DE102004039283A1 - Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter - Google Patents

Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter Download PDF

Info

Publication number
DE102004039283A1
DE102004039283A1 DE200410039283 DE102004039283A DE102004039283A1 DE 102004039283 A1 DE102004039283 A1 DE 102004039283A1 DE 200410039283 DE200410039283 DE 200410039283 DE 102004039283 A DE102004039283 A DE 102004039283A DE 102004039283 A1 DE102004039283 A1 DE 102004039283A1
Authority
DE
Germany
Prior art keywords
temporal
spatial
traffic
patterns
distance
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Withdrawn
Application number
DE200410039283
Other languages
German (de)
Inventor
Andreas Dipl.-Ing. Haug
Hurbert Dr.-Ing. Rehborn
Boris Prof. Dr. Kerner
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
DaimlerChrysler AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DaimlerChrysler AG filed Critical DaimlerChrysler AG
Priority to DE200410039283 priority Critical patent/DE102004039283A1/en
Publication of DE102004039283A1 publication Critical patent/DE102004039283A1/en
Withdrawn legal-status Critical Current

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

The method involves measuring actual traffic data, comparing with stored measured data, selecting a proportion of the measured data based on the traffic data, and providing the proportion as predicted road-related parameters. The measured traffic data are analyzed in terms of time and space associations. The stored measured data include time-space patterns, and when selecting the proportion of measured data, the time-space associations and/or patterns are taken into account. Independent claims are included for a computer program product, and a traffic control center.

Description

Die Erfindung betrifft ein Verfahren zur Prognose wenigstens einer streckenbezogenen Kenngröße, wie bspw. einer Reisezeit in einem Verkehrswegenetz, gemäß dem Oberbegriff von Anspruch 1. Die Erfindung betrifft ebenfalls eine entsprechende Verkehrszentrale, gemäß dem Oberbegriff von Anspruch 12.The The invention relates to a method for forecasting at least one distance-related Characteristic, like For example, a travel time in a traffic route network, according to the preamble of claim 1. The invention also relates to a corresponding Traffic center, according to the generic term of claim 12.

Die gattungsbildende DE 197 53 034 A1 beschreibt ein Verfahren gemäß dem Oberbegriff von Anspruch 1. Dabei werden an einem Ort bzw. Streckenabschnitt Verkehrsdaten gemessen und aus den bis zu einem bestimmten Zeitpunkt gemessenen Verkehrsdaten streckenbezogene Kenngrößen für eine in der Zukunft liegende Zeit bestimmt.The generic DE 197 53 034 A1 describes a method according to the preamble of claim 1. Here are measured at a location or section traffic data and determined from the measured up to a certain time traffic distance-related characteristics for a future time.

Die Aufgabe der vorliegenden Erfindung besteht darin, dieses Verfahren weiter zu verbessern.The The object of the present invention is to provide this method continue to improve.

Erfindungsgemäß werden die gemessenen Verkehrsdaten zusätzlich auf zeitlich-räumliche Zusammenhänge hin analysiert, die gespeicherten Messdaten umfassen zusätzlich zeitlich-räumliche Muster, und beim Auswählen der Teilmenge der Messdaten werden die zeitlich-räumlichen Zusammenhänge bzw. die zeitlich-räumlichen Muster berücksichtigt. Anders ausgedrückt trägt die Erfindung zur Erreichung von verbesserten Prognosen den zugrunde liegenden Prozessen im Verkehrsablauf Rechnung, indem die typischen zeitlich-räumlichen Zusammenhänge im Verkehrsablauf bei der Prognose beachtet werden. Denn während herkömmliche Verfahren lediglich quantitative Ansätze beschreiben, welche aufgrund eines Abstands- oder Ähnlichkeitsmaßes zwischen den gemessenen Verkehrsdaten und den gespeicherten Messdaten eine streckenbezogene Kenngröße prognostizieren, trägt die vorliegende Erfindung den zeitlich-räumlichen Eigenschaften von Mustern im Verkehr Rechnung.According to the invention the measured traffic data in addition on temporal-spatial relationships analyzed, the stored measurement data additionally include temporal-spatial patterns, and when selecting the Subset of the measurement data are the temporal-spatial relationships or the temporal-spatial Pattern considered. In other words wears the Invention to achieve improved forecasts the basis processes in the flow of traffic, taking into account the typical temporal-spatial relationships in the traffic flow to be heeded in the prognosis. Because while conventional methods only quantitative approaches describe which due to a distance or similarity measure between the measured traffic data and the stored measurement data forecast distance-related characteristic wears the present invention the temporal-spatial Properties of patterns in traffic bill.

Zeitlich-räumliche Muster im Verkehr werden von der von Prof. Kerner entwickelten Drei-Phasen-Theorie des Verkehrs beschrieben. Dazu sei auf die DE 199 44 075 , die DE 100 36 789 und die DE 100 36 79 verwiesen. Dort werden verschiedene Muster dichten Verkehrs für effektive Engstellen in einem Verkehrswegenetz beschrieben. Insbesondere werden die verschiedenen Verkehrszustände freier Verkehr, synchronisierter Verkehr, gestauchter synchronisierter Verkehr sowie sich bewegende breite Staus dargelegt, aus denen sich die Muster dichten Verkehrs zusammensetzen. Bezüglich dieser Verkehrszustände und der Zusammensetzung der Muster dichten Verkehrs wird die Offenbarung der zitierten Schriften durch Verweis aufgenommen.Time-space patterns in traffic are described by the three-phase theory of traffic developed by Prof. Kerner. This is on the DE 199 44 075 , the DE 100 36 789 and the DE 100 36 79 directed. There are described various patterns of dense traffic for effective bottlenecks in a traffic route network. In particular, the various traffic conditions of free traffic, synchronized traffic, compressed synchronized traffic as well as moving wide traffic jams are presented, from which the patterns of dense traffic are composed. With respect to these traffic conditions and the composition of the patterns of dense traffic, the disclosure of the cited documents is incorporated by reference.

Solche zeitlich-räumlichen Zusammenhänge werden gemäß einer ersten Ausführungsform der Erfindung berücksichtigt, indem abhängig von diesen zeitlich-räumlichen Zusammenhängen wenigstens ein als Messdatum gespeichertes zeitlich-räumliches Muster ausgewählt, in die streckenbezogene Kenngröße umgerechnet und dann als prognostizierte streckenbezogene Kenngröße bereitgestellt wird. Anders ausgedrückt wird hier die streckenbezogene Kenngröße „direkt" aus dem ausgewählten zeitlich-räumlichen Muster abgeleitet. Dabei werden vorzugsweise das oder die ausgewählten zeitlich-räumlichen Muster in eine Reisezeit bzw. Reisezeiten umgerechnet. Reisezeiten stellen für einen Fahrzeugführer gut verständliche streckenbezogene Kenngrößen dar.Such Spatial-temporally Connections become according to a first embodiment considered the invention, by being dependent from these temporal-spatial cohere at least one temporal-spatial pattern stored as a measurement date selected, converted into the distance-related parameter and then provided as a predicted distance-related characteristic becomes. In other words Here, the distance-related characteristic "direct" from the selected temporal-spatial Derived pattern. In this case, the selected temporal or spatial are preferably Sample converted into a travel time or travel times. travel times ask for a driver easy to understand distance-related parameters.

Gemäß einer zweiten Ausführungsform der Erfindung werden die zeitlich-räumlichen Zusammenhänge als zusätzliches Kriterium beim Auswählen der Teilmenge der Messdaten, die als prognostizierte streckenbezogene Kenngröße bereitgestellt wird, berücksichtigt. Realisiert wird dies z.B. über eine Verknüpfung zwischen einzelnen Teilmengen der Messdaten und bestimmten zeitlich-räumlichen Zusammenhängen bzw. Mustern. Auch hier wird vorzugsweise die Reisezeit als prognostizierte streckenbezogene Kenngröße verwendet.According to one second embodiment the invention, the temporal-spatial relationships as additional Criterion when selecting the subset of metrics that are projected as distance-bound Characteristic is provided, considered. This is realized, for example, in over a shortcut between individual subsets of the measurement data and specific temporal-spatial relationships or Inspect. Again, the travel time is preferably as predicted track-related characteristic used.

Viele Anwendungen benötigen eine Prognose streckenbezogener Kenngrößen. Beispielsweise ist bei einer optimierten dynamischen Zielführung für ein Fahrzeug, mit zunehmender Entfernung zum Ort des Berechnungszeitpunkts eine prognostizierte Verkehrssituation zu betrachten, deren zeitliche Erstreckung ab dem Berechnungszeitpunkt („Prognosehorizont") bis zum Zielort des Fahrzeugs immer weiter ansteigt. Auch für Anwendungen vor der Abfahrt eines Fahrzeugs („Pre-Trip") ist eine Prognose der Verkehrssituation in Form streckenbezogener Kenngrößen nützlich. Diese Prognosen basieren typischerweise auf einem geographisch zugeordneten Archiv von Ganglinien verkehrlicher Kenngrößen als gespeicherte Messdaten. Diese Ganglinien wurden durch eine geeignete Kopplung mehrerer Datenquellen, bspw. Schleifendaten und/oder FCD („Floating Car Data") erstellt. Für eine zu erstellende Prognose stehen mehrere Ganglinien zur Verfügung, von denen dann eine durch eine probabilistische Selektion ausgewählt wird. Diese ausgewählte Ganglinie wird dann als wahrscheinlichste Ganglinie („Prognoseganglinie") bereitgestellt. Die Prognoseganglinie repräsentiert damit die prognostizierte streckenbezogene Kenngröße.Lots Need applications a prognosis of route-related parameters. For example, at an optimized dynamic route guidance for a vehicle, with increasing Distance to the location of the calculation time a predicted Traffic situation, their temporal extension from the calculation time ("forecast horizon") to the destination of the vehicle continues to increase. Also for applications before departure of a vehicle ("pre-trip") is a forecast the traffic situation in the form of route-related parameters useful. These forecasts are typically based on a geographically assigned one Archive of hydrographs of traffic parameters as stored measurement data. These hydrographs were determined by a suitable coupling of several data sources, eg. Loop data and / or FCD ("Floating Car Data "). For one Forecast to be prepared are several hydrographs available, from which one is then selected by a probabilistic selection. This selected The hydrograph is then provided as the most likely hydrograph ("forecast gait line"). The forecast gearing represents thus the predicted distance-related characteristic.

Herkömmlicherweise wird bei der Auswahl und Bereitstellung einer Ganglinie als Prognoseganglinie ein quantitativer Ansatz verfolgt, bei dem probabilistisch (aufgrund eines Abstands- oder Ähnlichkeitsmaßes) aus mehreren möglichen Ganglinien eine Ganglinie als Prognoseganglinie ausgewählt wird.Traditionally, the selection and provision of a hydrograph as a forecast delta line follows a quantitative approach in which probabilistic (due to a measure of distance or similarity) from a number of possible hydrographs, a hydrograph is selected as a prognosis gait.

Bei der vorliegenden Erfindung wird aus der Kenntnis über prinzipielle Eigenschaften des Verkehrs auf Schnellstraßen bei der Bereitstellung einer Prognoseganglinie auch eine vorliegende Information über wiederholt auftretende Verkehrsmuster und ihre zeitlich-räumlichen Zusammenhänge ausgewertet. Dabei sind wiederholt auftretende Verkehrsmuster typische Verkehrsmuster, die regelmäßig bei bestimmten Konstellationen von Infrastruktur und sonstigen Randbedingungen wie Wetter usw. auftreten. Die Auswertung ermöglicht dann entweder die Selektion eines gespeicherten zeitlich-räumlichen Musters, welches dann in die streckenbezogene Kenngröße umgerechnet und als diese bereitgestellt wird. Oder aber die Auswertung ergibt neben quantifizierbaren lokalen Größen (d.h. Abstands- oder Ähnlichkeitsmaßen) ein zusätzliches Kriterium zur Auswahl der aktuellen Prognoseganglinie („Matching"). Die Selektion eines gespeicherten zeitlich-räumlichen Musters erfolgt dabei in jedem Fall nicht probabilistisch, sondern über Ähnlichkeiten mit dem analysierten zeitlich-räumlichen Zusammenhang, bspw. unter Verwendung eines Fuzzy-Ansatzes. Vorzugsweise werden bei der Selektion weitere Kennzeichen wie der Wochentag, Ereignisse wie Fußballspiele oder Open-Air-Konzerte usw. berücksichtigt.at The present invention will become apparent from the knowledge of principle Properties of traffic on highways during deployment a prognosis gait also a present information about repeatedly evaluated traffic patterns and their temporal-spatial relationships. Repeated traffic patterns are typical traffic patterns, the regular at certain constellations of infrastructure and other boundary conditions like weather etc. The evaluation then allows either the selection a stored temporal-spatial Pattern, which is then converted into the distance-related parameter and when this is provided. Or the evaluation results in addition to quantifiable local quantities (i.e., distance or similarity measures) additional Criterion for the selection of the current forecast gearing ("matching") stored temporal-spatial In any case, pattern is not probabilistic but similar with the analyzed temporal-spatial Context, for example, using a fuzzy approach. Preferably During selection, further indicators such as the day of the week, Events like football games or open-air concerts etc. taken into account.

Zusammenfassend trägt die Erfindung den zeitlich-räumlichen Zusammenhängen im Verkehr nun erstmals bei einer Ganglinienprognose Rechnung. Das bisherige Verfahren einer ausschließlich „lokalen" Ganglinienauswahl („zeitliches Matching") wird durch eine zeitlich-räumliche Betrachtungsweise („zeitlich-räumliches Matching") ersetzt und ermöglicht dadurch eine höhere Prognosequalität.In summary wears the Invention the temporal-spatial cohere in traffic for the first time in a hydrograph forecast. The previous methods of exclusively "local" hydrograph selection ("temporal matching") is performed by a spatiotemporal Perspective ("temporal-spatial matching") replaced and thus enables a higher one Forecast quality.

Vorzugsweise sind als zeitlich-räumliche Muster repräsentative Muster dichten Verkehrs für effektive Engstellen vorgesehen. Derartige repräsentative Muster setzen sich zusammen aus den Verkehrszuständen freier Verkehr, synchronisierter Verkehr, gestauchter synchronisierter Verkehr sowie sich bewegende breite Staus. Es ergeben sich für eine effektive Engstelle jeweils charakteristische einzelne und/oder übergreifende Muster sowie Kombinationen daraus. Diese speziellen Zusammenstellungen verschiedener Verkehrszustände ermöglichen als qualitative Eigenschaften eine individuelle Berücksichtigung analysierter zeitlich-räumlicher Zusammenhänge.Preferably are as temporal-spatial patterns representative Pattern dense traffic for effective bottlenecks provided. Such representative patterns are established together from the traffic conditions free traffic, synchronized traffic, compressed synchronized Traffic as well as moving wide traffic jams. It turns out for an effective Bottleneck each characteristic single and / or overarching Patterns and combinations thereof. These special compilations different traffic conditions enable as qualitative properties an individual consideration analyzed temporal-spatial Contexts.

Mit Vorteil wird vorgeschlagen, als zeitlich-räumlichen Zusammenhang den Abstand der Position, an welcher die Verkehrsdaten gemessen werden, zur Position einer effektiven Engstelle, an welcher ein Muster dichten Verkehrs entstanden ist, zu analysieren. Da effektive Engstellen mit ihrem jeweils zugeordneten repräsentativen Mustern dichten Verkehrs die entscheidende Quelle zeitlich-räumlicher Zusammenhänge im Verkehr darstellen, ergibt sich so eine einfache Beschreibung dieser zeitlich-räumlichen Zusammenhänge.With Advantage is proposed, as a temporal-spatial relationship, the distance the position at which the traffic data is measured, the Position of an effective bottleneck at which a pattern is sealed Traffic has arisen, analyze. Because effective bottlenecks dense traffic with their respective representative patterns the decisive source of temporal-spatial relationships in traffic represent a simple description of this temporal-spatial Contexts.

Vorzugsweise wird wenigstens eine zusätzliche Messung verwendet. Die Position dieser Messung ist dabei entweder stromaufwärts des Ortes einer effektiven Engstelle oder am Ort der effektiven Engstelle selbst vorgesehen. Damit ergibt sich durch die verbesserte „örtliche Auflösung" eine weitere Einschränkung bei den zu berücksichtigenden zeitlich-räumlichen Zusammenhängen bzw. Mustern.Preferably will be at least one extra Measurement used. The position of this measurement is either upstream the location of an effective bottleneck or the location of the effective bottleneck even provided. This results from the improved "local Resolution "another limitation the one to be considered Spatial-temporally cohere or patterns.

Vorzugsweise werden mittlere charakteristische zeitlich-räumliche Zusammenhänge als zeitlich-räumliche Muster abgespeichert und sind so als Messdaten verwendbar. Damit ergibt sich eine stets aktuelle und der jeweiligen Position angepasste Menge an gespeicherten Messdaten zum Vergleich mit aktuell gemessenen Verkehrsdaten.Preferably become mean characteristic temporal-spatial relationships as temporal-spatial Samples are stored and can be used as measured data. In order to results in an always current and adapted to the respective position Amount of stored measurement data for comparison with currently measured Traffic data.

In einer Ausführungsform der Erfindung ist vorgesehen, für einen bestimmten Bereich eines Schnellstraßennetzes, d.h. für alle betroffenen Streckenabschnitte, prognostizierte streckenbezogene Kenngrößen bereitzustellen, die einen bestimmten Zeitpunkt oder Zeitraum in der Zukunft betreffen, wobei die Prognose auf Basis einer digitalen Straßenkarte des bestimmten Bereichs des Schnellstraßennetzes durchgeführt wird. Es ergibt sich eine besonders komfortable Möglichkeit, beispielsweise für eine dynamische Zielführung von Fahrzeugen in diesem Bereich des Schnellstraßennetzes entsprechend prognostizierte streckenbezogene Kenngrößen bereitzustellen und durch die Ganglinienprognose plausibilitätsgeprüfte und vollständige Prognoseinformationen anzubieten.In an embodiment the invention is provided for a certain area of an expressway network, i. for all concerned Provide route sections, predicted route-related parameters, which concern a specific time or period in the future, the forecast based on a digital road map the specific area of the expressway network. This results in a particularly comfortable way, for example, for a dynamic guidance of vehicles in this area of the expressway network accordingly provide distance-related characteristics and plausibility-verified and complete forecast information through the hydrograph forecast offer.

Durch die Berücksichtigung der verkehrlichen zeitlich-räumlichen Zusammenhänge in einer Ganglinienprognose wird verkehrlichen Abläufen Rechnung getragen und so die Prognosequalität verbessert. Für eine weitere Steigerung der Prognosequalität ist vorgesehen, die für das ausgewählte zeitlich-räumliche Muster bzw. Zusammenhang gültigen zeitlichen und räumlichen Prioritäts- und Ablaufregeln zu berücksichtigen, d.h. die aus der Drei-Phasen-Theorie bekannten Musterentwicklungen zu berücksichtigen. Mithin ist für einen bestimmten Prognosezeitpunkt oder einen Prognosezeitraum und für einen bestimmten Streckenabschnitt des Schnellstraßennetzes eine streckenbezogene Kenngröße, wie beispielsweise eine Reisezeit, in weiter verbesserter Qualität bereitstellbar. Zusätz lich können weitere Eigenschaften der zeitlich-räumlichen Zusammenhänge bzw. Muster als qualitative Zusatzinformationen bereitgestellt werden, um einen Fahrzeugführer noch besser zu informieren.By taking the traffic-related temporal-spatial relationships into account in a hydrograph forecast, traffic processes are taken into account, thus improving the forecasting quality. For a further increase in the quality of forecasting, it is intended to take into account the temporal and spatial priority and procedural rules valid for the selected temporal-spatial pattern or context, ie to take account of the pattern developments known from the three-phase theory. Consequently, a distance-related parameter, such as a travel time, can be provided in a further improved quality for a specific prognosis time or a prognosis period and for a certain section of the expressway network. In addition, further properties of temporal-spatial relationships or patterns as qualitative additional information provided to better inform a vehicle driver.

Die Erfindung wird nun anhand einer Zeichnung beschrieben.The Invention will now be described with reference to a drawing.

Dabei zeigen:there demonstrate:

1 das Prinzip des erfindungsgemäßen Verfahrens, 1 the principle of the method according to the invention,

2 das Ablaufdiagramm einer Weiterbildung des erfindungsgemäßen Verfahrens. 2 the flowchart of a development of the method according to the invention.

1 legt das Prinzip des erfindungsgemäßen Verfahrens, das zeitlich-räumliche Matching zur Prognose einer streckenbezogenen Kenngröße, dar. An einer Position einer Strecke x0, zwischen den Positionen x1 und x2, werden ein Geschwindigkeitsverlauf v0(t) sowie ein Verkehrsflußverlauf q0(t) gemessen. Der bzw. die Messzeitpunkte liegen zwischen den Zeitpunkten t* und t0. Unter Beachtung des stromabwärtigen Abstandes zur Position der nächsten effektiven Engstelle bei x2 wird eine zeitlich-räumliche Musterauswahl durchgeführt, um für die gesamte Strecke von x1 bis x2 ein zeitlich-räumliches Muster für einen Zeitpunkt bzw. Zeitraum nach t0 zu prognostizieren. 1 sets the principle of the method according to the invention, the temporal-spatial matching for the prognosis of a distance-related parameter. At a position of a distance x 0 , between the positions x 1 and x 2 , a velocity course v 0 (t) and a traffic flow course q 0 (t) measured. The measuring time or points lie between the times t * and t 0 . Taking into account the downstream distance to the position of the next effective bottleneck at x 2 , a temporal-spatial pattern selection is performed in order to predict a temporal-spatial pattern for a time or period after t 0 for the entire distance from x 1 to x 2 .

In 2 ist das Ablaufdiagramm einer Weiterbildung des erfindungsgemäßen Verfahrens gezeigt. Diese Weiterbildung ermöglicht eine weitere Verbesserung der Prognose einer streckenbezogenen Kenngröße, indem eine Mustereinschränkung ermöglicht wird durch über die Position x0 hinausgehende Messungen an Positionen x1 und/oder x2, die dann zur Prognose der oder jeder relevanten Kenngrößen herangezogen werden können. Hierdurch wird die Musterauswahl vereinfacht, da aus der Anzahl möglicher Reisezeitwerte für die Strecke von x1 bis x2 nun eine gezieltere Auswahl möglich ist.In 2 the flowchart of a development of the method according to the invention is shown. This further enables a further improvement of the prognosis of a distance-related parameter by using a pattern constraint is provided by on the position x 0 beyond measurements at positions x 1 and / or x 2, which can then be used to predict the or each relevant parameters. As a result, the pattern selection is simplified because of the number of possible travel time values for the distance from x 1 to x 2 now a more targeted selection is possible.

Claims (12)

Verfahren zur Prognose wenigstens einer streckenbezogenen Kenngröße, umfassend die Schritte – Messen aktueller Verkehrsdaten, – Vergleichen der Verkehrsdaten mit gespeicherten Messdaten, – Auswählen einer Teilmenge der Messdaten abhängig von den Verkehrsdaten, – Bereitstellen der Teilmenge als prognostizierte streckenbezogene Kenngröße, dadurch gekennzeichnet, dass die gemessenen Verkehrsdaten auf zeitlich-räumliche Zusammenhänge hin analysiert werden, die gespeicherten Messdaten zeitlich-räumliche Muster umfassen und beim auswählen der Teilmenge der Messdaten die zeitlich-räumlichen Zusammenhänge bzw. Muster berücksichtigt werden.A method for forecasting at least one distance-related characteristic, comprising the steps - measuring current traffic data, - comparing the traffic data with stored measurement data, - selecting a subset of the measurement data depending on the traffic data, - providing the subset as a predicted distance-related characteristic, characterized in that the measured Traffic data on temporal-spatial relationships are analyzed out, the stored measurement data include temporal-spatial patterns and the temporal-spatial relationships or patterns are considered when selecting the subset of the measured data. Verfahren nach Anspruch 1, wobei die zeitlich-räumlichen Zusammenhänge berücksichtigt werden indem abhängig von diesen ein Muster ausgewählt, in die streckenbezogene Kenngröße umgerechnet und als diese bereitgestellt wird.The method of claim 1, wherein the temporal-spatial relationships considered become dependent on selected from these a pattern, converted into the distance-related parameter and when this is provided. Verfahren nach Anspruch 2, wobei das oder die ausgewählten Muster in Reisezeiten umgerechnet werden.The method of claim 2, wherein the one or more selected patterns converted into travel times. Verfahren nach Anspruch 1, wobei die zeitlich-räumlichen Zusammenhänge als zusätzliches Kriterium beim Auswählen der Teilmenge der Messdaten berücksichtigt werden.The method of claim 1, wherein the temporal-spatial relationships as an additional criterion when selecting the subset of the measured data taken into account become. Verfahren nach einem der Ansprüche 1 bis 4, wobei als zeitlich-räumliche Muster repräsentative Muster dichten Verkehrs für effektive Engstellen vorgesehen sind.Method according to one of claims 1 to 4, wherein as temporal-spatial Pattern representative pattern dense traffic for effective bottlenecks are provided. Verfahren nach Anspruch 5, wobei als zeitlich-räumlicher Zusammenhang der Abstand der Position, an welcher die Verkehrsdaten gemessen werden, zur Position einer effektiven Engstelle, an welcher das Muster dichten Verkehrs entstanden ist, analysiert wird.Method according to claim 5, wherein as temporal-spatial Related the distance of the position at which the traffic data be measured, to the position of an effective bottleneck at which the pattern of dense traffic has arisen, is being analyzed. Verfahren nach Anspruch 6, wobei die Verkehrsdaten an wenigstens zwei Positionen stromaufwärts der Position der effektiven Engstelle gemessen werden.The method of claim 6, wherein the traffic data at least two positions upstream of the position of the effective Bottleneck to be measured. Verfahren nach Anspruch 6, wobei die Verkehrsdaten an wenigstens zwei Positionen gemessen werden, wobei wenigstens eine Position stromaufwärts der Position der effektiven Engstelle und eine Position an der Position der effektiven Engstelle selbst vorgesehen ist.The method of claim 6, wherein the traffic data be measured at least two positions, wherein at least a position upstream the position of the effective bottleneck and a position at the position the effective bottleneck itself is provided. Verfahren nach einem der Ansprüche 1 bis 8, wobei mittlere, charakteristische zeitlich-räumliche Zusammenhänge als zeitlich-räumliche Muster abgespeichert werden.Method according to one of claims 1 to 8, wherein mean, characteristic temporal-spatial relationships as spatiotemporal Patterns are saved. Computerprogramm mit Programmcode-Mitteln, um alle Schritte nach einem der Ansprüche 1 bis 9 durchzuführen, wenn das Programm auf einem Computer ausgeführt wird.Computer program with program code means to all Steps according to one of the claims 1 to 9, if the program is running on a computer. Computerprogrammprodukt mit Programmcode-Mitteln, die auf einem computerlesbaren Datenträger gespeichert sind, um das Verfahren nach einem der Ansprüche 1 bis 9 durchzuführen, wenn das Programmprodukt auf einem Computer ausgeführt wird.Computer program product with program code means, which are stored on a computer-readable medium to the Method according to one of the claims 1 to 9, if the program product is running on a computer. Verkehrszentrale zur Prognose wenigstens einer streckenbezogenen Kenngröße, umfassend Mittel zum Messen aktueller Verkehrsdaten, Speichermittel mit gespeicherten zeitlich-räumlichen Mustern sowie Rechenmittel zum Vergleichen der auf zeitlich-räumliche Zusammenhänge hin analysierten Verkehrsdaten mit den im Speichermittel gespeicherten zeitlich-räumlichen Mustern und zum Bereitstellen der prognostizierten streckenbezogenen Kenngröße unter Berücksichtigung der zeitlich-räumlichen Zusammenhänge.Traffic center to forecast at least a distance-related characteristic, comprising means for measuring current traffic data, storage means with stored temporal-spatial patterns and calculating means for comparing the traffic data analyzed on temporal-spatial correlations with the temporal-spatial patterns stored in the storage means and for providing the predicted distance-related characteristic taking into account temporal-spatial relationships.
DE200410039283 2004-08-13 2004-08-13 Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter Withdrawn DE102004039283A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE200410039283 DE102004039283A1 (en) 2004-08-13 2004-08-13 Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200410039283 DE102004039283A1 (en) 2004-08-13 2004-08-13 Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter

Publications (1)

Publication Number Publication Date
DE102004039283A1 true DE102004039283A1 (en) 2006-03-02

Family

ID=35745403

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200410039283 Withdrawn DE102004039283A1 (en) 2004-08-13 2004-08-13 Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter

Country Status (1)

Country Link
DE (1) DE102004039283A1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110365A (en) * 2009-12-28 2011-06-29 日电（中国）有限公司 Road condition prediction method and road condition prediction system based on space-time relationship
WO2015039693A1 (en) * 2013-09-20 2015-03-26 Nec Europe Ltd. Method and system for data quality assessment
CN105185106A (en) * 2015-07-13 2015-12-23 丁宏飞 Road traffic flow parameter prediction method based on granular computing
CN111986490A (en) * 2020-09-18 2020-11-24 北京百度网讯科技有限公司 Road condition prediction method and device, electronic equipment and storage medium
CN115206102A (en) * 2022-07-15 2022-10-18 百度在线网络技术（北京）有限公司 Method, apparatus, electronic device, and medium for determining traffic path

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10051777A1 (en) * 2000-10-19 2002-04-25 Daimler Chrysler Ag Method for producing a dynamic forecast of traffic conditions for a road system around individual vehicles allows each vehicle to make an autonomic, continuous time-cum-location record for a parameter of traffic conditions
DE10062856A1 (en) * 2000-12-16 2002-06-20 Daimler Chrysler Ag Traffic prediction system for individual vehicles uses data captured by vehicle itself and other vehicle data that is analyzed using dynamic traffic prediction algorithm

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10051777A1 (en) * 2000-10-19 2002-04-25 Daimler Chrysler Ag Method for producing a dynamic forecast of traffic conditions for a road system around individual vehicles allows each vehicle to make an autonomic, continuous time-cum-location record for a parameter of traffic conditions
DE10062856A1 (en) * 2000-12-16 2002-06-20 Daimler Chrysler Ag Traffic prediction system for individual vehicles uses data captured by vehicle itself and other vehicle data that is analyzed using dynamic traffic prediction algorithm

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110365A (en) * 2009-12-28 2011-06-29 日电（中国）有限公司 Road condition prediction method and road condition prediction system based on space-time relationship
CN102110365B (en) * 2009-12-28 2013-11-06 日电（中国）有限公司 Road condition prediction method and road condition prediction system based on space-time relationship
WO2015039693A1 (en) * 2013-09-20 2015-03-26 Nec Europe Ltd. Method and system for data quality assessment
CN105185106A (en) * 2015-07-13 2015-12-23 丁宏飞 Road traffic flow parameter prediction method based on granular computing
CN105185106B (en) * 2015-07-13 2017-07-04 丁宏飞 A kind of road traffic flow parameter prediction method based on Granule Computing
CN111986490A (en) * 2020-09-18 2020-11-24 北京百度网讯科技有限公司 Road condition prediction method and device, electronic equipment and storage medium
CN115206102A (en) * 2022-07-15 2022-10-18 百度在线网络技术（北京）有限公司 Method, apparatus, electronic device, and medium for determining traffic path

Similar Documents

Publication Publication Date Title
DE60319993T2 (en) DEVICE AND METHOD FOR TRANSPORT INFORMATION PROCESSING
EP1176569B1 (en) Method for monitoring the condition of traffic for a traffic network comprising effective narrow points
EP0789341B1 (en) Vehicle on board detection of traffic jam
DE19650844C2 (en) Procedure for determining route data
DE19647127C2 (en) Process for automatic traffic monitoring with dynamic analysis
WO1998026397A1 (en) Method for transmitting local data and measurement data from a terminal, including a telematic terminal, to a central traffic control unit
DE102008003039A1 (en) Vehicle traffic condition recognizing method for traffic assistance system, involves differentiating traffic jam conditions on basis of measured speed, and recognizing traffic jam condition if another traffic jam condition is not recognized
EP1303845A1 (en) Method for determining traffic related information
DE102007058093B4 (en) Method and apparatus for determining a recommended route from a plurality of routes
DE102007056225A1 (en) Method for controlling traffic flow at crossing or at junction of roads, involves deducing behavior reference from prediction for driver of vehicles finding driving direction ahead of crossing, and signalizing reference to driver
DE19729914A1 (en) Process for the analysis of a traffic network, traffic analysis, traffic forecast as well as creation of a historical traffic database and traffic analysis and forecasting center
DE10051777A1 (en) Method for producing a dynamic forecast of traffic conditions for a road system around individual vehicles allows each vehicle to make an autonomic, continuous time-cum-location record for a parameter of traffic conditions
DE102004039283A1 (en) Forecasting journey time in road network, by taking into account time-space associations and/or patterns when selecting proportion of measured data as predicted parameter
DE102005040350A1 (en) Method for forecasting a traffic condition in a road network and traffic management center
DE102005055244A1 (en) Traffic data-based accident detecting method, involves concluding existence of accident when accident criterion is derived and determined from characteristic properties and parameters of temporal-spatial traffic patterns
DE102016216538A1 (en) Method for operating a control device of a motor vehicle, control device and motor vehicle
DE10326973A1 (en) Traffic information method for automatically determining a high-quality measure for traffic information applies a traffic reference position while comparing journey times over a section of journey
DE10334140B4 (en) Method and system for determining traffic data
EP1528524B1 (en) Method for traffic prognosis based on historical data
EP2887332B1 (en) Method and system for detection of a traffic situation on a stretch of road
DE19944891A1 (en) Method of detecting traffic situations with fuzzy classification, multidimensional morphological data filtering and dynamic domain formation
DE19737440A1 (en) Method for determining traffic data and traffic information center
Jain et al. Traffic flow characteristics for multilane highways in India
Claros et al. Safety effect of diverging diamond interchanges on adjacent roadway facilities
DE10110326A1 (en) Determination system for finding actual traffic situation using positions of mobile phones with varying density of mobile phones over time related to traffic situation and vehicle behavior

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8127 New person/name/address of the applicant

Owner name: DAIMLERCHRYSLER AG, 70327 STUTTGART, DE

8127 New person/name/address of the applicant

Owner name: DAIMLER AG, 70327 STUTTGART, DE

8130 Withdrawal