DE10108611A1 - Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz - Google Patents
Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem VerkehrswegenetzInfo
- Publication number
- DE10108611A1 DE10108611A1 DE2001108611 DE10108611A DE10108611A1 DE 10108611 A1 DE10108611 A1 DE 10108611A1 DE 2001108611 DE2001108611 DE 2001108611 DE 10108611 A DE10108611 A DE 10108611A DE 10108611 A1 DE10108611 A1 DE 10108611A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic
- route
- vehicle
- network
- vehicles
- 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.)
- Withdrawn
Links
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz mit Netzknotenpunkten und diese verbindende Streckenabschnitte durch mikroskopische Größen unter Verwendung von aktuell gemessenen und historischen Verkehrsdaten. DOLLAR A Erfindungsgemäß werden in einem ersten Schritt makroskopische Verkehrsgrößen bestimmt, und DOLLAR A in einem weiteren Schritt werden daraus die mikroskopischen Einzelfahrzeuggrößen getrennt für jedes Fahrzeug erzeugt.
Description
Die Erfindung bezieht sich auf ein Verfahren zur Simulation und
Prognose der Bewegung von Einzelfahrzeugen auf einem
Verkehrswegenetz mit Netzknotenpunkten und diese verbindende
Streckenabschnitte durch mikroskopische Größen gemäß dem
Oberbegriff von Anspruch 1.
Zur näherungsweisen Nachbildung von Bewegungen von
Einzelfahrzeugen auf einem Verkehrswegenetz - also der
Darstellung des Verkehrs - können verschiedene Modelle zur
mikroskopischen Verkehrssimulation eingesetzt werden. Eine
Übersicht über solche Modelle gibt beispielsweise Helbing, D.;
"Verkehrsdynamik"; Berlin Heidelberg: Springer, 1997; oder
Chowdhury, D., Santen, L., Schadschneider, A.; "Statistical
Physics of Vehicular Traffic and Some Related Systems";
Physical Reports, Vol. 329, Seite 199ff, 2000. Bei diesen
Modellen wird die Fahrzeugbewegung entsprechend einer Fahrzeug-
Fahrzeug-Regelung, beispielsweise in Abhängigkeit vom Abstand
zum vorausfahrenden Fahrzeug, oder durch Nutzung einer aus der
mikroskopischen Modellierung abgeleiteten makroskopischen
Fahrzeuggeschwindigkeit-Fahrzeugdichte-Beziehung, etwa durch
Zuordnung einer Fahrzeuggeschwindigkeit entsprechend der
Fahrzeuganzahl auf einem Streckenabschnitt, realisiert. Bei
allen diesen Verfahren müssen jeweils die Bewegungen sämtlicher
auf dem Verkehrswegenetz befindlichen Fahrzeuge berechnet
werden. Wenn der Verkehr über einen längeren Zeitraum in die
Zukunft prognostiziert werden soll oder bei sehr ausgedehnten
Verkehrswegenetzen sind damit eine große Anzahl von Fahrzeugen
zu modellieren. Auch dann, wenn makroskopische, gemittelte
Größen oder nur die Bewegung einiger weniger Fahrzeuge das Ziel
der durchgeführten Berechnungen sind, müssen immer sämtliche
während des betrachteten Zeitraums innerhalb des betrachteten
Verkehrswegenetzes vorhandenen Fahrzeuge berücksichtigt werden.
Weiterhin bekannt sind Modelle, die nur ausgewählte Teile eines
Verkehrswegenetzes in einer mikroskopischen Modellierung
abbilden und die restlichen Bereiche mit einer makroskopischen
Modellierung behandeln. Solche Modelle sind beispielsweise in
Lerner, G., Hochstädter, A., Kates, R., Meier, J.: "Kopplung
von Verkehrsflußmodellen unterschiedlichen Detaillierungsgrades
- Realisierung und Anwendungen", 7. Aachener Kolloquium
Fahrzeug- und Motorentechnik, Aachen, Oktober 1998; oder in
Lerner, G., Hochstädter, A., Kates, R. Demir, C., Meier, J.
Poschinger, A.: "The Interplay of Multiple Scales in Traffic
Flow: Coupling of Microscopic, Mesoscopic and Macroscopic
Simulation", 7th World Congress on Intelligent Transport
Systems, Turin, 2000; beschrieben. Bei solchen kombinierten
mikroskopisch-makroskopischen Modellen wird die Interaktion der
einzelnen Fahrzeuge in den ausgewählten Teilen des
Verkehrswegenetzes benötigt, um dort sowohl makroskopische als
auch mikroskopische Verkehrsgrößen zu bestimmen. Die
makroskopische Modellierung dient dabei nur zur schnellen
rechentechnischen Bearbeitung solcher Gebiete, in denen die
Bewegungen einzelner Fahrzeuge nicht von Interesse sind, die
aber aus anderen Gründen - etwa zur Vermittlung einer
gemeinsamen Verkehrslage zwischen verschiedenen isolierten
Gebieten die jeweils mikroskopisch modelliert werden -
abgebildet werden müssen.
Der Erfindung liegt die Aufgabe zugrunde, die Nachbildung der
Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz so zu
verbessern, dass der Rechenaufwand verringert, die benötigte
Rechenzeit verkürzt und die Komplexität der Lösung vermindert
wird.
Diese Aufgabe wird erfindungsgemäß durch die Merkmale des
Anspruchs 1 gelöst. Die Unteransprüche betreffen vorteilhafte
Aus- und Weiterbildungen der Erfindung.
Der Hauptgedanke der Erfindung besteht darin, die Berechnung
der Verkehrslage auf dem Verkehrswegenetz rechentechnisch
komplett abzukoppeln von der Bestimmung der jeweiligen
Einzelfahrzeugbewegungen. Durch die Vermischung dieser beiden
Berechnungsaufgaben entsteht bei den vorbekannten Modellen ein
Großteil des Verarbeitungsaufwandes, der mit der Simulation und
Prognose der mikroskopischen Fahrzeuggrößen verbunden ist. Denn
als Ergebnis interessiert ja nicht die große Menge an genau
berechneten Daten der Bewegung einer Vielzahl von modellierten
Fahrzeugen. Vielmehr werden diese Berechnungen durchgeführt, um
aus der resultierenden großen Datenmenge dann durch Mittelungs-
und Verdichtungsprozesse makroskopische Verkehrsgrößen wie etwa
Reisezeiten abzuleiten. Und selbst für den Fall, dass die
Bewegungen einzelner Fahrzeuge das Ziel der Untersuchungen
sind, genügt es, diese wenigen Fahrzeuge zu modellieren und
nicht sämtliche während des betrachteten Zeitraums innerhalb
des Verkehrswegenetzes vorhandenen Fahrzeuge zu
berücksichtigen. Erfindungsgemäß wird deshalb vorgeschlagen,
die Nachbildung der Bewegung von Einzelfahrzeugen auf einem
Verkehrswegenetz in zwei separaten Schritten durchzuführen.
Dabei werden in einem ersten Schritt makroskopische
Verkehrsgrößen bestimmt, die zur Beschreibung des
Verkehrszustandes auf dem Verkehrswegenetz dienen. Unter
makroskopischen Verkehrsgrößen versteht der Fachmann dabei
beispielsweise die drei jeweils örtlich und zeitlich
aufgelösten Größen Fahrzeugdichte, Verkehrsfluss und mittlere
Fahrzeuggeschwindigkeit, Längen von Warteschlangen, Anzahl von
Fahrzeugen in Warteschlangen und auf Streckenabschnitten,
Reisezeiten durch Warteschlangen und auf Streckenabschnitten.
In diesem Schritt werden noch keinerlei Einzelfahrzeuge
betrachtet. Stattdessen werden dynamische Verfahren verwendet,
die unter Einbeziehung aktuell gemessener und historischer
Verkehrsdaten funktionieren. Bei diesen Verfahren werden eine
oder mehrere makroskopische Verkehrsgrößen ausgehend von zu
einem Prognosestartzeitpunkt aktuellen Verkehrsdaten auf der
Basis einer speziellen dynamischen makroskopischen Modellierung
des Verkehrs prognostiziert. Erst in einem weiteren Schritt,
der vom ersten Schritt getrennt durchgeführt wird, werden aus
der oder den makroskopischen Verkehrsgrößen die mikroskopischen
Einzelfahrzeuggrößen getrennt für jedes Fahrzeug erzeugt.
Beispielsweise kann aus der zeitlich-räumlichen Verteilung der
mittleren Geschwindigkeit in verschiedenen Bereichen des
Verkehrswegenetzes unter Einbeziehung verschiedener anderer
makroskopischer Größen für ein Fahrzeug, welches nach der
Zuweisung eines zurückzulegenden Weges auf dem Verkehrswegenetz
eingesetzt wird, eine voraussichtliche individuelle Fahrlinie
für dieses Fahrzeug erstellt werden. Dabei stellen Fahrlinien
die Bewegung eines Fahrzeugs auf dem Verkehrswegenetz über Ort
und Zeit dar. Zusätzlich können weitere mikroskopische Größen
wie Brems- und Beschleunigungsvorgänge von Einzelfahrzeugen
abgebildet werden.
Die aus dem Stand der Technik vorbekannten Modelle benötigen
häufig Daten, die nur mit großem Aufwand empirisch ermittelbar
sind. Ein derartiges, oft benötigtes Datum ist etwa eine
Quelle-Ziel-Matrix zur Vorgabe von Fahrzeuganzahlen, die
zwischen den verschiedenen Bereichen des Verkehrswegenetzes
während einer bestimmten Zeitspanne unterwegs sind. Eine solche
Quelle-Ziel-Matrix muss durch umfangreiche Recherche von Daten
und Befragungen von Personen manuell erstellt und durch
Korrekturrechnungen feinjustiert werden. Dagegen benötigen die
erfindungsgemäß benutzten dynamischen Verfahren zur Prognose
makroskopischer Verkehrsgrößen nur experimentell direkt
messbare Verkehrsdaten, wie etwa Verkehrsflüsse oder
Abbiegeraten. Aufbauend auf der rechentechnischen Abbildung des
betrachteten Verkehrswegenetzes werden die aktuell gemessenen
Verkehrsdaten zur Bestimmung des Ausgangszustandes auf dem
Verkehrswegenetz verwendet. Zusätzlich werden noch gespeicherte
Zeitreihen von historisch gemessenen Verkehrsdaten, sogenannte
Ganglinien, genutzt. Diese werden beispielsweise benötigt, um
den an den Rändern des betrachteten Verkehrswegenetzes während
des Prognosezeitraums - also in der Zukunft liegenden -
einströmenden Verkehr zu erhalten. Dabei kann nicht nur eine
solche Ganglinie pro interessierendem Verkehrsdatum - etwa für
jeweils 24 Stunden - abgespeichert sein, sondern es können auch
verschiedene, als unterschiedlich erkannte Verläufe abgelegt
sein. Beispielsweise ist es dann möglich, durch Vergleich mit
den aktuellen Messwerten und/oder dem gerade herrschenden
Trend bei den Messwerten durch Vergleich mit den Ganglinien
eine geeignete Ganglinie und einen günstigen Startzeitpunkt
darauf zu identifizieren und auszuwählen. Natürlich können bei
den abgespeicherten Ganglinie auch weitere Hinweise vermerkt
werden, die bei der Auswahl der geeigneten Ganglinie dann
Verwendung finden können, wie beispielsweise Tagesart - etwa
Werktag oder Feiertag - Wetter und/oder erkannte Verkehrslage.
Vorteilhaft ist es, das jeweils verwendete dynamische Verfahren
von der Art des betrachteten Verkehrswegenetzes abhängig zu
machen. Dies ermöglicht es, die Modellierung zu beschränken auf
die jeweils vorherrschenden dynamischen Effekte im
Verkehrsablauf. Damit müssen nicht mehr alle, sondern nur noch
spezielle makroskopische Größen, sogenannte Charakteristika des
Verkehrs, bei den Berechnungen berücksichtigt werden. Für die
Bestimmung der Charakteristika des Verkehrs können neben der
Art des betrachteten Verkehrswegenetzes noch weitere
Gesichtspunkte berücksichtigt werden wie etwa die Verfügbarkeit
von benötigten Daten oder eine gewünschte Ergebnisgenauigkeit.
Beispielsweise können die Netzknoten des Verkehrswegenetzes
eine Verkehrsregelung aufweisen, wobei die Netzknoten
zeitdiskretisiert während Freiphasen freigegeben und während
Unterbrechungsphasen unterbrochen sind. Dabei handelt es sich
also insbesondere um Verkehrswegenetze in Ballungsräumen. Unter
den Begriffen "Freiphasen" und "Unterbrechungsphasen" sind
dabei sowohl Grünphasen bzw. Rotphasen von Lichtsignalanlagen
als auch äquivalente Zeiträume zu verstehen, während denen der
Verkehr beispielsweise aufgrund entsprechender Vorfahrtsregeln
freigegeben bzw. angehalten wird. Ein für einen solchen
Verkehrsnetzbereich geeignetes dynamisches Verfahren ist in der
nicht vorveröffentlichten, älteren deutschen Patentanmeldung DE 199 40 957.9-32,
deren Inhalt hierin durch Verweis aufgenommen
wird, beschrieben. Bei diesem Verfahren werden - auf der Basis
einer speziellen dynamischen makroskopischen Modellierung -
effektive, kontinuierliche Verkehrszustandsparameter für die
Streckenabschnitte des Verkehrswegenetzes modelliert und
prognostiziert, insbesondere - als Charakteristika des Verkehrs
- effektive Verkehrsflüsse. Dabei werden die effektiven,
kontinuierlichen Verkehrszustandsparameter aus den realen,
durch die Frei- und Unterbrechungsphasen der verkehrsgeregelten
Netzknotenpunkte zeitdiskretisierten Verkehrszustandsparametern
durch einen Integrationsprozess gewonnen. Beispielsweise können
der effektive kontinuierliche Abfluss qout aus einem
Streckenabschnitt und der effektive kontinuierliche Zufluss qin
in einen Streckenabschnitt aus den Beziehungen
als zeitliches Mittelungsintegral über den zugehörigen
zeitdiskretisierten, realen Streckenabfluss qaout bzw. den
Streckenzufluss qain ermittelt werden. Dabei entspricht die
Integrationszeitlänge T typischerweise der Dauer eines gesamten
Zyklus einer Frei- und einer Unterbrechungsphase, etwa einer
Grün- und einer Rotphase einer Lichtsignalanlage, oder
alternativ einer effektiven Zyklusdauer als Summe der Dauern
einer effektiven Freiphase und einer effektiven
Unterbrechungsphase am jeweiligen verkehrsgeregelten
Netzknoten. Die ermittelten effektiven kontinuierlichen
Verkehrszustandsparameter können unabhängig von der konkreten
Dauer der Frei- und Unterbrechungsphasen an den
verkehrsgeregelten Netzknoten und unabhängig von der Dauer
aller anderen Arten von Verkehrsunterbrechungen an Netzknoten
kontinuierlich für das Verkehrsnetz berechnet werden und
erlauben eine dynamische Prognose in extrem kurzer Rechenzeit.
Je nach Bedarf können weitere effektive kontinuierliche
Verkehrszustandsparameter, also makroskopische Größen,
ermittelt werden wie etwa eine effektive kontinuierliche Länge
einer jeweiligen Warteschlange. Bevorzugt umfasst die
Verkehrsprognose dabei die Berechnung einer dynamischen
Prognose über die Reisezeiten für jede Strecke des
Verkehrswegenetzes und einer dynamischen Prognose über die
Länge der Warteschlange der Fahrzeuge vor jedem Netzknoten und
bei Bedarf über die Verkehrslage insbesondere hinsichtlich der
Anzahl sowohl der fahrenden als auch der in Warteschlangen
stehenden Fahrzeuge auf jeder Strecke des Verkehrswegenetzes,
wobei die Berechnung der dynamischen Prognosen auf den
ermittelten effektiven kontinuierlichen Verkehrsflüssen
basieren. Für diejenigen Netzknoten, an denen der Verkehr nicht
durch Lichtsignalanlagen, sondern durch verschiedene
Vorfahrtsregeln geregelt wird, kann statt der Dauer einer Frei-
bzw. Unterbrechungsphase ein Mittelwert über die Dauer einiger
effektiver Frei- bzw. Unterbrechungsphasen benutzt werden, die
aus vorgegebenen Funktionen des Verkehrs, wie der Anzahl der
Fahrzeuge in der Warteschlange und der Zuflüsse der Fahrzeuge
in die Warteschlange, ermittelt werden. Daraus kann dann die
Gesamtzyklusdauer T als eine effektive Zyklusdauer in Form der
Summe der mittleren Dauer von Frei- und Unterbrechungsphasen
abgeleitet werden. In analoger Weise kann für diejenigen
Netzknoten, an denen eine automatische Verkehrsregelung durch
eine Lichtsignalanlage in Abhängigkeit von der Anzahl der
Fahrzeuge in der Warteschlange, von den Zuflüssen in die
Warteschlange und von anderen makroskopische Größen erfolgt,
statt der Dauer der Rot- bzw. Grünphasen die Dauer von
effektiven Rot- bzw. Grünphasen benutzt werden, die dadurch
bestimmt sind, dass sie der Strategie der
Lichtsignalanlagensteuerung entsprechen. So soll z. B. dann die
Dauer der effektiven Frei- bzw. Unterbrechungsphasen der
Funktion der Fahrzeuganzahl in den Warteschlangen, den
Fahrzeugzuflüssen in die Warteschlangen und den anderen
makroskopischen Größen entsprechen, wie sie in der Strategie
der Lichtsignalanlagensteuerung vorgesehen ist. Somit kann aus
diesen verkehrsabhängigen Eingangssteuergrößen eine effektive
Gesamtzyklusdauer als Frei- und Unterbrechungsphasen-
Zyklusdauer T abgeleitet und für die weiteren Prognosezwecke
verwendet werden.
Die Berechnung der Länge der Warteschlange besteht dabei in
einem ersten Schritt in der Ermittlung einer effektiven
kontinuierlichen Fahrzeuganzahl Nq in der jeweiligen
Warteschlange anhand der realen zeitdiskretisierten
Fahrzeuganzahl Naq etwa gemäß der Beziehung
wobei T wiederum die Dauer des gesamten Frei- und
Unterbrechungsphasenzyklus z. B. einer Lichtsignalanlage bzw.
eines effektiven Zyklus als Summe einer effektiven Rot- und
Grünphase am jeweiligen Netzknoten bezeichnet. Aus der
Fahrzeuganzahl wird dann in einem zweiten Schritt durch
Berücksichtigung von Informationen über Fahrzeuglängen eine
Warteschlangen-Länge berechnet. Die Fahrzeuglänge kann im
einfachsten Fall als eine allgemeine mittlere Fahrzeuglänge
angenommen werden. Möglich sind aber auch die Verwendung eines
- aus Ganglinien oder aktuellen Messungen gewonnenen - Lkw-
Anteils, der dann mit einer allgemeinen mittleren Lkw-Länge
berücksichtigt wird, während der Rest der Fahrzeuge mit einer
allgemeinen mittleren Pkw-Länge abgebildet werden. Auch können
die individuellen Fahrzeuglängen direkt berücksichtigt werden,
beispielsweise durch automatische Klassifikation der Fahrzeuge.
Bei der Ermittlung der effektiven kontinuierlichen
Warteschlangen-Fahrzeuganzahl Nq ist dabei zwischen dem Fall
einer untersättigten und dem einer übersättigten Warteschlange
zu unterscheiden. Im Fall der untersättigten Warteschlange
steigt die aktuelle Warteschlangen-Fahrzeuganzahl Naq während
des Zeitraums TR einer Unterbrechungs- bzw. Rotphase an, um
dann während der Zeitdauer TG einer anschließenden Frei- bzw.
Grünphase wieder bis auf null abzufallen. Im Fall der
übersättigten Warteschlange steigt die aktuelle Anzahl Naq von
Fahrzeugen in der Warteschlange während der Dauer TR einer
Unterbrechungs- bzw. Rotphase wiederum kontinuierlich an und
fällt anschließend während der Dauer TG einer darauffolgenden
Frei- bzw. Grünphase wieder ab, im Unterschied zum
untersättigten Fall jedoch nicht bis auf null, d. h. die
Warteschlange löst sich während einer Freiphase nicht mehr
komplett auf. Eine mittlere Wartezeit tq innerhalb einer
übersättigten Warteschlange an einem verkehrsgeregelten Knoten
lässt sich aus einer Beziehung ermittelt, nach der die
effektive kontinuierliche Warteschlangen-Fahrzeuganzahl gleich
dem Zeitintegral über den zugehörigen effektiven
kontinuierlichen Abfluss während der mittleren Wartezeit ist.
Als Beispiel angegeben sei hier die Integralbeziehung
für die effektive kontinuierliche Warteschlangen-Fahrzeuganzahl
Nq zu einem Zeitpunkt tfree als Zeitintegral über den effektiven
kontinuierlichen Abfluss qout während der darauffolgenden
mittleren Wartezeit tq ermitteln. Denn aus dieser Beziehung
kann bei bekannter effektiver kontinuierlicher Warteschlangen-
Fahrzeuganzahl Nq und bekanntem effektivem kontinuierlichem
Streckenabfluss qout die mittlere Wartezeit tq mindestens
numerisch bestimmt werden.
Für die gesamte effektive kontinuierliche Anzahl N von
Fahrzeugen auf einer jeweiligen Strecke gilt die
Kontinuitätsgleichung
dN/dt = qin - qout, (4)
die sie mit dem effektiven kontinuierlichen Zufluss qin und dem
effektiven kontinuierlichen Abfluss qout der betreffenden
Strecke verknüpft. Mit Kenntnis der obigen Größen lässt sich
des weiteren eine mittlere freie Reisezeit für die
Streckenabschnitte außerhalb von Warteschlangen anhand einer
Integralbeziehung ermittelt, gemäß der die freie Streckenlänge
zwischen zwei Knoten außerhalb von Warteschlangen dem
Zeitintegral über eine fahrzeugdichteabhängige freie
Fahrzeuggeschwindigkeit während der mittleren Reisezeit
entspricht, wobei sich die maßgebliche Fahrzeugdichte aus dem
Quotient der effektiven Anzahl freier Fahrzeuge dividiert durch
die freie Streckenlänge pro Streckenfahrspur ergibt.
Beispielhaft ist die mittlere Reisezeit tfree der Fahrzeuge für
das Befahren einer betrachteten Strecke außerhalb der
jeweiligen Warteschlange aus den Beziehungen
zu bestimmen, wobei vfree (ρ) die von der Fahrzeugdichte ρ
abhängige Geschwindigkeit der Fahrzeuge außerhalb der
Warteschlange, L die Länge der jeweiligen Strecke, Lq die Länge
der Warteschlange auf der Strecke und n die Anzahl von
Fahrspuren auf der jeweiligen Strecke bezeichnen. Für die
Warteschlangenlänge Lq gilt die Beziehung Lq = bNq/n, wobei mit
b der mittlere Fahrzeugabstand in der Warteschlange bezeichnet
ist.
Für die effektive kontinuierliche Anzahl Nq von Fahrzeugen in
einer übersättigten Warteschlange gilt die
Kontinuitätsgleichung
dNq/dt = qin,q - qout, (6)
mit dem effektiven kontinuierlichen Zufluss qin,q in die
Warteschlange und dem effektiven kontinuierlichen Abfluss qout
aus der Warteschlange bzw. der Strecke. Der effektive
kontinuierliche Zufluss qin,q in die Warteschlange bestimmt sich
durch die Beziehung qin,q = nρvfree. Für untersättigte
Warteschlangen berechnet sich die effektive Warteschlangen-
Fahrzeuganzahl Nq aus der Beziehung Nq = qin,qtq.
Die beschriebenen Verkehrsflussverhältnisse auf den einzelnen
Strecken werden nun durch die verkehrsgeregelten Netzknoten
miteinander verknüpft. Insbesondere wird eine Beziehung
hergestellt zwischen den effektiven kontinuierlichen Zuflüssen
qin und den effektiven kontinuierlichen Abflüssen qout für jede
Richtungsspurmenge der in den Knoten mündenden Strecken. Unter
dem Begriff "Richtungsspurmenge" ist dabei jeweils die Menge
aller Fahrspuren zu verstehen, die gleichberechtigt von den
Fahrzeugen benutzt werden können, um den Knoten zur Weiterfahrt
in einer oder mehreren zugeordneten Zielrichtungen zu
passieren. So kann eine Strecke z. B. eine erste
Richtungsspurmenge mit einer oder mehreren Fahrspuren, von
denen aus rechts abgebogen oder geradeaus weitergefahren werden
kann, und eine zweite Richtungsspurmenge mit einer oder
mehreren Fahrspuren umfassen, von denen aus links abgebogen
werden kann. Dabei geben Aufteilungskoeffizienten α (i,m)|(j,k) die
relative Anzahl von Fahrzeugen an, die von der
Richtungsspurmenge k der Strecke j in die Richtungsspurmenge m
der Strecke i einfahren. Dazu sind die Aufteilungskoeffizienten
so normiert, dass für jede Richtungsspurmenge k einer
einmündenden Strecke j die Summe der Aufteilungskoeffizienten
α (i,m)|(j,k) über alle Richtungsspurmengen m aller ausmündenden
Strecken i gleich eins ist. Die Aufteilungskoeffizienten können
aus entsprechenden aktuellen Messungen und historischen
Ganglinien ermittelt werden. Für die Verhältnisse an einem
verkehrsgeregelten Netzknoten gilt dann für den effektiven
kontinuierlichen Zufluss qin (i,m) in die Richtungsspurmenge m der
ausmündenden Strecke i die Beziehung
qin (i,m)(t) = min{qinm (i,m), (Nmax (i,m) - N(i,m)(t))/Δt}, (7)
wobei qinm (i,m) einen zugehörigen durchschnittlichen effektiven
kontinuierlichen Zufluss bezeichnet, der mit einem
entsprechenden durchschnittlichen effektiven kontinuierlichen
Abfluss qoutm (j,k) aus der jeweiligen Richtungsspurmenge k einer
jeden einmündenden Strecke j über die Aufteilungskoeffizienten
α (i,m)|(j,k) nach der Gleichung
in Beziehung steht. Für den effektiven kontinuierlichen Abfluss
qout (j,k) von einer jeweiligen Richtungsspurmenge k einer
einmündenden Strecke j gilt die Beziehung
mit einem zugehörigen mittleren effektiven kontinuierlichen
Abfluss qoutm (j,k), für den unterschiedlich für die Fälle einer
unter- oder übersättigten Warteschlange die Beziehung
gilt, in der qout,max (j,k) einen maximalen effektiven
kontinuierlichen Abfluss aus der Richtungsspurmenge k der
Strecke j bezeichnet, für den die Beziehung
qout,max (j,k) = qsat (j,k)TG (j,k)/T(j,k) (11)
gilt, wenn keine Korrelation zwischen den Freiphasen
aufeinanderfolgender verkehrsgeregelter Netzknoten besteht bzw.
berücksichtigt wird. Dabei bezeichnen TG (j,k) die Dauer einer
Freiphase bzw. einer effektiven Freiphase und T(j,k) = TG (j,k) + TR (j,k)
die Gesamtdauer eines Frei- und Unterbrechungsphasenzyklus der
Lichtsignalanlage oder anderer Verkehrsregelungsmittel am
Netzknoten für die Richtungsspurmenge k auf der Strecke j als
Summe der Freiphasendauer TG (j,k) und der
Unterbrechungsphasendauer TR (j,k). Mit Δt ist ein vorgegebenes
Zeitinkrement, z. B. in Form einer vorgegebenen Zahl für einen
Zeittaktzähler, und mit qsat (j,k) der Sättigungsabfluss aus der
Warteschlange auf der Richtungsspurmenge k der Strecke j
bezeichnet, der mit dem Sättigungsabfluss qsat1 (j,k) pro Fahrspur
aus der Warteschlange auf der Richtungsspurmenge k der Strecke
j in der Form qsat (j,k) = nkqsat1 (j,k) in Verbindung steht, wobei nk
die Anzahl der Fahrspuren der Richtungsspurmenge k der
betreffenden einmündenden Strecke j angibt. Nmax (i,m) gibt eine
maximale Fahrzeuganzahl auf der Richtungsspurmenge m der
Strecke i an. Wie aus der obigen Gleichung (10) abzulesen ist,
ergibt sich der mittlere effektive kontinuierliche
Fahrzeugabfluss qoutm (j,k) von der Richtungsspurmenge k der
Strecke j im untersättigten Fall als Minimum des effektiven
kontinuierlichen Zuflusses qin,q (j,k) zu einer eventuellen
dortigen Warteschlange und des maximal möglichen Abflusses
qout,max (j,k) und für den übersättigten Fall als Minimum des
maximal möglichen Abflusses qout,max (j,k) und des Quotienten aus
der effektiven Warteschlangen-Fahrzeuganzahl Nq (j,k) dividiert
durch das Zeitinkrement Δt. Natürlich sind entsprechende
Aufteilungskoeffizienten auch in den obigen Formeln (1) bis (6)
mitzulesen, wo sie noch nicht aufgeführt sind, weil diese
Formeln vor der Beschreibung der Aufteilungskoeffizienten
angeschrieben wurden.
Wenn zwischen verschiedenen, aufeinanderfolgenden
verkehrsgeregelten Netzknoten in einer Fahrtrichtung eine
Korrelation der Freiphasen etwa in Form einer "Grünen Welle"
besteht, gilt für den maximal möglichen Fahrzeugabfluss
qout,max (j,k) aus der Richtungsspurmenge k der Strecke j die
Beziehung
welche die obige Beziehung danach unterscheidet, ob eine
untersättigte oder eine übersättigte Warteschlange vorliegt,
wobei γ eine vorgegebene Zahl größer eins ist. Mit anderen
Worten ist der maximale effektive kontinuierliche
Fahrzeugabfluss qout,max (j,k) aus der Richtungsspurmenge k der
Strecke j im untersättigten Fall bei einer bestehenden
Freiphasen-Korrelation höher als bei unkorrelierten Freiphasen
der in einer Fahrtrichtung aufeinanderfolgenden Netzknoten.
Im Rahmen des vorliegenden Verkehrsprognoseverfahrens
ermittelte Informationen über die effektiven kontinuierlichen
Verkehrsflüsse und die effektive kontinuierliche
Warteschlangen-Fahrzeuganzahl lassen sich zur Erkennung von
Phasenübergängen zwischen untersättigter und übersättigter
Warteschlange nutzen. So kann auf einen Übergang vom
untersättigten Bereich zum übersättigten Bereich für eine
Richtungsspurmenge k einer Strecke j geschlossen werden, wenn
die Bedingung
qin,q (j,k) < qout (j,k) (13)
erfüllt wird, d. h. wenn der effektive kontinuierliche Zufluss
qin,q (j,k) in die Warteschlange der Richtungsspurmenge k auf der
Strecke j größer wird als der zugehörige Abfluss qout (j,k) aus
der Warteschlange. Analog kann auf einen Übergang vom
übersättigten Bereich zum untersättigten Bereich geschlossen
werden, wenn die Bedingungen
qout (j,k) ≧ gin,q (j,k) und qin,q (j,k)tq (j,k) ≧ Nq (j,k) (14)
für die betrachtete Richtungsspurmenge k der Strecke j erfüllt
sind, d. h. wenn dort zum einen der effektive kontinuierliche
Warteschlangenzufluss qin,q (j,k) nicht größer als der effektive
kontinuierliche Fahrzeugabfluss qout (j,k) und zum anderen das
Produkt aus dem effektiven kontinuierlichen
Warteschlangenzufluss qin,q (j,k) und der mittleren Wartezeit tq (j,k)
mindestens so groß wie die effektive Fahrzeuganzahl Nq (j,k) in
der betreffenden Warteschlange ist.
Eine ganz andere Art von Verkehrswegenetz liegt dagegen vor,
wenn keine oder nur relativ wenige verkehrsgeregelte
Netzknotenpunkte vorhanden sind, was typischerweise für ein
Schnellstraßennetz der Fall ist. Ein solches Verkehrswegenetz
kann dabei bei wenigstens einem Streckenabschnitt mindestens
eine effektive Engstelle aufweisen. Unter solchen effektiven
Engstellen auf Schnellstraßennetzen sind hierbei sowohl
Engstellen im eigentlichen Sinn, d. h. eine Verringerung der
Anzahl nutzbarer Fahrspuren, als auch Engstellen im weiteren
Sinn zu verstehen, die z. B. durch eine oder mehrere einmündende
Zufahrtsspuren oder durch eine Kurve, eine Steigung, ein
Gefälle, eine Aufteilung einer Fahrbahn in zwei oder mehrere
Fahrbahnen, eine oder mehrere Ausfahrten oder eine sich langsam
(im Vergleich mit der mittleren Fahrzeuggeschwindigkeit im
freien Verkehr) bewegende Engstelle, z. B. durch ein langsam
fahrendes Fahrzeug, bedingt sind. Wiederum ist es
vorteilhaft, das verwendete dynamische Verfahren auf diese
spezielle Art von betrachtetem Verkehrswegenetzes abzustimmen.
Dadurch wird die Modellierung eingeschränkt auf die
Auswirkungen der effektiven Engestellen als den vorherrschenden
dynamischen Effekt im Verkehrsablauf. Ein für solche
Verkehrswegenetze geeignetes dynamisches Verfahren ist in der
nicht vorveröffentlichten, älteren deutschen Patentanmeldung DE 199 44 075.1-32,
deren Inhalt hierin durch Verweis aufgenommen
wird, beschrieben. Bei diesem Verfahren wird der
Verkehrszustand stromaufwärts einer jeweiligen effektiven
Engstelle auf einem Schnellstraßennetz als ein Muster dichten
Verkehrs klassifiziert, wenn eine an der betreffenden
effektiven Engstelle fixierte Flanke zwischen stromabwärtigem
freiem Verkehr und stromaufwärtigem sogenannten
synchronisiertem Verkehr erkannt wird, d. h. wenn sich
stromaufwärts der Engstelle auf einem Schnellstraßennetz
dichter Verkehr bildet bei dem kaum Möglichkeiten zum Überholen
bestehen, jedoch noch eine hohe Verkehrsstärke vorherrscht. Die
Musterklassifikation des Verkehrszustands beinhaltet eine
Einteilung des Verkehrs stromaufwärts der Engstelle auf einem
Schnellstraßennetz in einen oder mehrere, stromaufwärts
aufeinanderfolgende Bereiche unterschiedlicher
Zustandsphasenzusammensetzung. Des weiteren beinhaltet die
Musterklassifikation ein zustandsphasenabhängiges, zeit- und
ortsabhängiges Profil von für die Zustandsphasenermittlung
berücksichtigten Verkehrsparameter, wie mittlere
Fahrzeuggeschwindigkeit, Verkehrsfluss und/oder Verkehrsdichte.
Häufig wird bei zunehmendem Verkehr speziell an effektiven
Engstellen auf einem Schnellstraßennetz, bei denen es sich
meist um stationäre Engstellen, in manchen Fällen aber auch um
bewegliche Engstellen, wie sich sehr langsam bewegende
Straßenbau- oder Straßenwartungsfahrzeuge oder
Wanderbaustellen, handeln kann, ein vormals freier
Verkehrszustand stromaufwärts der Engstelle zunächst in den
sogenannten Bereich synchronisierten Verkehrs übergeht und sich
daraus je nach weiterem Verkehr ein für die Engstelle auf einem
Schnellstraßennetz typisches Muster dichten Verkehrs ausbildet.
Dieses Muster kann in der minimalen Version allein aus dem an
die effektive Engstelle auf einem Schnellstraßennetz
stromaufwärts angrenzenden Bereich synchronisierten Verkehrs
bestehen. Bei zunehmendem Verkehrsaufkommen und/oder
entsprechender Streckeninfrastruktur wird zusätzlich die
Bildung eines Bereichs gestauchten synchronisierten Verkehrs
beobachtet. Gestauchter synchronisierter Verkehr (sogenannte
"pinch region") sind Bereiche innerhalb von synchronisiertem
Verkehr, in denen nur sehr niedrige Geschwindigkeiten gefahren
werden können und in denen sich spontan kurze Stauzustände
bilden, die stromaufwärts wandern und dabei anwachsen können,
was dann eventuell zu einem bleibenden Stauzustand führen kann.
Aus diesem können sich Staus entwickeln, die stromaufwärts
propagieren, wobei zwischen je zwei Staus freier oder
synchronisierter bzw. gestauchter synchronisierter Verkehr
vorliegen kann. Der Bereich, in welchem sich die stromaufwärts
propagierenden, breiten Staus (im Gegensatz zu den in Bereichen
gestauchten synchronisierten Verkehrs auftretenden schmalen
Staus) liegen, wird als Bereich "sich bewegende breite Staus"
bezeichnet.
Damit kann durch das beschriebene Verfahren bei Erkennung eines
sich stromaufwärts einer Engstelle auf einem Schnellstraßennetz
ausbildenden synchronisierten Verkehrs anhand vergleichsweise
weniger aktueller oder prognostizierter Verkehrsmeßdaten eine
Zuordnung des Verkehrszustands zu einem passenden, für die
jeweilige Engstelle auf einem Schnellstraßennetz typischen
Muster getroffen werden. Die weitere Analyse oder Auswertung
und speziell auch die Prognose des zukünftig zu erwartenden
Verkehrszustands kann dann auf der Basis dieser Mustererkennung
mit vergleichsweise wenig zu verarbeitendem Datenmaterial und
folglich mit entsprechend geringem Rechenaufwand erfolgen. Ein
weiterer wesentlicher Vorteil dieses Verfahrens besteht darin,
dass es im Gegensatz zu mathematischen Verkehrszustandsmodellen
mit vielen zu validierenden Parametern eine musterbasierte
Modellierung ohne zu validierende Parameter beinhaltet.
Das Verfahren kann erweitert werden um die Musterklassifikation
des Verkehrszustands auch für den Fall zu ermöglichen, dass
sich ein zunächst an einer effektiven Engstelle auf einem
Schnellstraßennetz entstehendes Muster dichten Verkehrs über
eine oder mehrere weitere stromaufwärtige effektive Engstellen
hinweg ausgedehnt hat. Das übergreifende Muster ist dabei aus
denselben Bereichen aufgebaut wie ein nur eine effektive
Engstelle enthaltendes, einzelnes Muster, d. h. auch das
übergreifende Muster besteht aus einer charakteristischen Folge
von Bereichen "synchronisierter Verkehr", "gestauchter
synchronisierter Verkehr" und "sich bewegende breite Staus".
Das für eine jeweilige Engstelle auf einem Schnellstraßennetz
zeit- und ortsabhängig ermittelte Muster aus aufgenommenen
Verkehrsmessdaten kann empirisch bestimmt und abrufbar
gespeichert werden. Dadurch kann der Engstelle auf einem
Schnellstraßennetz zu jedem späteren Zeitpunkt, zu dem dort
eine fixierte Flanke zwischen stromabwärtigem freiem Verkehr
und stromaufwärtigem synchronisiertem Verkehr erkannt wird, das
am besten zu den aktuell aufgenommenen oder für den
betreffenden Zeitpunkt prognostizierten Verkehrsmessdaten
passende Musterprofil aus den abgespeicherten Musterprofilen
ausgewählt und als aktueller bzw. prognostizierter
Verkehrszustand für den entsprechenden Streckenabschnitt des
Verkehrsnetzes stromaufwärts der Engstelle auf einem
Schnellstraßennetz verwendet werden. Weiter kann der dichte
Verkehrszustand stromaufwärts einer effektiven Engstelle auf
einem Schnellstraßennetz in Abhängigkeit vom Fahrzeugzufluss
nach Mustervarianten unterschieden werden, wobei jeder der
Varianten ein entsprechendes zeit- und ortsabhängiges
Musterprofil für einen oder mehrere der wichtigen
Verkehrsparameter "mittlere Fahrzeuggeschwindigkeit",
"Verkehrsfluss" und "Verkehrsdichte" zugeordnet wird.
Insbesondere können in Abhängigkeit der Fahrzeugflüsse auch Ort
und Zeit der Auslösung eines jeweiligen übergreifenden Musters
und die Abfolge der einzelnen Bereiche "synchronisierter
Verkehr", "gestauchter synchronisierter Verkehr" und "sich
bewegende breite Staus" in jedem übergreifenden Muster
ermittelt werden. Des weiteren kann der zeitliche und örtliche
Verlauf von stromaufwärts durch Bereiche synchronisierten
Verkehrs und/oder gestauchten synchronisierten Verkehrs
propagierenden Staus prognostiziert werden, wenn in einem
übergreifenden Muster ein Bereich "sich bewegende breite Staus"
mit Bereichen synchronisierten Verkehrs und/oder gestauchten
synchronisierten Verkehrs überlappt. Auch ist eine zeitliche
Verfolgung der Positionen diverser Flanken zwischen den
verschiedenen Musterbereichen bzw. von Staus in übergreifenden
Mustern und/oder die Erkennung neu auftretender übergreifender
Muster möglich, so dass sich die Lage und Ausdehnung jedes der
sich in ihrer Zustandsphasenzusammensetzung unterscheidenden
Bereiche eines einzelnen oder übergreifenden Musters in der
zeitlichen Entwicklung verfolgen lässt.
Aus empirischen Untersuchungen sind für jeden Bereich eines
einzelnen verkehrlichen Musters bestimmte makroskopische
Verkehrsgrößen sowie andere Parameter - beispielsweise die
Breite eines Bereiches von gestauchtem synchronisierten Verkehr
- zugewiesen. Weiterhin sind etwa Beschleunigungs- bzw.
Verzögerungswerte von Fahrzeugen innerhalb von Flanken zwischen
verschiedenen Bereichen innerhalb von Verkehrsmustern bekannt.
Beispielsweise können aus der zeitlich-räumlichen Verteilung
der mittleren Geschwindigkeit in verschiedenen Bereichen des
Verkehrsmusters unter Einbeziehung verschiedener anderer
makroskopischer Größen und Parametern von Mustern sowie von
Beschleunigungs- bzw. Verzögerungscharakteristiken von
Fahrzeugen die individuellen Fahrlinien für ein beliebiges, auf
dem Verkehrswegenetz eingesetztes Einzelfahrzeug bestimmt
werden. Dabei stellt eine Fahrlinie die Bewegung eines
Einzelfahrzeugs auf dem Verkehrswegenetz über Ort und Zeit dar.
Zusätzlich können weitere mikroskopische Größen wie Brems- und
Beschleunigungsvorgänge von Einzelfahrzeugen innerhalb des
Verkehrsmusters zeitlich und örtlich abgebildet werden.
Wie eben dargelegt, befinden sich effektive Engstellen auf
Schnellstraßennetzen häufig am Ort geometrischer bzw.
topologischer Engstellen des Verkehrswegenetzes, wie Zufahrten,
Fahrspurverengungen und Stellen, an denen sich die Anzahl
nutzbarer Fahrspuren verkleinert. Unter solche stationäre
Engstellen fallen auch andere Streckeninhomogenitäten, wie
Baustellen und Kurven, Abfahrten, Steigungen und starke
Gefällestrecken sowie die Aufteilung einer Fahrspur in mehrere
Spuren. Obwohl sich hierbei zum Teil eine Erweiterung der
nutzbaren Fahrbahnbreite ergibt, werden an solchen Stellen
häufig effektive Engstellen im hier vorliegenden Sinn
beobachtet, an denen sich Muster dichten Verkehrs ausbilden.
Effektive Engstellen auf Schnellstraßennetzen können sich zudem
auch an nicht-stationären Engstellen bilden, z. B. an der Stelle
eines langsam fahrenden Baustellenfahrzeugs.
Das Auftreten effektiver Engstellen auf Schnellstraßennetzen
hängt jedoch nicht nur von der Geometrie und Topologie des
Verkehrswegenetzes ab, sondern auch von der Verkehrsdynamik und
insbesondere dem zeitabhängigen Verkehrsaufkommen auf dem
Verkehrswegenetz. So gibt es oftmals geometrische bzw.
topologische Engstellen, an denen sich keine effektive
Engstelle bildet, während andererseits effektive Engstellen auf
einem Schnellstraßennetz auch an Stellen entstehen können, an
denen dies die Geometrie und Topologie des Verkehrsnetzes nicht
indiziert, z. B. am Ort von temporären Verkehrsstörungen, wie
z. B. an Unfallstellen oder im Bereich sich langsam bewegender
Baustellenfahrzeuge.
Wie bereits ebenfalls dargelegt, ist in Verkehrswegenetzen mit
relativ dicht liegenden, verkehrsgeregelten Netzknotenpunkten
ist die Verkehrsdynamik meist weniger durch die Dynamik von
Zustandsphasen wie "freier Verkehr", "synchronisierten Verkehr"
und "Stau" bestimmt, als durch die Verkehrsregelungsmaßnahmen,
d. h. beispielsweise die Dauern der Rot- und Grünphasen von
Lichtsignalanlagen, wobei typischerweise mehr oder weniger
lange Warteschlangen für eine jeweilige Richtungsspurmenge vor
einem verkehrsgeregelten Netzknotenpunkten entstehen. Wichtige
Parameter zur dynamischen Verkehrsprognose für solche
Verkehrswegenetze, speziell von Ballungsräumen, sind die
Warteschlangenlänge, die Rot- bzw. Grünphasendauern, die
mittlere Fahrzeuggeschwindigkeit außerhalb von Warteschlangen,
die Länge der Streckenabschnitte zwischen verkehrsgeregelten
Netzknotenpunkten und die Zu- und Abflüsse in die bzw. aus den
Warteschlangen. Dabei lassen sich, wie oben ausgeführt,
Übersättigungsbereiche und nicht übersättigte Bereiche
unterscheiden. Übersättigungsbereiche sind solche, bei denen
jedes am Ende einer Warteschlange ankommende Fahrzeug, wenn es
dort während einer Grün- bzw. Freiphase angekommen ist, in
dieser aktuellen Freiphase den Netzknotenpunkt nicht passieren
kann, bzw. den Netzknotenpunkt in der nächsten Freiphase, wenn
es während einer Rot- bzw. Unterbrechungsphase am Ende der
Warteschlange angekommen ist, nicht passieren kann. Nicht
übersättigte Bereiche sind diejenigen Bereiche, in denen eine
solche Übersättigung nicht vorliegt. Solche nicht übersättigten
Bereiche sind insbesondere zum einen sogenannte Warteschlangen-
Untersättigungsbereiche und zum anderen Bereiche, in denen
keine Warteschlange vorliegt und der Verkehr daher quasi frei
fließen kann. Untersättigte Warteschlangenbereiche sind solche,
bei denen ein am Ende einer Warteschlange ankommendes Fahrzeug
während einer laufenden Grünphase oder, wenn es dort während
einer Rotphase ankommt, während der nächsten Grünphase den
Netzknotenpunkt passieren kann. Der stromabwärts an einen
Übersättigungsbereich anschließende nicht übersättigte Bereich
ermöglicht somit ein quasi unbehindertes Wegfahren der
Fahrzeuge aus der übersättigten Warteschlange. Damit bilden
naturgemäß verkehrsgeregelte Netzknotenpunkte potentielle Orte
effektiver Engstellen, an denen sich stromaufwärts ein
Übersättigungsbereich an einen stromabwärtigen nicht
übersättigten Bereich anschließt und mit seiner stromabwärtigen
Flanke dort fixiert bleibt, insbesondere im Bereich der
Einmündung der Richtungsspurmenge in den Netzknotenpunkt.
Wiederum stellt ein solcher verkehrsgeregelter Netzknotenpunkt
aber nicht in jedem Fall eine effektive Engstelle dar, da dies
zusätzlich vom Verkehrsaufkommen abhängt.
Ein Verfahren, mit dem sich effektive Engstellen für ein
Verkehrswegenetz ohne oder mit relativ wenigen
verkehrsgeregelten Netzknotenpunkten - wie ein
Schnellstraßennetz - und/oder ein Verkehrswegenetz mit relativ
dicht angeordneten Netzknotenpunkten - wie ein Verkehrswegenetz
im Ballungsraum - zuverlässig erkennen lassen, ist in der nicht
vorveröffentlichten, älteren deutschen Patentanmeldung 100 36 792.5,
deren Inhalt hierin durch Verweis aufgenommen wird,
beschrieben. Bei diesem Verfahren wird als Kriterium für das
Vorliegen einer effektiven Engstelle gewertet, dass an der
betreffenden Stelle des Verkehrswegenetzes wiederholt die
Bildung eines entsprechenden dynamischen Effekts im
Verkehrsablauf festgestellt wird und dass dieser Effekt
mindestens über einen vorgebbaren Mindestzeitraum hinweg
bestehen und auch an der gleichen Stelle lokalisiert bleibt.
Ein solcher dynamischer Effekt kann dabei, wie gerade
ausgeführt, etwa die Bildung eines Musters dichten Verkehrs
sein, dessen interne Grenze zwischen dem Bereich freien
Verkehrs und dem stromaufwärts anschließenden Bereich
synchronisierten Verkehrs während der Existenz des Musters an
der besagten Stelle lokalisiert bleibt. Ein anderes Beispiel
für einen solchen dynamischen Effekt kann, wie ebenfalls
bereits beschrieben, die Bildung eines Übersättigungsbereichs
sein, dessen stromabwärtige Flanke - also seine Grenze zu einem
stromabwärts anschließenden nicht übersättigten Bereich - an
der besagten Stelle lokalisiert bleibt. Bei dem vorgebbaren
Mindestzeitraum handelt es sich typischerweise um einen
geeignet längeren Zeitraum verglichen mit der typischen
Zeitkonstante kleinerer Verkehrsstörungen. Zweckmäßige
Mindestzeiträume liegen z. B. im Bereich von mehreren zehn
Minuten bis mehreren Stunden. Das Wiederholkriterium, welches
der Feststellung der wiederholten Bildung eines Musters dichten
Verkehrs bzw. eines Übersättigungsbereichs zugrunde liegt, kann
weiterhin in einem tageszeitperiodischen, tagestypperiodischen
- beispielsweise wochentagspezifisch, oder ereignisperiodisch,
d. h. immer bei bestimmten Ereignissen - Auftreten liegen. Durch
das beschriebene Vorgehen wird in sehr vorteilhafter Weise eine
Beschreibung ganz verschiedener dynamischer Effekte, die aber
jeweils im jeweiligen Zusammenhang den entscheidenden Beitrag
zu einer nachhaltigen Störung der Fahrt eines Einzelfahrzeugs
in dem entsprechenden Bereich eines Verkehrswegenetzes liefern,
in das gemeinsame Konzept der effektiven Engstellen integriert.
Damit ist eine besonders schnelle und einfache rechentechnische
Behandlung des erfindungsgemäßen ersten Schrittes - der
Bestimmung der makroskopischen Verkehrsgrößen - möglich.
Insbesondere kann in diesem Rahmen eine gemeinsame Anwendung
für ein Verkehrswegenetz, welches unterschiedliche Bereiche wie
beispielsweise Bereiche mit Schnellstrassen und solche mit
Ballungsräumen aufweist, durchgeführt werden.
Der erfindungsgemäße erste Schritt bei der Nachbildung der
Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz ist
jetzt beispielhaft für zwei unterschiedliche Arten von
betrachteten Verkehrswegenetzen durchgeführt worden. Dabei
wurden die jeweils vorherrschenden dynamischen Effekte im
Verkehrsablauf durch ein darauf speziell abgestimmtes
dynamische Verfahren nachgebildet. Damit liegen für einen
gewünschten Zeitraum - den sogenannten Prognosehorizont - die
zur Beschreibung des Verkehrszustandes auf dem Verkehrswegenetz
gewünschten makroskopischen Verkehrsgrößen komplett für den
gesamten Zeitraum vor. Der Prognosehorizont ist dabei abhängig
von den Anforderungen des Nutzers frei wählbar, zeichnet sich
aber immer dadurch aus, dass aufgrund des verwendeten
dynamischen Verfahrens nur eine vernachlässigbar kleine
Berechnungszeit nötig ist, verglichen mit dem gewünschten,
vorgegebenen Prognosehorizont. Natürlich können auch andere
dynamische Verfahren verwendet werden, die unter Einbeziehung
aktuell gemessener und historischer Verkehrsdaten funktionieren
und eine oder mehrere makroskopische Verkehrsgrößen ausgehend
von zu einem Prognosestartzeitpunkt aktuellen Verkehrsdaten auf
der Basis einer speziellen dynamischen makroskopischen
Modellierung des Verkehrs prognostizieren. Solche dynamischen
Verfahren bilden dann weitere dynamische Effekte im
Verkehrsablauf in vorteilhafter Weise derart ab, dass in
kürzester Rechenzeit die innerhalb des Prognosehorizonts
liegenden makroskopischen Verkehrsgrößen - die zur Beschreibung
des Verkehrszustandes auf dem Verkehrswegenetz nötig oder
gewünscht sind - komplett und für den gesamten Zeitraum der
Prognose vorliegen. Dabei kann natürlich auch eine Kombination
zweier oder mehrerer dynamischer Verfahren zur Prognose jeweils
geeigneter Bereiche eines Verkehrswegenetzes stattfinden. Bei
allen diesen Verfahren werden jedoch keinerlei Einzelfahrzeuge
betrachtet.
In einem weitern Schritt, der vom ersten Schritt getrennt
durchgeführt wird, werden nun aus der oder den makroskopischen
Verkehrsgrößen die gewünschten mikroskopischen
Einzelfahrzeuggrößen getrennt für jedes Fahrzeug erzeugt. Die
getrennte Durchführung bedeutet dabei nur eine rechentechnisch
getrennte Behandlung dieser beiden unterschiedlichen Probleme,
sie bedeutet nicht dass die beiden Schritte komplett zeitlich
hintereinander durchgeführt werden müssen. Denkbar wäre es zum
Beispiel, den ersten Schritt der Prognose makroskopischer
Verkehrsgrößen getrennt für einzelne Strecken nacheinander
vorzunehmen. Dann könnten die mikroskopischen
Einzelfahrzeuggrößen auf den bereits berechneten Strecken
jeweils schon bestimmt werden. Auch könnte - etwa bei langem
Prognosehorizont - für den zeitlich schon abgeschlossenen Teil
bereits die mikroskopischen Einzelfahrzeuggrößen bestimmt
werden, die innerhalb dieses bereits berechneten Zeitraumes
stattfinden. Entscheidend ist jeweils, dass die Simulation und
Prognose der mikroskopischen Einzelfahrzeuggrößen
ausschließlich aufgrund der makroskopischen Verkehrsgrößen
stattfindet, es also keine Vermischung oder Kopplung zwischen
der Simulation und Prognose des makroskopischen
Verkehrszustandes und der Simulation und Prognose der
mikroskopischen Einzelfahrzeuggrößen gibt.
Aus mikroskopischen Einzelfahrzeuggrößen kann, wie dem Fachmann
bekannt ist, die Bewegung des Einzelfahrzeugs auf dem
Verkehrswegenetz nachgebildet werden, wobei solche
mikroskopischen Größen etwa die jeweilige Geschwindigkeit, die
momentane Beschleunigung, den derzeitigen Ort oder auch den
Abstand zum voraus fahrenden Fahrzeug umfassen. Damit kann
beispielsweise eine zukünftige, individuelle Fahrlinie für ein
Fahrzeug prognostiziert werden. Somit können etwa Aussagen über
zukünftige Beanspruchungen für Fahrer und Fahrzeug wie etwa
über Brems- und Beschleunigungsmanöver getroffen werden. Je
nach Art des verwendeten dynamischen Modells können auch noch
zusätzliche Aussagen gemacht werden. Beispielsweise können im
Fall eines Verkehrsnetzes mit verkehrsgeregelten Knotenpunkten
Aussagen getroffen werden über Anzahl und Orte der durch die
jeweiligen Warteschlangen verursachten Halte sowie über deren
Dauer. Durch die Sammlung und Bewertung dieser Aussagen kann
eine Vielzahl von Informationen über die vorausliegende Route
gewonnen werden. Beispielsweise kann aus den prognostizierten
Brems- und Beschleunigungsmanövern auf die individuelle Höhe
des voraussichtlichen Treibstoffverbrauchs des Einzelfahrzeugs
geschlossen werden. Oder für den Fall eines Verkehrsnetzes mit
verkehrsgeregelten Knotenpunkten ist es möglich, aus den
prognostizierten, durch Warteschlangen verursachten jeweiligen
Halten Hinweise auf den auf einer Strecke zu erwartenden
Fahrkomfort für das einzelne Fahrzeug zu erhalten. Solche
Informationen können, nachdem sie durch eine Prognose mit einem
"virtuellen" Fahrzeug gewonnen wurden, dem Fahrer dann
ausgegeben werden, bevor er die entsprechenden
Streckenabschnitte tatsächlich befährt. Dies kann optisch,
beispielsweise über ein Display durch einfache Symbole,
Klartextmeldungen, Bewegtbilder oder vom Fahrer vorgegebene
Bilder, akustisch durch Sprachausgabe bzw. auch Töne oder
haptisch geschehen. Dabei kann der Fahrer die Wiedergabe nach
seinen Bedürfnissen und Wünschen beeinflussen. Beispielsweise
kann er die Wiedergabe zeitweise unterdrücken,
zwischenspeichern oder auf Anforderung abrufen.
Besonders vorteilhaft ist es, wenn ein Nutzer beliebige,
örtlich zu dem Verkehrswegenetz zugeordnete Anfragen stellen
kann die zeitlich gleich oder später als der Anfragezeitpunkt
liegen. Das kann etwa interaktiv geschehen, indem der Nutzer
durch eine aus dem Stand der Technik bekannte
Benutzerschnittstelle (MMI) geführt wird, die beispielsweise
über eine Menüstruktur an einer Anzeigeeinheit oder über ein
Sprachdialogsystem realisiert ist und auch komplexe Auswahlen
möglich macht. Ebenfalls sind auch direkte, automatische
Anfragen von anderen Einrichtungen möglich, die ebenfalls auf
Daten über ein Verkehrswegenetz zugreifen können und die
aufgrund solcher Anfragen erstellten Informationen zur
Verbesserung der Qualität ihrer Ergebnisse für den Nutzer in
verschiedener Weise verwenden können.
Eine derartige Einrichtung, die über Daten über ein
Verkehrswegenetz verfügt, kann etwa das Navigationssystem eines
Kraftfahrzeugs sein. Dieses berechnet für eine bestehende
Fahrzeug-Startposition eine Route zu einem gewählten Ziel,
wobei auch von einem Nutzer vorgegebene Wünsche (schnellster
Weg, kürzester Weg, etc.) berücksichtigt werden können. Durch
die Verwendung der erfindungsgemäß erzeugten Informationen kann
ein solches System in vorteilhafter Weise betrieben werden.
Beispielsweise ist damit eine solche Routenwahl für den Weg zum
gewünschten Ziel möglich, die den von einem Nutzer vorgegebenen
Anforderungen beispielsweise bezüglich Komfort und/oder
Kraftstoffverbrauch entsprechen. Denn die erfindungsgemäß
prognostizierte Bewegung eines "virtuellen" Einzelfahrzeugs mit
gleichem Startort und -zeit wie das reale Fahrzeug liefert
diese Informationen nach kürzester Rechenzeit im Voraus und
ermöglicht damit etwa eine gezielte Auswahl unter mehreren
möglichen Streckenführungen. Die Fahrt dieses "virtuellen"
Fahrzeugs entspricht dabei der voraussichtlichen realen Fahrt
wie sie der Nutzer erleben würde. Damit kann etwa die
Streckenauswahl speziell auf die Erfordernisse des Nutzers
zugeschnitten werden, indem er die Vorgaben für die erwünschte
Fahrlinie bei seiner Fahrt macht. Beispielsweise kann er auch
einen gewünschten Toleranzbereich von Fahrmanövern angeben und
so Routen, auf denen riskante Manöver oder lange Haltezeiten
prognostiziert werden, vermeiden. Das eben dargelegte gilt
natürlich auch für Ziel- und Routenänderungen während einer
Fahrt, Aktualisierungen der Datenlage u. ä., die durch das
erfindungsgemäße Verfahren ebenfalls einfach bearbeitet werden
können.
Das erfindungsgemäße Verfahren kann weiterhin in einer großen
Zahl weiterer Einrichtung eingesetzt werden wie etwa
stationären (beispielsweise einem Personal Computer, PC) oder
mobilen (etwa einem Persönlichen Digitalen Assistenten, PDA)
Geräten. Diese stellen die Anfragen betreffend die für den
Nutzer relevanten Streckenabschnitte und zukünftigen
Zeitabschnitte. Die aus dem dynamischen Modell erzeugten
Einzelfahrzeugbewegungen, die diesen Abschnitten örtlich
zugeordnet sind und zeitlich gleich oder später als die Anfrage
liegen, werden in jeweils vorteilhafter Weise eingesetzt. So
kann etwa vor dem Antritt einer Reise eine Routenprüfung
stattfinden derart, ob sie gewissen von einem Nutzer
gewünschten Bedingungen genügt. Weiterhin kann ein Nutzer eine
Route vor dem Befahren "virtuell" prüfen, ob bestimmte
Fahrmanöver voraussichtlich vorliegen werden. Der Fahrer
bekommt dadurch mehr Informationen für eine fundierte
Reiseplanung und/oder Routenauswahl an die Hand gegeben. Auch
kann ein derartiges mobiles Gerät in anderen Verkehrsmitteln
als dem eigenen Fahrzeug genutzt werden. So ist etwa bei einer
Mitfahrt in einem fremden Fahrzeug oder in öffentlichen
Verkehrsmitteln der Einsatz eines eigenen, mobilen Gerätes
denkbar.
In den beschriebenen Fällen kann das erfindungsgemäße Verfahren
in einem bei einem Nutzer befindlichen Endgerät ablaufen, das
etwa in Form eines Fahrzeug-, Heim-, Netz- oder tragbaren
Computers ausgeführt ist. In diesem Computer werden die
dynamischen Verfahren und getrennt davon die Berechnung der
Einzelfahrzeugbewegungen durchgeführt. Die Streckenabschnitte
werden, wie bereits dargelegt, beispielsweise interaktiv -
indem der Nutzer durch eine Benutzerschnittstelle (MMI) geführt
wird - oder durch direkte, automatische Anfragen von anderen
Einrichtungen wie beispielsweise einem Navigationssystem in
einem Fahrzeug ausgewählt. Eine solche, andere Einrichtung kann
zusammen mit der erfindungsgemäßen Vorrichtung in einer Einheit
integriert werden, es sind aber auch ein getrennter Betrieb
möglich wenn die beiden Geräte drahtlos - beispielsweise über
eine Funk- oder Infrarotverbindung - oder drahtgebunden - durch
eine entsprechende mechanische und elektrische Verbindung -
miteinander in Verbindung gebracht werden. Ein solches bei
einem Nutzer befindliche Endgerät kann eine Speichereinheit
aufweisen, in welcher die Daten über das Verkehrswegenetz und/
oder die historischen Verkehrsdaten abgelegt sind. Die
aktuellen Verkehrsdaten werden dem Endgerät in geeigneter Weise
zur Verfügung gestellt. Beispielsweise kann ein Heim- oder
Netzcomputer, wie bekannt ist, auf eine große Anzahl solcher
externen Daten etwa über eine Internetverbindung zugreifen.
Aber auch tragbare oder Fahrzeugcomputer können solche externe
Daten beispielsweise durch zumindest zeitweisen Aufbau einer
drahtlosen Kommunikationsverbindung zu Informationslieferanten
abrufen. Aber auch die Daten über das Verkehrswegenetz und/
oder die historischen Verkehrsdaten können, genau wie die
aktuell gemessene Verkehrsdaten, aus externen Quellen stammen.
Ebenfalls kann das erfindungsgemäße Verfahren unter
Zuhilfenahme einer Zentrale realisiert werden. Dabei kann die
Aufgabe der Zentrale von der reinen Sammlung zusätzlicher
externe Daten, die eine weitere Verbesserung des Ergebnisses
der Prognose der makroskopischen Verkehrsgrößen ermöglichen,
sowie deren Übermittlung an die beim Nutzer befindliche
Berechnungseinheit, bis zur weitgehenden Übernahme von
Verarbeitungsschritten reichen. So kann die Zentrale
beispielsweise von einem Endgerät bei einem Nutzer eine Anfrage
über ein zu simulierendes Fahrzeug erhalten, diese Anfrage
bearbeiten und das Ergebnis dann zur Darstellung bzw.
Weiterverarbeitung an den Nutzer zurück übertragen. Zur
Kommunikation des bei dem Nutzer befindlichen Endgeräts mit der
Zentrale bzw. den externen Quellen kann je nach Ausführungsform
des Endgeräts und der Menge der zu übertragenden Daten
beispielsweise ein Telefon- oder Kabelnetz, eine landgestützte
Mobilkommunikation wie z. B. GSM oder UMTS (Universal Mobile
Telephone System) bzw. eine über Satelliten laufende
Kommunikation oder eine drahtlose Kommunikation mit Baken
Verwendung finden.
Somit können erfindungsgemäß neuartige Dienstleistungen für
Fahrzeugführer realisiert werden, wie sie typischerweise im
Rahmen eines Dienstes jeweils ausgewählten Fahrzeugen angeboten
werden. Das gewählte Verfahren bietet dabei neben dem Vorteil
der großen Rechengeschwindigkeit zusätzlich auch "Anonymität",
da ja niemals individuelle Fahrzeuge berechnet werden sondern
immer nur aus makroskopischen Verkehrsgrößen die individuellen
Größen für die Einzelfahrzeuge abgeleitet werden. Weitere
Beispiele, die eine mikroskopische Betrachtung benötigen, wie
sie mit dem erfindungsgemäßen Verfahren erreicht werden kann,
sind Untersuchungen über Verschleiß und Beanspruchung von
Fahrzeugkomponenten, Analysen über verkehrliche Auswirkungen
beispielsweise von Änderungen im betrachteten Verkehrswegenetz,
Untersuchungen über den Kraftstoffverbrauch oder Studien über
Orte im Verkehrswegenetz, an denen sich kritische Fahrmanöver
häufen.
Eine sehr vorteilhafte Ausprägung des erfindungsgemäßen
Verfahrens erzeugt automatisch in gewissen Zeitabständen oder
manuell Fahrzeuge und bewegt diese dann realitätsnah, wobei die
makroskopischen Größen durch mikroskopisch zweckmäßig gewählte
Parameterwerte abgebildet werden, wobei erfindungsgemäß die
Einzelfahrzeuge nicht miteinander agieren sondern vollständig
aufgrund der makroskopischen Verkehrsgrößen bewegt werden. Denn
beispielsweise in einem Verkehrswegenetz mit verkehrsgeregelten
Knotenpunkten sind nur die Längen der Warteschlangen bekannt.
Wenn diese Länge nun aber so groß ist, dass ein einzelnes
Fahrzeug diese beispielsweise nicht in einer Grünphase
zurücklegen kann, so muss an einer geeigneten Position in der
Warteschlange ein Haltevorgang angenommen und der entsprechende
Brems- und Wiederanfahrvorgang realitätsnah modelliert werden.
Auch sind etwa Annahmen über Mindestabstände zwischen
Fahrzeugen bei Betrachtung mehrere Fahrzeuge zu machen. Oder im
Fall einer Strecke mit effektiven Engstellen ist nicht genau
bekannt, welche aktuelle Position ein entsprechendes, der
Engstelle zugeordnetes Muster dichten Verkehrs gerade aufweist.
Auch hier müssen realitätsnahe Annahmen gemacht werden, wo ein
entsprechender Teil des Musters gerade lokalisiert ist. Hierbei
handelt es sich darum, ein jeweils vorhandenes makroskopisch
gemittelt abgebildetes Verhalten mikroskopisch exakt zu
modellieren. Dabei werden keine neuen Aspekte bezüglich der
Verkehrslage betrachtet, sondern ein individuelles
Fahrerverhalten muss exakt zeitlich und örtlich festgelegt
werden. Diese exakte Festlegung liegt auch bei vorbekannten
mikroskopischen Simulationsmodellen im Bereich der
Modellgenauigkeit. Neben individuellen Fahrlinien sind dann
Informationen über voraussichtlich benötigte Reisezeiten ein
weiteres Ergebnis dieser Berechnungen. Diese Reisezeiten können
gespeichert und dann etwa direkt im Rahmen eines Verfahrens zur
Schätzung aktuell zu erwartender bzw. zur Prognose zukünftig zu
erwartender Reisezeiten für das Befahren bestimmter,
vorgebbarer Strecken des Verkehrswegenetzes genutzt werden.
Damit liegen dann echte zu erwartende Reisezeiten vor. Das
bedeutet, die erfindungsgemäß prognostizierte Reisezeit eines
"virtuellen" Einzelfahrzeugs mit gleichem Startort und -zeit
wie das reale Fahrzeug liefert diese Informationen nach
kürzester Rechenzeit im Voraus, bevor der Fahrer die
entsprechende Strecke selbst befährt. Dabei entspricht die
Fahrt dieses "virtuellen" Fahrzeugs aber genau der realen
Fahrt, so wie sie der Nutzer voraussichtlichen erleben wird.
Am Beispiel eines Verkehrswegenetzes mit verkehrsgeregelten
Knotenpunkten soll näher auf die Berechnung der Reisezeiten
eingegangen werden. Wie oben beschrieben, können die
Streckenabschnitte auf solchen Verkehrswegenetzen in einen Teil
mit "freiem" Verkehr am Anfang des Streckenabschnitts und einen
solchen mit einer Warteschlange, der den anschließenden Teil
des Streckenabschnitts ausmacht bzw. bei fehlender
Warteschlange die Länge Null hat. Für die Ermittlung der
Reisezeitprognose wird angenommen, dass ein virtuelles Fahrzeug
auf einer jeweiligen Richtungsspurmenge k einer Strecke j
außerhalb von Warteschlangen mit einer freien, von der dortigen
Fahrzeugdichte ρ(j,k) abhängigen Geschwindigkeit vfree (j,k) und
innerhalb von Warteschlangen an verkehrsgeregelten Netzknoten
mit einer Geschwindigkeit fährt, die sich aus dem für die
betreffende Stelle und den betreffenden Zeitpunkt ermittelten
effektiven kontinuierlichen Fahrzeugabfluss qout (j,k) ergibt. Die
prognostizierte Reisezeit tprog (j,k) = tfree (j,k) + tq (j,k). Die Zeit
tfree (j,k) lässt sich dabei aus Gleichung (5) bestimmen. Dabei
wird zur Bestimmung der Verweildauer in eine Warteschlange
tq (j,k) im übersättigten Fall die obige Gleichung (3) verwendet,
während im Fall der Untersättigung die Beziehung
verwendet wird. Dabei bezeichnen t (j,k)|q die Verweildauer in der
Warteschlange, β ist ein numerischer Faktor, T (j,k)|R die Rotzeit,
T(j,k) die Umlaufzeit, q (j,k)|out den Fahrzeugabfluss aus dem
betrachteten Streckenabschnitt und q (j,k)|sat den Sättigungsabfluss.
Die Knotenpunkte können dabei beispielsweise als punktförmig
angenommen und dort verbrachte Zeiten den Streckenabschnitten
zugeschlagen werden. Nun werden virtuelle Test-Fahrzeuge zu
definierten Zeitpunkten jeweils am Beginn des
Streckenabschnitts eingesetzt. Damit kann dann die Reisezeit
für diesen Streckenabschnitt als die Zeitdifferenz zwischen dem
Zeitpunkt zu dem die Warteschlange durchquert - also das Ende
des Streckenabschnitts erreicht wurde - und dem Zeitpunkt des
Einsetzens am Beginn des Streckenabschnitts berechnet werden.
Ein Modelle zur Berechnung der mikroskopischen Fahrzeuggrößen
aus den makroskopischen Verkehrsgrößen - insbesondere der
Fahrzeugposition - arbeitet dabei typischerweise mit festen
Zeitschrittweiten. Das kann dazu führen, das ein solches
virtuelles Fahrzeug welches die Reisezeit für einen bestimmten
Streckenabschnitt liefern soll, seine Endposition zu einem
bestimmten Zeitpunkt noch nicht erreicht hat, mit dem nächsten
Zeitschritt aber schon darüber hinaus gefahren ist. Dann kann -
falls diskrete Ergebnis für die Reisezeit gewünscht werden -
einer der beiden Zeitschrittpunkte vor bzw. nach dem Erreichen
des Endes des Streckenabschnitts angesetzt werden, falls auch
nichtdiskrete Werte möglich sind kann auch eine
Interpolationsrechnung wie beispielsweise eine lineare
Approximation durchgeführt werden.
Ein weitere Vorteil des erfindungsgemäßen Verfahrens ist, das
es bei der Bewegung der Einzelfahrzeuge keinerlei Fahrzeug-
Fahrzeug-Interaktion berücksichtigt sondern die Bewegung eines
einzelnen Fahrzeuges individuell als den makroskopischen
Verkehrsgrößen bestimmt. Damit wird die bei Berücksichtigung
solcher Interaktionen stark ansteigende Komplexität vermieden,
da jedes neu hinzukommende Fahrzeug die gleichen Rechenaufwand
verursacht und nicht durch Berücksichtigung von immer mehr
Beeinflussungsmöglichkeiten zwischen den einzelnen Fahrzeugen
einen stark ansteigenden Aufwand. Weiterhin vermeidet die
Trennung der makroskopischen Verkehrssituation von den
mikroskopischen Einzelfahrzeugbewegungen die Problematik des
Einsetzens von Fahrzeugen. Dies kann etwa erforderlich sein,
wenn zu einem bestimmten Zeitpunkt ein Fahrzeug an einer
bestimmten Position gewünscht wird - etwa als "virtuelles
Messfahrzeug" zu diesem Zeitpunkt. Bei den aus dem Strand der
Technik bekannten mikroskopischen Simulationsmodellen führt
dieser Eingriff in den Simulationsablauf stets zu plötzlichen,
ungewollten lokalen Störungen im Verkehrsfluss. Denn die
modellmäßig errechneten mikroskopischen Größen waren ja mit den
makroskopischen Verkehrslage gekoppelt. Durch das Einsetzen
eines Einzelfahrzeuges wurde beispielsweise ein nicht dem
aktuellen Verkehrszustand entsprechender Abstand zum Vordermann
des eingesetzten Einzelfahrzeuges erreicht. Dies würde dann zu
einem die tatsächliche Fahrlinie des eingesetzten Fahrzeugs
verfälschenden Bremsmanöver führen, da dieses Bremsmanöver ja
nur durch den Eingriff in das Simulationsmodell bedingt ist.
Dies vermeidet die erfindungsgemäße Lösung indem keine
Interaktion zwischen den einzelnen Fahrzeugen betrachtet wird,
sondern deren Bewegungen nur von den makroskopischen
Verkehrsgrößen abhängen.
Natürlich kann der erfindungsgemäße Lösungsweg nicht nur für
die als Beispiele des erfindungsgemäßen ersten Schrittes - der
Bestimmung der makroskopischen Verkehrsgrößen - dargestellten
Fälle der Verkehrswegenetze mit verkehrsgeregelten
Netzknotenpunkten und der Verkehrswegenetze mit effektiven
Engstellen auf Schnellstraßen genutzt werden. Es können auch
Verkehrswegenetze betrachtet werden, die beliebig angeordnete
Bereiche von verkehrsgeregelten Netzknotenpunkten und von
effektiven Engstellen auf Schnellstraßen aufweisen. Weiterhin
können in beliebiger Kombination die beschriebenen und/oder
andere makroskopische dynamische Verfahren verwendet werden,
die unter Einbeziehung aktuell gemessener und historischer
Verkehrsdaten funktionieren und eine oder mehrere
makroskopische Verkehrsgrößen ausgehend von zu einem
Prognosestartzeitpunkt aktuellen Verkehrsdaten auf der Basis
einer speziellen dynamischen makroskopischen Modellierung des
Verkehrs in einer gewünschten Genauigkeit prognostizieren.
Ein Flussdiagramm sowie vorteilhafte Ausführungsformen der
Erfindung sind in den Zeichnungen dargestellt und werden im
Folgenden näher beschrieben. Es zeigen:
Fig. 1 ein beispielhaftes Flussdiagramm für die Simulation und
Prognose der Bewegung von mindestens einem Fahrzeug auf
einem Verkehrswegenetz
Fig. 2 schematische Darstellungen eines Streckenabschnitts
eines Verkehrsnetzes mit verkehrsgeregelten
Netzknotenpunkten
Fig. 3 eine graphische Darstellung des zeitlichen Verlaufs
eines aktuellen und eines daraus ermittelten effektiven
kontinuierlichen Verlaufs für die Fahrzeuganzahl in
einer Warteschlange auf einer Strecke eines
Verkehrsnetzes an einem verkehrsgeregelten Netzknoten
Fig. 4 eine Darstellung eines verkehrsgeregelten
Netzknotenpunkts mit vier einmündenden und vier
ausmündenden, jeweils zweispurigen Fahrstrecken zur
Veranschaulichung der Verkehrsflussaufteilung am Knoten
Fig. 5 schematische Darstellungen eines Streckenabschnitts
eines Schnellstraßen-Verkehrsnetzes mit einem Muster
dichten Verkehrs
Fig. 6 ein zeit- und ortsabhängiges
Fahrzeuggeschwindigkeitsdiagramm mit einem
stromaufwärtigen Muster dichten Verkehrs, das aus einem
Bereich synchronisierten Verkehrs besteht, für eine
Verkehrssituationen auf einem Streckenabschnitts eines
Schnellstraßen-Verkehrsnetzes
Fig. 7 das zeit- und ortsabhängige
Fahrzeuggeschwindigkeitsdiagramm aus Fig. 6 mit
entsprechend zugeordneten Fahrlinien zweier
Einzelfahrzeuge
Fig. 8 schematische Darstellungen eines Weg-Zeit-Diagramms mit
einer Fahrlinien eins Einzelfahrzeugs
Wie aus Fig. 1 ersichtlich ist, werden Daten über ein
Verkehrswegenetz 301 sowie historische Verkehrsdaten 302 und
aktuell gemessene Verkehrsdaten 303 einem dynamische Verfahren
100 zur Verfügung gestellt. Das Verfahren 100 liefert
makroskopische Verkehrsgrößen an einen Fahrliniengenerator 101,
der daraus mikroskopische Einzelfahrzeuggrößen, unter anderem
für gewünschte virtuelle Fahrzeuge, erzeugt. Diese Größen
werden einer Ausgabe 102 weitergegeben.
Das dynamische Verfahren 100 prognostiziert eine oder mehrere
makroskopische Verkehrsgrößen für das Verkehrswegenetz 301
ausgehend von den zu einem Prognosestartzeitpunkt aktuellen
Verkehrsdaten 303 auf der Basis einer speziellen dynamischen
makroskopischen Modellierung des Verkehrs. Dabei bildet es
ausgewählte dynamische Effekte im Verkehrsablauf ab, um die
innerhalb des Prognosehorizonts liegenden makroskopischen
Verkehrsgrößen, die zur Beschreibung des Verkehrszustandes auf
dem Verkehrswegenetz nötig oder gewünscht sind, zu erzeugen.
Aus diesen makroskopischen Verkehrsgrößen werden durch den
Fahrliniengenerator 101 jeweils individuell die Bewegung von
Einzelfahrzeugen durch mikroskopische Größen berechnet. Eine
Ausgabe 102 bereitet die Ergebnisse dann für einen Nutzer auf.
Fig. 2 veranschaulicht den Zusammenhang zwischen dem effektiven
kontinuierlichen Zufluss qin,q zu einer Warteschlange, dem
effektiven kontinuierlichen Abfluss qout aus derselben und der
effektiven Fahrzeuganzahl Nq in der Warteschlange am Beispiel
einer Warteschlange W vor einem Verkehrsnetzknoten K auf der
rechten Fahrspur F einer beispielhaft herausgegriffenen, in den
Knoten K mündenden Strecke S.
Die Fig. 3 zeigt die Ermittlung einer effektiven
kontinuierlichen Fahrzeuganzahl Nq - mit einer durchgezogenen
Linie dargestellt - in der jeweiligen Warteschlange anhand der
realen zeitdiskretisierten Fahrzeuganzahl Naq in der
betreffenden Warteschlange am jeweiligen Netzknoten. Diese
Ermittlung der effektiven kontinuierlichen Warteschlangen-
Fahrzeuganzahl Nq ist in den Fig. 3a für den Fall einer
untersättigten Warteschlange, bei dem die aktuelle
Warteschlangen-Fahrzeuganzahl Naq gestrichelt angegeben ist,
dargestellt. Dabei steigt Naq während des Zeitraums TR einer
Unterbrechungs- bzw. Rotphase an, um dann während der Zeitdauer
TG einer anschließenden Frei- bzw. Grünphase wieder bis auf
null abzufallen. Fig. 3b veranschaulicht die Bestimmung der
effektiven kontinuierlichen Warteschlangen-Fahrzeuganzahl Nq
anhand der aktuellen Warteschlangen-Fahrzeuganzahl Naq für den
übersättigten Fall, wobei die aktuelle Anzahl Naq von
Fahrzeugen in der Warteschlange während der Dauer TR einer
Unterbrechungs- bzw. Rotphase wiederum kontinuierlich ansteigt
und fällt anschließend während der Dauer TG einer
darauffolgenden Frei- bzw. Grünphase wieder ab, im Unterschied
zum untersättigten Fall jedoch nicht bis auf null, d. h. die
Warteschlange löst sich während einer Freiphase nicht mehr
komplett auf. Im gezeigten Beispiel steigt die aktuelle
Warteschlangen-Fahrzeuganzahl Naq über vier aufeinanderfolgende
Frei- und Unterbrechungsphasenzyklen hinweg auf einen immer
höheren Spitzenwert am Ende der Unterbrechungsphase an und
fällt während der Freiphasen jeweils nur noch auf einen
dementsprechend größer werdenden Restwert am Ende der
Freiphasen ab. Dies führt zu dem gezeigten Anstieg der
effektiven kontinuierlichen Anzahl Nq von Fahrzeugen in der
Warteschlange über den betrachteten Zeitraum hinweg.
Fig. 4 veranschaulicht anhand eines beispielhaften
verkehrsgeregelten Netzknotens die Verkehrsflußverhältnisse an
einem solchen und speziell die Beziehung zwischen den
effektiven kontinuierlichen Zuflüssen qin und den effektiven
kontinuierlichen Abflüssen qout für jede Richtungsspurmenge der
in den Knoten mündenden Strecken. Unter dem Begriff
"Richtungsspurmenge" ist dabei jeweils die Menge aller
Fahrspuren zu verstehen, die gleichberechtigt von den
Fahrzeugen benutzt werden können, um den Knoten zur Weiterfahrt
in einer oder mehreren zugeordneten Zielrichtungen zu
passieren. So kann eine Strecke z. B. eine erste
Richtungsspurmenge mit einer oder mehreren Fahrspuren, von
denen aus rechts abgebogen oder geradeaus weitergefahren werden
kann, und eine zweite Richtungsspurmenge mit einer oder
mehreren Fahrspuren umfassen, von denen aus links abgebogen
werden kann. Beispielhaft treffen in dem betrachteten Knoten
von Fig. 4 vier einmündende Strecken j (j = 1. . ., 4) mit je zwei
Richtungsspurmengen k (k = 1,2) und vier ausmündende Strecken i
(i = 1, . . ., 4) mit ebenfalls je zwei Richtungsspurmengen m (m = 1,2)
zusammen. Weiter sind in Fig. 4 Aufteilungskoeffizienten α (i,m)|(j,k)
veranschaulicht, welche die relative Anzahl von Fahrzeugen
angeben, die von der Richtungsspurmenge k der Strecke j in die
Richtungsspurmenge m der Strecke i einfahren. Dazu sind die
Aufteilungskoeffizienten so normiert, daß für jede
Richtungsspurmenge k einer einmündenden Strecke j die Summe der
Aufteilungskoeffizienten α (i,m)|(j,k) über alle Richtungsspurmengen m
aller ausmündenden Strecken i gleich eins ist.
Fig. 5 zeigt eine typische Art von Muster dichten Verkehrs auf
einem Schnellstraßennetz, bei denen der Verkehrszustand nicht
primär durch Verkehrsregelungsmaßnahmen bestimmt ist, und wo es
bei entsprechend hohem Verkehrsaufkommen zur Ausbildung der
individualisierten Zustandsphasen "freier Verkehr",
"synchronisierter Verkehr", "gestauchter synchronisierter
Verkehr" und "Stau" sowie von typisierten Mustern dichten
Verkehrs kommt. Der in Fig. 5 dargestellte Mustertyp ist ein
vollständiges Muster dichten Verkehrs, wie es an einer
effektiven Engstelle 10 und einer Fahrtrichtung 1 auftreten
kann. Während stromabwärts der Engstelle 10 freier Verkehr 16
herrscht, ist stromaufwärts ein Bereich synchronisierten
Verkehrs 13 zu erkennen, bei dem sich an den Bereich 14
gestauchten synchronisierten Verkehrs stromaufwärts unter
Bildung einer zwischenliegenden Flankengrenze am betreffenden
Streckenort 11 ein Bereich 15 sich bewegender breiter Staus
anschließt, der typischerweise aus breiten, sich stromaufwärts
bewegenden Stauzonen 12 besteht, zwischen denen freier oder
synchronisierter Verkehr vorliegen kann. Stromaufwärts der
stromaufwärtigen Flanke 9 des Bereichs 15 sich bewegender
breiter Staus schließt sich dann wieder ein Bereich 16 freien
Verkehrs an.
Die Fig. 6 und 7 zeigen exemplarisch in Diagrammform ein
experimentelles, für das Auftreten effektiver Engstellen auf
einem Schnellstraßennetz repräsentatives Resultat anhand von
perspektivisch dreidimensionalen Kennfeldern der mittleren
Fahrzeuggeschwindigkeit v in Abhängigkeit von der Tageszeit und
der Wegstrecke x. Dabei ist ein sich bewegender breiter Stau 1,
der stromaufwärts über den Streckenabschnitt hinweg propagiert,
zu erkennen. Weiterhin ist ein Phasenübergang von freiem zu
synchronisiertem Verkehr 2 zu identifizieren, und stromaufwärts
davon ein Muster dichten Verkehrs mit einem zugehörigen Bereich
synchronisierten Verkehrs, der mit seiner stromabwärtigen
Flanke an dieser Stelle lokalisiert bleibt. Wie abzulesen ist,
bleibt das Muster dichten Verkehrs über mehr als eine Stunde
erhalten und die stromabwärtige Flanke des synchronisierten
Verkehrs bleibt an der betreffenden Stelle fixiert. In Fig. 7
ist schematisch dargestellt, wie aus dieser makroskopischen
Verkehrsgröße mittlere Fahrzeuggeschwindigkeit Fahrlinien - aus
welcher die mikroskopische Verkehrsgröße Geschwindigkeit für
das entsprechende Fahrzeug abgeleitet werden kann - für zwei
Einzelfahrzeuge gewonnen werden, welche das entsprechende
Kennfeld auf ihrer Fahrt vorfinden.
Fig. 8 zeigt ein Weg-Zeit-Diagramm mit der Fahrlinie 3 eines
Einzelfahrzeugs an einer effektiven Engstelle 2 und mit der
Fahrtrichtung 1, wobei zwei breite, sich bewegende Staus 5, ein
Bereich gestauchten synchronisierten Verkehrs ("pinch region")
6 und ein Bereich synchronisierten Verkehrs 7 zu erkennen sind.
Aus empirischen Untersuchungen sind für jeden Bereich eines
solchen einzelnen verkehrlichen Musters bestimmte
makroskopische Verkehrsgrößen sowie andere Parameter -
beispielsweise die Breite des Bereiches von gestauchtem
synchronisierten Verkehr - zugewiesen. Weiterhin sind etwa die
Beschleunigung bzw. Verzögerung von Fahrzeugen innerhalb der
Flanken zwischen verschiedenen Bereichen von solchen
Verkehrsmustern bekannt. Somit kann aus der zeitlich-räumlichen
Verteilung der mittleren Geschwindigkeit in verschiedenen
Bereichen des Verkehrsmusters unter Einbeziehung verschiedener
anderer makroskopischer Größen und Parametern von Mustern und
Beschleunigungs- bzw. Verzögerungscharakteristiken von
Fahrzeugen die voraussichtliche individuelle Fahrlinie 3 für
das Einzelfahrzeug erstellt werden. Dabei stellt diese
Fahrlinien 3 die Bewegung des Einzelfahrzeugs auf dem
Verkehrswegenetz über Ort und Zeit dar.
Claims (11)
1. Verfahren zur Simulation und Prognose der Bewegung von
Einzelfahrzeugen auf einem Verkehrswegenetz mit
Netzknotenpunkten und diese verbindende Streckenabschnitte
durch mikroskopische Größen unter Verwendung von aktuell
gemessenen und historischen Verkehrsdaten,
dadurch gekennzeichnet,
daß in einem ersten Schritt makroskopische Verkehrsgrößen bestimmt werden, und
in einem weiteren Schritt daraus die mikroskopischen Einzelfahrzeuggrößen getrennt für jedes Fahrzeug erzeugt werden.
daß in einem ersten Schritt makroskopische Verkehrsgrößen bestimmt werden, und
in einem weiteren Schritt daraus die mikroskopischen Einzelfahrzeuggrößen getrennt für jedes Fahrzeug erzeugt werden.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß in einem zweiten Schritt aus den makroskopischen
Verkehrsgrößen spezielle makroskopische Größen, sogenannte
Charakteristika des Verkehrs, ausgewählt und nur diese
ausgewählten Größen prognostiziert und zur Erzeugung der
mikroskopischen Einzelfahrzeuggrößen genutzt werden.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß das Verfahren zur Simulation und Prognose für ein
Verkehrswegenetz mit verkehrsgeregelten Netzknotenpunkten
durchgeführt wird, wobei an den verkehrsgeregelten
Netzknotenpunkten der Verkehr zeitdiskretisiert während
Freiphasen freigegeben und während Unterbrechungsphasen
unterbrochen wird.
4. Verfahren nach Anspruch 3,
dadurch gekennzeichnet,
daß die makroskopischen Größen durch effektive
kontinuierliche Verkehrszustandsparameter, die zumindest
kontinuierliche Streckenverkehrsflüsse (qin, qout) umfassen,
abgebildet werden, wobei die effektiven, kontinuierlichen
Verkehrszustandsparameter aus den realen, durch die Frei-
und Unterbrechungsphasen der verkehrsgeregelten
Netzknotenpunkte zeitdiskretisierten
Verkehrszustandsparametern durch einen Integrationsprozess
gewonnen werden.
5. Verfahren nach Anspruch 4,
dadurch gekennzeichnet,
daß zumindest die Anzahl der Fahrzeuge von auf dem
jeweiligen Streckenabschnitt in einer Warteschlange vor dem
verkehrsgeregelten Netzknotenpunkte stehenden und von
außerhalb der Warteschlangen fahrenden Fahrzeuge und/oder
die Längen der jeweiligen Warteschlangen auf der Basis der
effektiven kontinuierlichen Streckenverkehrsflüsse
prognostiziert werden.
6. Verfahren nach Anspruch 5,
dadurch gekennzeichnet,
daß virtuelle Test-Fahrzeuge erzeugt werden, die eine
mittlere Reisezeit auf dem jeweiligen Streckenabschnitt als
Summe der mittleren Reisezeit außerhalb der Warteschlange und
der Verweildauer in der Warteschlange bestimmen, wobei die
Zeitdifferenz zwischen dem prognostizierten Zeitpunkt des
Verlassens des Streckenabschnitts und dem des Einfahrens in
den Streckenabschnitt durch das virtuelle Test-Fahrzeug als
zum Einfahrtszeitpunkt gültige mittlere Reisezeit für den
Streckenabschnitt verwendet wird.
7. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß das Verfahren zur Simulation und Prognose für ein
Verkehrswegenetz durchgeführt wird, bei dem wenigstens eine
Strecke mindestens eine effektive Engestelle aufweist.
8. Verfahren nach Anspruch 7,
dadurch gekennzeichnet,
daß die makroskopischen Größen unter Verwendung eines zu
einer effektiven Engstelle gehörenden Musters dichten
Verkehrs abgebildet werden.
9. Verfahren nach Anspruch 8,
dadurch gekennzeichnet,
daß bei mehreren effektiven Engstellen die Entstehung und
Abfolge übergreifender Muster berücksichtigt wird.
10. Verfahren nach einem der Ansprüche 1 bis 9,
dadurch gekennzeichnet,
daß automatisch in gewissen Zeitabständen oder manuell
erzeugte Fahrzeuge realitätsnah bewegt werden, wobei die
makroskopischen Größen durch mikroskopisch zweckmäßig
gewählte Parameterwerte abgebildet werden.
11. Verfahren nach einem der Ansprüche 1 bis 9,
dadurch gekennzeichnet,
daß virtuelle Fahrzeuge erzeugt werden, um Informationen vor
Antritt einer Fahrt und/oder während einer Fahrt über die
gewählte Route und/oder über Alternativrouten zu gewinnen
und die Informationen einem Nutzer akustisch und/oder
optisch und/oder haptisch dargeboten werden und/oder diese
Informationen durch die Zielführung bei der Auswahl der
Strecke zum gewünschten Ziel berücksichtigt werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001108611 DE10108611A1 (de) | 2001-02-22 | 2001-02-22 | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001108611 DE10108611A1 (de) | 2001-02-22 | 2001-02-22 | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10108611A1 true DE10108611A1 (de) | 2002-09-05 |
Family
ID=7675166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2001108611 Withdrawn DE10108611A1 (de) | 2001-02-22 | 2001-02-22 | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10108611A1 (de) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399442A (en) * | 2003-03-13 | 2004-09-15 | Equos Res Kabushikikaisha | Vehicle travelling speed pattern estimation method |
DE10359977A1 (de) * | 2003-12-18 | 2005-07-21 | Siemens Ag | Verfahren zum Ermitteln einer Reisezeit |
DE102004012041A1 (de) * | 2004-03-10 | 2005-09-29 | Bayerische Motoren Werke Ag | Verfahren zur Fahrzeitermittlung in einem Navigationssystem für Kraftfahrzeuge |
DE102007045991A1 (de) * | 2007-09-26 | 2009-04-02 | Siemens Ag | Verfahren zur Ermittlung von Verbrauchs- und/oder Emissionswerten |
DE102008024781A1 (de) * | 2008-05-23 | 2009-12-10 | Siemens Aktiengesellschaft | Technik zur Reisezeitprognose |
EP2280383A1 (de) | 2009-07-31 | 2011-02-02 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
EP2571002A1 (de) * | 2010-05-12 | 2013-03-20 | Mitsubishi Heavy Industries, Ltd. | Verkehrssimulationsvorrichtung und verkehrssimulationsprogramm |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 |
WO2015055780A1 (en) * | 2013-10-16 | 2015-04-23 | Université Du Luxembourg | Traffic control |
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
EP2660791A4 (de) * | 2010-12-28 | 2017-10-25 | Mitsubishi Heavy Industries, Ltd. | Strassenverkehr-flusssimulationsvorrichtung, strassenverkehr-flusssimulationsprogramm und strassenverkehr-flusssimulationsverfahren |
CN113204734A (zh) * | 2021-03-31 | 2021-08-03 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN115019505A (zh) * | 2022-05-27 | 2022-09-06 | 湖南大学 | 一种交通流速度的预测方法及装置 |
-
2001
- 2001-02-22 DE DE2001108611 patent/DE10108611A1/de not_active Withdrawn
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399442A (en) * | 2003-03-13 | 2004-09-15 | Equos Res Kabushikikaisha | Vehicle travelling speed pattern estimation method |
DE10359977A1 (de) * | 2003-12-18 | 2005-07-21 | Siemens Ag | Verfahren zum Ermitteln einer Reisezeit |
DE10359977B4 (de) * | 2003-12-18 | 2009-02-12 | Siemens Ag | Verfahren zum Ermitteln einer Reisezeit |
DE102004012041A1 (de) * | 2004-03-10 | 2005-09-29 | Bayerische Motoren Werke Ag | Verfahren zur Fahrzeitermittlung in einem Navigationssystem für Kraftfahrzeuge |
DE102004012041B4 (de) | 2004-03-10 | 2021-09-16 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Fahrzeitermittlung in einem Navigationssystem für Kraftfahrzeuge |
US8457869B2 (en) | 2007-09-26 | 2013-06-04 | Siemens Aktiengesellschaft | Method for ascertaining consumption and/or emission values |
DE102007045991A1 (de) * | 2007-09-26 | 2009-04-02 | Siemens Ag | Verfahren zur Ermittlung von Verbrauchs- und/oder Emissionswerten |
DE102008024781A1 (de) * | 2008-05-23 | 2009-12-10 | Siemens Aktiengesellschaft | Technik zur Reisezeitprognose |
EP2280383A1 (de) | 2009-07-31 | 2011-02-02 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen für eine Straßenstrecke eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens |
EP2571002A4 (de) * | 2010-05-12 | 2014-04-09 | Mitsubishi Heavy Ind Ltd | Verkehrssimulationsvorrichtung und verkehrssimulationsprogramm |
EP2571002A1 (de) * | 2010-05-12 | 2013-03-20 | Mitsubishi Heavy Industries, Ltd. | Verkehrssimulationsvorrichtung und verkehrssimulationsprogramm |
US9524640B2 (en) | 2010-05-12 | 2016-12-20 | Mitsubishi Heavy Industries, Ltd. | Traffic simulation system and traffic simulation program |
EP2660791A4 (de) * | 2010-12-28 | 2017-10-25 | Mitsubishi Heavy Industries, Ltd. | Strassenverkehr-flusssimulationsvorrichtung, strassenverkehr-flusssimulationsprogramm und strassenverkehr-flusssimulationsverfahren |
WO2015055780A1 (en) * | 2013-10-16 | 2015-04-23 | Université Du Luxembourg | Traffic control |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 |
CN104537835B (zh) * | 2015-01-30 | 2018-02-23 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与系统 |
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
CN113204734A (zh) * | 2021-03-31 | 2021-08-03 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN113204734B (zh) * | 2021-03-31 | 2024-04-09 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN115019505A (zh) * | 2022-05-27 | 2022-09-06 | 湖南大学 | 一种交通流速度的预测方法及装置 |
CN115019505B (zh) * | 2022-05-27 | 2024-04-30 | 湖南大学 | 一种交通流速度的预测方法及装置 |
CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
CN114937366B (zh) * | 2022-07-22 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102011083677A1 (de) | Prognose einer Verkehrssituation für ein Fahrzeug | |
EP2989421B1 (de) | Verfahren zum bestimmen eines fahrspurverlaufes einer fahrspur | |
WO2013113588A1 (de) | Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen | |
WO1998024080A1 (de) | Verfahren zur ermittlung von fahrtroutendaten | |
DE102012016768A1 (de) | Technik zum Verarbeiten kartographischer Daten für das Bestimmen energiesparender Routen | |
DE102010047080A1 (de) | Verfahren zum Gewinnen eines Geschwindigkeitsprofils | |
DE102013000385A1 (de) | Verfahren und Navigationssystem zum Ermitteln eines Fahrroutenvorschlags für eine bevorstehende Fahrt mit einem Kraftwagen | |
DE112017007882T5 (de) | Fahrzeug und navigationssystem | |
DE10108611A1 (de) | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz | |
DE102012213048A1 (de) | Verfahren und Vorrichtung zum Aktualisieren einer Fahrzeitabschätzung | |
DE10063763A1 (de) | Verfahren und Vorrichtung zur Erzeugung und Ausgabe von streckenbezogenen Routeninformationen | |
EP0936590A2 (de) | Verfahren und Vorrichtung zur Bestimmung der Verkehrslage auf einem Verkehrswegenetz | |
DE19940957C2 (de) | Verkehrsprognoseverfahren für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten | |
WO2013120765A1 (de) | Verfahren zu einem modellaufbau für eine reisezeitendatenbank | |
EP3723062A1 (de) | Verfahren und vorrichtung zur computer-implementierten verkehrsleitung von kraftfahrzeugen in einem vorbestimmten gebiet | |
DE102020202650A1 (de) | Computerimplementiertes Verfahren zur Routenberechnung für ein autonom fahrendes Kraftfahrzeug, Verfahren zum Fahren eines autonom fahrenden Kraftfahrzeugs, Computerprogrammprodukt sowie Kraftfahrzeug | |
DE10336590A1 (de) | Verfahren zur fahrzeugindividuellen Verkehrsprognose | |
DE102014100569A1 (de) | Navigationsverfahren und Navigationssystem | |
WO2023247089A1 (de) | Verfahren und vorrichtung zur prädiktion der wartezeit an einer ladestation | |
DE102016216538A1 (de) | Verfahren zum Betreiben einer Steuervorrichtung eines Kraftfahrzeugs, Steuervorrichtung und Kraftfahrzeug | |
DE10357127A1 (de) | Verfahren zur Erstellung individueller Verkehrsprognosen | |
DE102021208015A1 (de) | Verkehrsleitsystem für die Steuerung von Lichtsignalanlagen | |
DE102010064063B4 (de) | Verfahren und Vorrichtung zur rechnergestützten Prognose eine Fahrtdauer eines Fahrzeugs auf einer Route aus einem oder mehreren Routensegmenten | |
EP1528524B1 (de) | Verfahren zur gangliniengestützen Verkehrsprognose | |
DE10234367B3 (de) | Verfahren zur Abbildung des Verkehrszustandes und System zur Verkehrsorganisation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
8127 | New person/name/address of the applicant |
Owner name: DAIMLERCHRYSLER AG, 70327 STUTTGART, DE |
|
8139 | Disposal/non-payment of the annual fee |