreken dag en nacht gevolgd wordt.

Die automatische info moet volstaan om de files te zien ontstaan en ze nauwkeurig te meten. Als gebruiker wil je echter ook weten wat de oorzaak van een file is, en die “journalistieke data” komt van sms-meldingen bij radio stations of sms'jes van mensen die naar een filelijn bellen. Tenslotte geeft ook de overheid wat info ter beschikking over wegwerkzaamheden.

Het systeem houdt ook rekening, bij de berekening van de reistijden, met historische gegevens en file-info die bijgehouden sinds het begin van de informatie inwinning.

De technologie van de huidige uitvinding werkt op een digitale kaart waar wegsegmenten opgedeeld worden tot een lengte van maximaal 50 meter. Dit is een essentieel onderdeel van deze technologie die toelaat de dynamica van filegolven mee te nemen. Bovendien vermijdt dit de uitsmering van niet stationair verkeer op langere secties.

Als invoer van dit systeem worden gps posities van rijdende voertuigen gebruikt. Een belangrijk deel komt van professionele voertuigen die met “track en trace” systemen uitgerust zijn en die gps gegevens in real-time doorsturen. Zo sturen 15 verschillende “track-en trace” suppliers gemiddeld om de minuut gegevens door. Deze vloot bevat ongeveer 80.000 voertuigen die relatief veel kilometers afleggen. Het gaat om zowel zware als lichte vracht, bestelwagens, lease voertuigen, taxi’s ,...

Een ander deel van de vloot komt van terugkoppelingen van geconnecteerde consumenten applicaties. Zo leveren bijv. rijdende Coyote systemen om de minuut hun positie door. Ook smartphone toepassingen koppelen op die manier locaties terug van rijdende voertuigen.

Voor één voertuig wordt de reeks van gps posities op de gesegmenteerde digitale kaart gematcht. Hieruit wordt de reistijd van het voertuig tussen de gps posities als individuele waarneming aan de verschillende wegsegmenten toegekend.

In het real-time systeem wordt op basis hiervan een gemiddeld wegbeeld opgebouwd en verkeersinformatie gegenereerd. Deze individuele waarnemingen per segment worden verder verwerkt om de gevraagde reistijden en snelheden (gemiddelde, mediaan, variatie en verschillende percentielen) per periode (bijv. tussen 8 en 9 uur) over de verschillende dagen te berekenen.

De fijne resolutie van het meetsysteem van de uitvinding biedt aanzienlijke voordelen omdat het extra detail van file opbouw met zich meeneemt. Bovendien worden dynamische start- en stop golven niet uitgemiddeld over langere wegsegmenten.

Een voorkeursuitvoeringsvorm van een werkwijze volgens de uitvinding voor het accuraat opmeten, aggregeren, voorspellen en publiceren van verkeersinformatie, zoals is voorgesteld in figuur 1, bestaat uit 6 blokken: 1. Digitale kaart voorbewerken

In het eerste proces van dit systeem wordt een digitale kaart (bijv. van Navteq, Tele-Atlas,...) voorverwerkt. Daarin komen volgende stappen aan bod : - Selecteren van het netwerk dat wordt gebruikt om verkeersinwinning te doen. Dit houdt in dat bijvoorbeeld lagere orde wegen niet geselecteerd worden.

- Wegen worden omgezet naar gerichte liinstukken waarbij de richting van de lijnstukken overeenkomen met de rijrichting. Wegen met dubbele rijrichting worden ontdubbeld in twee afzonderlijke vectoren.

Knooppunten worden gedefinieerd op het begin en einde van elke vector. Verschillende vectoren worden geconcateneerd (samengebracht in 1 vector) indien het verkeer geen andere keuze heeft op het geselecteerde netwerk dan de volgende vector in te rijden. Op deze manier omvat het netwerk een minimum aantal eenrichtingsvectoren waarin het verkeer zich kan veranderen van enkel eenrichting. Deze geconcateneerde vectoren worden gescheiden van elkaar door “super” knooppunten.

Segmenteren van een digitale kaart (bv Navteq, Tele-Atlas of open source map) op basis van hersegmenteren van vectoren tussen twee “super” knooppunten. De gesegmenteerde wegsegmenten hebben een constante lengte, bij voorkeur maximum 50 meter, of tussen 40 en 60m, tussen 30 en 50m, tussen 20 en 30m, in elk geval maximum 100m. De segmentering laat o.a. toe om snel een gps positie van een voertuig te kunnen matchen op een segment.

Er is een feedback loop die fouten in de digitale kaart aangeeft op basis van bijv. te lage coverage, veel afgebroken trips,...

2. GPS data inwinnen en voorbewerken

Daarna worden ruwe gps logs vanuit “track-en-trace” systemen in real-time verwerkt. Andere mogelijke gelinkte data betreft een time stamp, voertuigtype (vrachtwagen of niet), nauwkeurigheid van gps signaal,... Van één voertuig krijgt het systeem bij voorkeur twee gps posities om de 1 à 3 minuten. Sneller dan om de minuut aanleveren van gps posities zorgt ervoor dat er veel gps posities moeten verwerkt worden en dat de rekentijd dan sterk oploopt; langer dan om de 3 minuten levert een traagheid in het systeem: het duurt dan minstens 3 minuten tussen de waarneming en de publicatie van de verkeersinfo.

België is bij wijze van voorbeeld onderverdeeld in 3000 km snelwegen deels met meetlussen, die de Overheid gebruikt om voertuigen te tellen en info op de borden te projecteren. Met het huidige meetsysteem zijn er 60.000 km wegen bruikbaar. Ook afritten en kleinere wegen, soms in de stad. Er worden bij voorkeur wegen gekozen waar de verkeersfunctie het belangrijkste is. Het systeem kan op elk moment minstens 2 procent meetvoertuigen op de wegen hebben rondrijden. Die 2% levert gps-data aan voor de reistijdberekening.

3. Map matching en reistijd samples

In een eerste stap worden gps posities gematcht op de gesegmenteerde digitale kaart. Dit leidt tot kandidaat stukjes wegsegmenten waar dit voertuig rijdt. Zo is het met een gps coördinaat nog niet noodzakelijk duidelijk in welke richting het voertuig rijdt of indien dit voertuig boven of onder een brug zit. Dit gebeurt ook voor de tweede gps positie.

Daarna gebeurt een routeberekening tussen de mogelijke kandidaat segmenten. Dit zorgt ervoor dat er tussen de verschillende kandidaat segmenten onderling mogelijke routes berekend worden. Op basis van de afstanden van de gps naar de kandidaat segmenten en de optimale reistijd op de berekende routes tussen de twee gps localisaties (in relatie met het tijdsverschil tussen de twee time stamps) worden de gps posities en de routes geselecteerd.

4. Andere kwalitatieve en kwantitatieve data

Toevoegen van puntmetingen (tellussen, telcamera’s, radars, ...), traject metingen (bijv. op basis van blue tooth, automatische nummer plaat herkenning,...), toevoegen community feedback en/of operatoren input, journalistieke status van het verkeer (bijv. ongevallen, wegenwerken, incidenten,...).

5. Verkeerstoestand schatting

Aan de hand van voorverwerkte informatie wordt het verkeersbeeld berekend via verkeerskundige en statistische algoritmes zoals die gekend zijn uit de “traffic flow theory”.

Dit houdt in dat bij het schatten van het gemiddelde verkeersbeeld op een segment niet enkel rekening gehouden wordt met de waarnemingen van individuele voertuigen op dit segment (bij voorkeur in het laatste half uur), maar ook met het verkeersbeeld of de waarnemingen op secties stroomopwaarts en stroomafwaarts. Hiervoor baseren het systeem zich op de verkeersstroomtheorie die bepaalt hoe het verkeersbeeld in vrij verkeer (geen congestie) en file verkeer (wel congestie) zich door de tijd over een weg verplaatst. Deze filegolven gaan in congestie tegen de rijrichting in (dus de stroomafwaartse secties zijn relevant in het verleden) en met de rijrichting mee voor variaties in verkeersvolume en snelheidsevoluties tijdens vlot verkeer (in dat geval zijn stroomopwaartse secties relevant).

Deze schatting maakt expliciet gebruik van filegolven en dit kan dus enkel en alleen met korte segmenten van minder dan bij voorkeur 50 meter. Voor deze schatting wordt rekening gehouden met de waarde van de snelheid in op en afwaartse secties, maar ook met (de variatie van) het aantal waarnemingen.

6. Publiceren

Het verkeersbeeld kan op verschillende manieren kenbaar gemaakt worden aan de gebruiker. De volgende informatie wordt bijvoorbeeld gepubliceerd:

Reistijden (Trajecttijden, vertragingen,..._) instantane en voorspellende

Files locaties

File en verkeersberichten

Op basis van evolutie van onze coverage (aantal waarnemingen) wordt ook een inschatting van verkeersvolume gemaakt.

Filelengte, filedruk en filekost

Heterogene verdeling verkeersstroom en user dependencies (dus verschillende vertraging voor vrachtwagens / personenwagens)

Snelheidsdistributies als offline outcome : we kunnen namelijk de snelheidsverdeling op een segment inschatten en zo zien waar bv te snel gereden wordt.

Publiceren gebeurt ofwel quasi direct (online) ofwel offline (voor latere analyses bijvoorbeeld).

Het meetsysteem maakt geen gebruik van een databank alsdusdanig. Dit zou enkel de verwerking vertragen. De map definities worden niet gestockeerd in een databank, maar worden geëxporteerd naar CSV formaat en ingelezen door het systeem.

Het meetsysteem van de uitvinding is volledig transparant via een interne web ffont-end. Hierbij is de volgende informatie beschikbaar:

Voor elke GPS provider: percentage van de gebruikte inkomende monsters; welke GPS posities worden geblokkeerd door de filters en waarom (de GPS posities zijn te zien als KML in Google Earth); welke de huidige trips zijn: ruwe data, berekende route, afgeleide snelheid.

Totaal geaggregeerde snelheid op de basis map als KML.

Geen black-box: ingeval van onverwachte resultaten leidt een drill-down aanpak naar de GPS monsters die de gepubliceerde snelheden veroorzaken.

Floating Car Data

Het meetsysteem van de uitvinding volgt professionele voertuigen die verbonden zijn via het mobiele internet die hun gps-posities rechtstreeks doorseinen.

Andere systemen, zoals TomTom, volgen ook alle gsm's die op dat moment “onderweg” zijn en aan het bellen zijn. Ze kijken hoe snel die van de ene gsm-cel naar de andere rijden. Het nadeel is dat een dergelijke tracering via gsm enkel werkt als je echt belt. Probleem is dat een positie die je zo verkrijgt echt grote zones zijn. Bij gps-posities is er een nauwkeurigheid tot op 10 meter. Hoe trager het verkeer gaat, hoe meer posities per km, want elke minuut sturen de voertuigen info door. Op momenten dat het er echt toe doet (file), wordt de informatie dus relevanter. Bij gsm-posities is dat juist omgekeerd: voor je van de ene mastpositie naar de andere kunt rijden in de file, gaat er heel veel tijd over (ongeveer 6 minuten). Bovendien moeten ook goed de gsm-gegevens van passerende treinen eruit worden gefilterd.

Typisch wordt elke minuut een positie doorgegeven. Dit komt neer op informatie om de 2 km (voor een autosnelweg 120 km/u).

Filteren van probes

Het correct filteren van de probes is een belangrijke stap in de kwaliteit. Via de web-frontend kunnen alle probes van de verschillende providers individueel kunnen gevolgd en teruggelinkt naar hun inbreng in de meting. Voor elke GPS provider is een realtime tracking mogelijk van alle probes.

Eén van de filters is een minimum gemapte snelheid van 2km/u om bijv. onderhoudsvoertuigen uit te filteren.

Derhalve worden aan de probes representativiteitseigenschappen toegekend voor het wegfilteren van niet-relevante probes.

Kwaliteitsmethode

Het meetsysteem omvat een interne werkmethode waarmee systematische fouten opgespoord en verbeterd worden binnen de inwintechnologie. Dit leidde in het verleden al tot verschillende interne digitale kaart verbeteringen, identificatie van black list voertuigen (bv uitsluiten werfvoertuigen uit vloot), etc ... Deze interne opvolging wordt vanuit een track list opgevolgd.

Daarnaast is er ook vanuit het globale eindproduct een specifieke kwaliteitsmethode die naast de ingewonnen reistijddata ook de journalistieke verkeersgegevens omvat. Dit proces is gebaseerd op de QKZ methode die binnen autoconstructeur BMW werd ontwikkeld en waar gepubliceerde informatie wordt vergeleken met zowel gebruikservaringen (bijv. testritten) als andere beschikbare meetgegevens. Typische output indicatoren die hier aan bod komen zijn false positives (welke valse berichten / info werd verspreid), false negatives (welke info werd niet verspreid), vertragingen in het proces,...

Beide pro-actieve interne processen worden aangevuld met re-actieve opvolging van gebruikersfeedback om zo continu de kwaliteit van het interne meetsysteem te handhaven.

Nauwkeurigheid

Het systeem werkt intern met een afstand van millimeter in een tijd van nanoseconde. De “base map” heeft een nauwkeurigheid van 50m. Binnen de 50m segmenten wordt een accurate extrapolatie gemaakt. De theoretische precisie is op minder dan lm.

Zoeken van bottlenecks in het verkeer (“meten is weten”)

Met het meetsysteem van de huidige uitvinding kunnen o.a. structurele bottlenecks op de wegen worden gedetecteerd, waardoor een efficiëntere aanpak van dergelijke problemen mogelijk wordt. Zo bijvoorbeeld leert een meting uitgevoerd op een bepaald traject dat 60 procent van het verkeer afslaat richting B en 40 procent doorgaat richting K. Maar de rijstroken zijn helaas anders ingericht. Er gaan drie rijstroken richting K en twee richting B. Daar weet men dus zeker dat het elke ochtend vastzit. Door eenvoudigweg het aantal rijstroken aan te passen kan men dus al een grote impact creëren.

Voorspellen van files Dat kan in drie vormen: 1 .Voorspellen op lange termijn (week of langer): Daarvoor zijn enkel historische gegevens nodig: welke route nemen mensen het vaakst als ze het traject A-B doen en om 7u30 onderweg zijn op een vrijdag. Woensdag en vrijdag zijn de rustigste ochtenden, bijvoorbeeld. Ook vakantieperiodes worden ingecalculeerd.

2. Voorspellen op middellange termijn: voor 3 à 4 dagen, dan houdt het systeem ook rekening met weersvoorspellingen. Op regendagen is de file gemiddeld 30 procent langer.

3. Een kortetermijn voorspelling: tussen nu en 2 uur. Dan gebruikt het systeem alle data uit 1 en 2, plus ook alle files die er nu staan. Er is een half uur geleden een ongeval geweest, en dat gaat pas binnen een uur opgelost zijn.

Meten van file golven

File golven verplaatsen zich tegen de rijrichtingen in. Traag verkeer heeft op die manier een voorspellend karakter. Ook de coverage (aantal waarnemingen) beweegt zich in golven, zij het dan mee met de snelheid van het verkeer: 10 voertuigen die nu aan 60 km per uur rijden zullen zich binnen de minuut alle tien een kilometer verder bevinden. Een combinatie van deze beide informaties leidt ertoe dat informatie van op- en afwaartse segmenten kan meegenomen worden bij het bepalen van het gemiddeld verkeersbeeld (snelheid, reistijd) op een segment. De verkeerstoestand op een segment wordt dus niet enkel bepaald in functie van de beschikbare waarnemingen in het recente verleden op dit segment, maar ook van deze stroomop-en afwaartse segmenten, zij het dat er daar rekening wordt gehouden met een tijdsverschuiving (bijv. bij een golf aan 20 kilometer per uur moet het systeem 3 minuten in het verleden kijken bij het beschouwen van een segment 1 kilometer verder (20 km/uur = lkm/3minuten).

De uitvinding wordt nu nader toegelicht aan de hand van de hierna volgende gedetailleerde beschrijving en figuren.

Figuur 2 stelt een individuele route van een enkel voertuig voor De gps-data zijn volledig geanonimiseerd, maar men kan er wel één voertuig uitpikken en zien welke route dat volgt, en hoe snel dat op die route vooruit geraakt. Om de twee minuten krijgen we een gps-positie, en het meetsysteem weet dus hoe snel het voertuig gemiddeld reed op die weg tussen twee punten.

Figuur 3 stelt een TX-diagram voor van het traject E313 Herentals Industrie naar Antwerpen Oost.

Een TX-diagram is de standaardmanier waarop een situatie op de weg gedurende een periode (hier de ochtendspits) wordt uitgebeeld. De horizontale as is de tijd. De verticale as is de afgelegde afstand. De verticale as rechts geeft de snelheid aan: hoe donkerder, hoe meer file (van groen tot rood). Een TX-diagram kan bijna aangeven wanneer men het beste begint aan zijn traject. De witte lijntjes zijn auto's die onderaan vertrekken, en afhankelijk van het tijdstip wel of niet vastraken in de file. Hoe verticaler ze naar boven gaan, hoe beter ze kunnen doorrijden. Als de lijntjes horizontaal lopen, dan verliezen ze tijd in de file. Het diagram toont heel duidelijk hoe de file in verschillende golven terugslaat tegen de rijrichting in (file gaat naar achteren, van boven naar onder, terwijl de witte lijnen, de auto's, van onder naar boven rijden). Als men om 6u vertrekt, rijdt men verticaal omhoog, als men een kwartier later vertrekt, kan men ergens middenin een filegolf, in een staartje van de file terechtkomen (een geel of rood stukje). Men vraagt zich dan af: hoe kan hier nu file zijn, hier is niks gebeurd. Dat is het harmonica-effect. Door het affemmen, komt de auto achter ook in de rij aanschuiven. Men rijdt weer weg, maar op die manier verplaatst de file zich naar achteren, tegen de rijrichting in. Die file verplaatst zich trouwens altijd (achterwaarts) tegen een min of meer constante snelheid: 17 km/uur. Hoewel iemand maar 10 minuten later is vertrokken dan zijn voorganger (het lijntje onderaan staat dichtbij het andere lijntje), heeft ie onderweg toch veel meer tijd verloren (lijntjes staan verder uit elkaar naarmate je naar boven gaat). Op basis van deze realtime grafieken zou de elektronische agenda van de toekomst kunnen zeggen: ‘iet op, je hebt een afspraak daar op dat uur, dan moetje nu vertrekken, want er is daar en daar een ongeval gebeurd.”. Een navigatiesysteem zou zelfs mee inspraak kunnen krijgen op de locatie waar je de meeting organiseert.

Figuur 4 toont een TX-diagram bij het uitvoeren van werken op de autosnelweg Op dit TX-diagram is de plaatsing van geluidsschermen in beeld gebracht: een file van op de E313, helemaal rondom de ring rond Antwerpen, tot in Haasdonk op de El 7. Stel dat men om 13u in Haasdonk vertrekt. Men gaat dan redelijk snel, steil omhoog. Net voor Antwerpen West komt men in het oranje gedeelte, en heeft men een vrij sterke file, men gaat horizontaler rijden. Vlak voor het echt donkere stuk raakt men tot in Antwerpen Zuid. Maar als men bijvoorbeeld om 14u vertrekt, dan komt men voor Antwerpen West al in de file, het verkeer vertraagt in Zwijndrecht, en gaat men heel traag (horizontaal) door de Kennedytunnel. Dan komt men ook in het donkerste deel terecht. Als men pas om 16u zou vertrekken in Haasdonk, dan is men te laat, want men rijdt dan recht de file in en men moet dan dwars door de filegolf heen (die achteruit gaat). Men merkt dat de vertraging die ontstaat op de E313 een vertragend effect heeft op de Antwerpse Ring richting Nederland. Dit effect is ’s ochtends vrij beperkt (het verkeer gaat dan grotendeels richting Brussel en richting Gent), maar vanaf de namiddag neemt het verkeersvolume op de Antwerpse ring toe en ziet men dat de werkzamheden een groter effect krijgen.

Figuur 5a geeft een TX diagram weer van filevorming met een dekking (waarnemingen) zoals voorgesteld in figuur 5b

De horizontale veranderingen in dekking (bijv. tussen km 16 en 18) hebben te maken met op en affijdend verkeer: ter hoogte van km 16 rijdt relatief veel verkeer af richting Brusselse ring. Op km 18 komt dan weer extra verkeer bij. Op een gelijkaardige manier is de afrit op km 20 merkbaar.

Verder valt op hoe de variatie in dekking mee evolueert met de snelheid van verkeer, bijv. tussen 8 u en 8u30 tussen km 6 en 14; aanzienlijk sneller verkeer na 10 ur tussen km 0 en km 4.

Verder valt ook op hoe de dekking relatief daalt in file. Eén voertuig aan 120 km per uur draagt in 1 minuut bij aan de dekking in 40 segmenten. Een voertuig dat slechts 6 km per uur rijdt, passeert echter maar 2 segmenten in 1 minuut.

Figuur 6 is een voorstelling van file-golven versus reistijd voor een bepaald traject.

Figuur 7 is een voorstelling van click-on-demand, waarbij een verkeerssituatie op een bepaald tijdstip in een bepaalde zone kan worden weergegeven.

Figuur 8 is een voorstelling van het meetsysteem van de uitvinding via live segmenten op Google Maps. De kleurcodes geven de bezettingsgraad van de “50m segmenten” weer. Donker gekleurde segmenten zijn drukker bezet dan lichter gekleurde.

Figuur 9 illustreert een screenshot van het meetsysteem van de uitvinding. Donker gekleurde segmenten zijn drukker bezet dan lichter gekleurde.

Figuur 10 is een voorstelling van de coverage per segment (aantal probes) op een geaggregeerde base map in functie van de tijd.

Figuur 11 geeft de filelengte weer in fucntie van de weg klasse.

Claims (18)

1. Systeem voor het accuraat opmeten, aggregeren, voorspellen en publiceren van verkeersinformatie, met het kenmerk dat het wegennetwerk van een digitale kaart wordt gesegmenteerd in wegsegmenten met een vaste lengte waarop probes van minstens 2 gps posities per voertuig worden gematcht.

2. Systeem volgens conclusie 1, met het kenmerk dat de verkeersinformatie wordt toegekend per segment.

3. Systeem volgens conclusie 1 of 2, met het kenmerk dat elk segment niet groter is dan 100m, bij voorkeur 50m.

4. Systeem volgens voorgaande conclusies, met het kenmerk dat de segmenten zich bevinden tussen twee super nodes die een verandering van richting inhouden.

5. Systeem volgens voorgaande conclusies, met het kenmerk dat de verkeersinformatie historische en journalistieke data omvat.

6. Systeem volgens voorgaande conclusies, met het kenmerk dat de probes gebaseerd zijn op Floating Car Data.

7. Systeem volgens voorgaande conclusies, met het kenmerk dat het verkeersbeeld op een segment rekening houdt met waarnemingen van stroomopwaartse en stroomafwaartse segementen.

8. Systeem volgens voorgaande conclusies, met het kenmerk dat het verkeersbeeld op een segment rekening houdt met de voortgang van de filegolven en de voortgang van (de variatie van) het aantal voertuigen als voorspellende factor door tijd en ruimte.

9. Werkwijze voor het accuraat opmeten, aggregeren, voorspellen van verkeersinformatie, met het kenmerk dat de werkwijze de volgende stappen omvat: a) hersegmenteren van een digitale kaart naar wegsegmenten met een vaste lengte; b) matchen van GPS posities van probes op de wegsegmenten; c) afleiden van verkeersinformatie per segment.

10. Werkwijze volgens conclusie 9, waarbij de verkeersinformatie wordt gepubliceerd.

11. Werkwijze volgens conclusie 9 of 10, waarbij de vaste lengte van een wegsegment niet groter is dan 100m, bij voorkeur niet groter dan 50m.

12. Werkwijze volgens eender welke van conclusie 9 tot 11, waarbij minimum 2 opeenvolgende GPS posities van eenzelfde voertuig worden gebruikt

13. Werkwijze volgens eender welke van conclusie 9 tot 12, waarbij in stap b) en/of c) ook andere data, zoals o.a. journalistieke data, wordt gematchd op de wegsegmenten en/of bijdraagt tot de afgeleide verkeersinformatie.

14. Werkwijze volgens eender welke van conclusie 10 tot 13, waarbij de gepubliceerde verkeersinformatie de volgende info kan omvatten: - instantane en/of voorspellende reistijden zoals o.a. trajecttijden, vertragingen. file- en verkeersberichten zoals o.a. filelocatie, filelengte, filedruk, filekost verkeersvolume heterogene verdeling van verkeersstroom en gebruikersafliankelijkheid zoals o.a. vertraging voor vrachtwagens en/of personenwagens snelheidsdistributie

15. Werkwijze volgens eender welke van conclusie 10 tot 14, waarbij de gepubliceerde verkeersinformatie ofwel quasi direct (online) ofwel offline wordt geleverd.

16. Werkwijze volgens eender welke van conclusie 9 tot 15, waarbij niet representatieve probes worden weggefilterd.

17. Werkwijze volgens eender welke van conclusie 9 tot 16, waarbij historische relaties tussen verschillende segmenten kan worden afgeleid.

18. Werkwijze volgens eender welke van conclusie 9 tot 17, waarbij het verkeersbeeld een accuraatheid heeft van minder dan lm.