-
Stand
der Technik
-
Im
Bereich der Floating Car Data (FCD) Technologie basiert die Erkennung
von Stauereignissen im Verkehrsfluss heutzutage großteils auf
der Analyse von Durchschnittsgeschwindigkeiten und Haltezeiten der
Fahrzeuge. Fahrzeuge zeichnen dazu Geschwindigkeiten über der
Zeit (Geschwindigkeitsganglinien) auf, die als Ausgangspunkt für die weitere
Analyse dienen. Durchschnittsgeschwindigkeiten von Geschwindigkeitsganglinien
in einem definierten Zeitintervall finden vorwiegend im nicht-urbanen
Umfeld Anwendung, Haltezeiten innerhalb dieses Intervalls erweisen
sich als vorteilhaft für
den urbanen Bereich. Da die Durchschnittsgeschwindigkeit die Geschwindigkeitsganglinie
durch den gemittelten Wert ersetzt, gehen wesentliche Charakteristika
des Fahrablaufs verloren.
-
Aus
der
US 5,850,193 ist
es bekannt, Parameter für
anormales Fahrverhalten einer Fourier-Analyse zu unterziehen. Desweiteren
wird die relative Geschwindigkeit zu einem vorausfahrenden Fahrzeug
gemessen mit der Zielsetzung ein Abweichen von der Fahrbahn zu vermeiden.
-
Die
US 6,275,773 behandelt ein
Kollisionswarnsystem mit Stauparametern als Randbedingung.
-
Vorteile
der Erfindung
-
Mit
den Maßnahmen
des Anspruchs 1 bzw. des Anspruchs 4, d.h. mit einer Frequenztransformation
von Geschwindigkeitsgangkennlinien vom Zeitbereich zur Gewinnung
eines Frequenzspektrums, welches Veränderungen im Fahrtablauf in Abhängigkeit
der Schnelligkeit einer Änderung
darstellt, wird die zur Verfügung
stehende Information ohne Informationsverlust erhalten. Dieses Verfahren
ist gegenüber
eine Mittelung zeiteffizient. Neben der Veränderung des Fahrtablaufs in
Abhängigkeit
der Schnelligkeit der Änderung
ist auch die Durchschnittsgeschwindigkeit ablesbar. Darauf aufbauende
Stauerkennungsverfahren durch Bewertung von Stauindikatoren können somit
den Fahrablauf deutlich besser charakterisieren und Stauereignisse
zuverlässig
erkennen.
-
Die
Erfindung ist geeignet durch einen integrativen Ansatz Stauereignisse
im nicht-urbanen
wie auch im urbanen Verkehr zuverlässig und zugleich zeiteffizient
zu erkennen, indem die Geschwindigkeitsganglinie im Fahrzeug im
Frequenzbereich oder daraus abgeleiteten mathematischen Räumen durchgeführt wird.
-
Die
Transformation von Geschwindigkeitsganglinien aus dem Zeitbereich
in den Frequenzbereich unter Zuhilfenahmen einer Fourier-Transformation
beseitigt die Schwächen
bestehender FCD-Stauerkennungssysteme, indem sie die zur Verfügung stehende
Information in vollem Umfang erhält.
Es ist auch möglich,
dass in einer vorteilhaften Ausprägung weitere mathematische
Verfahren eingesetzt werden, die sich aus dem Frequenzbereich ableiten.
In einer weiteren vorteilhaften Ausprägung bewertet ein Fuzzy-Logik-System
die Geschwindigkeitsganglinie im Frequenzbereich und entscheidet über eine
Regelbank, ob ein Stau vorliegt oder nicht. Die Besonderheiten des
urbanen Verkehrs werden in diesem integrativen Ansatz ebenso berücksichtigt.
-
Zusammenfassend
bestehen folgende Vorteile:
- – Erhalt
der Information der Geschwindigkeitsganglinie durch die Frequenztransformation,
- – Einsatz
von Expertenwissen unter Berücksichtigung
subjektiver Bewertung durch die Verwendung von Fuzzy-Logik,
- – integrativer
Ansatz für
sowohl nicht-urbanen als auch urbanen Verkehr,
- – autonome
Stauerkennung im Fahrzeug ohne Bedarf externer Informationsquellen.
-
Zeichnungen
-
Anhand
von Zeichnungen wird die Erfindung näher erläutert. Es zeigen
-
1 ein
Blockschaltbild für
eine Stauerkennung,
-
2 eine
Geschwindigkeitsganglinie,
-
3 ein
zur Geschwindigkeitsganglinie zugehöriger Staufaktor,
-
4 und 5 Geschwindigkeitsganglinie sowie
zugehöriger
Staufaktor für
freien Verkehr,
-
6 eine
Geschwindigkeitsganglinie für gestauten
Verkehr,
-
7 ein
zugehöriger
resultierender Staufaktor dF,
-
8 und 9 eine
Geschwindigkeitsganglinie und der zugehörige Staufaktor dF für freien urbanen
Verkehr.
-
Beschreibung
der Erfindung
-
In
der Floating-Car-Data-Technologie werden Fahrzeuge als in Verkehr
mitschwimmende Messsonden verwendet, die neben der aktuellen Position
zumindest die Geschwindigkeit aufzeichnen können. Dazu sind gemäß 1 in
den Fahrzeugen 1 Einrichtungen 2 zur Aufzeichnung
von Geschwindigkeitsganglinien vorgesehen. Diese Geschwindigkeitsganglinien
werden in einem bestimmten Zeitintervall betrachtet und analysiert.
Die zeitabhängige Geschwindigkeitsganglinie
wird im Gegensatz zu bestehenden Verfahren nicht statistisch durch
Mittelwertbildung beschnitten, sondern unter Erhalt der vollen Information
in einer Frequenztransformationseinrichtung 3 in die Frequenzdomäne transformiert.
Dies wird mit einer Fourier-Transformation bewerkstelligt, die eine
zeiteffektive Bearbeitung ermöglicht.
Ein Beispiel für
eine Geschwindigkeitsganglinie ist in 2 dargestellt.
Das zugehörige Frequenzspektrum
zeigt 3. Durch die Transformation werden relevante Charakteristika
des Fahrtablaufs extrahiert. Das Frequenzspektrum gemäß 3 spiegelt
Veränderungen
im Fahrtablauf sortiert nach der Schnelligkeit der Änderung
(Frequenz) wieder, was als Indikator verwendet werden kann. Als wünschenswerten
Seiteneffekt fällt
durch die Frequenztransformation für die Frequenz 0 Hz die Durchschnittsgeschwindigkeit
des Fahrzeugs im Zeitintervall an.
-
Ebenfalls
aus dem Frequenzspektrum abgeleitet ist ein zweiter Indikator zur
Modellierung der Veränderungen
im Fahrtablauf. Das Frequenzspektrum sortiert im wesentlichen die Änderungen
im Fahrtablauf nach ihrer Schnelligkeit (Frequenz) und wie stark
die einzelnen Änderungen
im Fahrtablauf vorhanden sind (Amplitude). Jede Frequenz ist somit durch
ihre jeweilige Amplitude (ampl) gewichtet. Der zweite Indikator
extrahiert die dominante Frequenz im Fahrtablauf in Abhängigkeit
der Gewichte einzelner Frequenzen.
-
Im
urbanen Verkehr gibt es noch einen Sonderfall, der berücksichtigt
werden muss: Stop-and-Go-Verkehr.
Im nicht-urbanen Umfeld ist ein Stop-and-Go-Fahrtablauf ein klarer
Hinweis auf ein Stauereignis. Aufgrund infrastruktureller Rahmenbedingungen
im urbanen Bereich ist freier Verkehr aber auch in der Klasse der
Stop-and-Go-Abläufe
einzureihen. Dieser Widerspruch wird durch einen dritten kombinierten
Indikator aufgelöst,
der darauf ausgerichtet ist, urbanen freien Verkehr zu identifizieren.
Hier ist geringfügiger
zusätzlicher
Rechenaufwand nötig,
um die längste
Stehzeit im Zeitintervall und den Anteil der Fahrzeit am gesamten
Zeitintervall zu bestimmen. In Kombination mit der Durchschnittsgeschwindigkeit
wird freier urbaner Verkehr durch den dritten Indikator erkannt.
-
Die
Indikatoren werden in der Einrichtung 4 aufbereitet und
nach geeigneter Parametisierung einem Fuzzy-Logik-System in der
Einrichtung 5 zugeführt,
das die Indikatoren einzeln bewertet. Einrichtung 6 beispielsweise
in Form einer Regelbank übernimmt
die Zusammenführung
und Abstimmung der Indikatoren mehrerer Fahrzeuge zur Optimierung des
Gesamtergebnisses als auch zur Berücksichtigung des Sonderfalls
freier urbaner Verkehr. Über dies
ermöglicht
die Verwendung von Fuzzy-Logik eine Berücksichtigung der inhärenten Unschärfe, bedingt
durch die Verschiedenartigkeit der Fahrer der Fahrzeuge. Das Resultat
des Fuzzy-Logik-Systems ist ein Staufaktor dF, der als Wahrscheinlichkeit
des Auftretens eines Stauereignisses interpretiert werden kann.
Je nach Zweckmäßigkeit
werden die Messwerte bzw. Indikatoren in den Fahrzeugen selbst verarbeitet
oder bereits in einem frühen
Stadium, wie die Ausführungsvariante
nach 1 zeigt, zu einer Zentrale übermittelt und dort gemeinsam
verarbeitet.
-
Anwendungsbeispiele:
-
Ein
Fahrzeug durchfährt
verschiedene Verkehrssituationen und zeichnet dabei die Geschwindigkeitsganglinien
auf. Das Stauerkennungssystem, bestehend aus dem Frequenztransformationssystem,
den Indikatoren und der Fuzzy-Interferenzmaschine überwacht
permanent diese Ganglinien. Der Output des Stauerkennungssystem
gibt an, ob sich das Fahrzeug in einem Stau befindet oder nicht.
Beispiele sind in den 4 bis 9 zu sehen.
Daran sind jeweils die Geschwindigkeitsganglinien und die Staufaktoren
dF als endgültiger
Output zu sehen. 4 zeigt den Geschwindigkeitsverlauf
des Fahrzeugs im freien Verkehr, der resultierende Staufaktor dF
gemäß 5 ist
erwartungsgemäß sehr niedrig. In 6 kommt
das Fahrzeug 6 in gestauten Verkehr, was in der Geschwindigkeitsganglinie
klar zu erkennen ist. Dementsprechend hoch ist der Staufaktor gemäß 7.
Schließlich
ist noch der Sonderfall des freien urbanen Verkehrs in 8 und 9 berücksichtigt.
Der Stop-and-Go-Charakter ist deutlich aus der Geschwindigkeitsganglinie
der 8 abzulesen. Dennoch sorgt der dritte kombinierte
Indikator dafür,
dass hier nicht fälschlicherweise
Stau angezeigt wird, sondern freier Verkehr; der Staufaktor dF gemäß 9 ist
kaum Änderungen
unterworfen und liegt unter dem Wert 1, wobei der Wert 1 einen Stau indizieren
würde.
-
Eine
Anbindung des erfindungsgemäßen Verfahrens
an ein Navigationssystem kann wertvolle Informationen liefern, wo
sich das Fahrzeug gerade befindet. Wenn das Navigationssystem meldet,
dass sich das Fahrzeug gerade in urbanem Verkehr bewegt, kann der
Sonderfall des freien urbanen Verkehrs noch besser berücksichtigt
werden. Der dritte kombinierte Indikator kann dann basierend auf
dieser Information scharf geschaltet werden und noch feiner justiert
werden.
-
Der
Kommunikationsaufwand kann durch eine intelligente Vorverarbeitung
bereits im Fahrzeug wesentlich reduziert werden. Für den Benutzer
im Fahrzeug ist das Verfahren indirekt durch das verbesserte Kommunikationsverhalten
und qualitativ hochwertige, auf der Stauerkennung aufbauende Dienste
ersichtlich.